论文部分内容阅读
目的：分析孤立性肺结节(solitary pulmonary nodule，SPN)HRCT上的各种征象，采用最大似然法分析各种征象在周围型肺癌、肺错构瘤及肺结核球三种SPN中的诊断及鉴别诊断价值；并对常规阅片法、最大似然法、人工神经网络(artificial neural network，ANN)系统的诊断结果进行比较，分析其诊断效能。 材料与方法：收集经临床和手术病理证实的SPN(直径≤3cm)150例(包括周围型肺癌、肺错构瘤、肺结核球各50例)，全部病例行常规CT扫描，病灶行HRCT扫描(层厚1.25～3mm，采用骨重建算法)。选取10种SPN在HRCT上的征象(钙化、脂肪、空泡征、空洞、细支气管气象、分叶征、毛刺征、血管集束征、胸膜凹陷征及卫星灶)进行分类统计，运用最大似然法，将结节各种征象出现的概率转化为记分值，然后根据SPN的特点计算累计判别分数值，依据数值大小来判定结节所属类型。 在三类SPN中随机选择各25例作为训练数据，与MATLAB6.1中的神经网络工具箱共同搭建一个初级的人工神经网络(artificial neural network，ANN)测试系统。再将三类SPN中未做训练的余下病例作为测试数据，利用已训练好的ANN对其进行分析诊断。 结果：最大似然法对周围型肺癌、肺错构瘤、肺结核球的诊断正确率分别为86％、92％、90％，平均诊断正确率为89.3％，高于常规阅片法的82％，但统计学上无显著差异(P＞0.05)。最能提示为周围型肺癌的征象依次为空泡征、分叶征、细支气管气象、血管集束征，显示百分比分别为95％、70.3％、66.7％、55.7％。最能提示为肺错构瘤的征象为脂肪成份、钙化，显示百分比分别为100％、31.2％。最能提示为肺结核球的征象依次为空洞、卫星灶、钙化成份、胸膜凹陷征，显示百分比分别为100％、91.7％、55.7％、52.1％。ANN对三类SPN(各25例)的诊断正确率分别为80％、80％、84％，平均诊断正确率为81.3％。三种诊断方法(常规阅片法、最大似然法及ANN)采用两两配对x~2检验，P值无显著性差异(P＞0.05)。 结论：最大似然法是分析SPN很有价值的数理诊断方法。与常规阅片法比较，最大似然法对三类常见SPN的判别正确率均有提高，可用于指导日常阅片，提高诊断正确率。ANN.是计算机辅助诊断(eomputer aided diagnosis，e幼)中人工智能的最前沿领域，它的数字化概率诊断结果将为临床影像学诊断的智能化开辟广阔的前景。