论文部分内容阅读
目的 探讨深度学习计算机辅助诊断(DL-CAD)系统和多层螺旋CT(MSCT)常见征象对肺磨玻璃结节(GGN)的定性诊断价值.方法 选取128例患者的167个肺GGN,按病理将结节分为恶性组及良性组:恶性组共153个GGN,包括浸润性腺癌(IAC)(n=99)、微浸润腺癌(MIA)(n=13)、原位癌(AIS)(n=22)、非典型腺瘤样增生(AAH)(n=19);良性组共14个GGN,均为炎性结节.所有病例均行MSCT检查后,分别经DL-CAD系统和人工阅片对GGN进行分析,采用DL-CAD系统恶性风险预测值及人工阅片基于肺GGN的位置、大小、形态、密度、瘤肺界面、分叶征、毛刺征、空泡征、血管集束征、胸膜凹陷征等征象评判.运用统计学方法对比分析DL-CAD系统与人工阅片对结节良恶性的诊断效能,用Logistic回归对MSCT常见征象综合分析,绘制受试者工作特征(ROC)曲线评估诊断效能.结果 DL-CAD系统和人工阅片对肺GGN良恶性诊断的病理符合率分别为83.83％(140/167)、89.22％(149/167).2组GGN在大小(P<0.001)、形态(P=0.012)、分叶征(P<0.001)、血管集束征(P=0.003)均有统计学差异,而在位置(P=0.061)、密度(P=0.572)、瘤肺界面(P=0.964)、毛刺征(P=0.076)、空泡征(P=0.549)、胸膜凹陷征(P=0.130)无统计学差异.结论 DL-CAD系统对肺GGN诊断正确率低于人工阅片,目前的DL-CAD系统对肺GGN的定性诊断有一定的局限性.人工阅片基于MSCT常见征象对肺GGN的良恶性鉴别具有较好的诊断价值,尤其是结节的大小、形态、分叶征、血管集束征对其定性诊断价值更高.