基于超声的迁移学习人工智能模型对甲状腺囊实性结节恶性概率的评估效能
邹颖1
刘继华1
李静宜2
毕海1
石岩3
陆秀娣1
张启波3
1.天津中医药大学第一附属医院国家中医针灸临床医学研究中心医学影像科(天津 300381)2.山东大学齐鲁医学院威海市立医院肿瘤科(山东 威海 264200)3.山东大学齐鲁医学院威海市立医院超声科(山东 威海 264200)
摘要：目的 探讨基于超声的迁移学习人工智能模型预测甲状腺囊实性结节(PCTN)恶性概率的可能性.方法 回顾性分析2021年1月至2023年12月间就诊于山东大学齐鲁医学院威海市立医院并有明确病理结果的PCTN患者246例,以7:3的比例随机分为训练组和测试组.评估PCTN超声图像特征,经过多因素logistic回归分析,得到评估PCTN恶性概率的独立危险因素并计算曲线下面积(AUC).另一方面,通过Python软件的PyTorch框架对数据进行预处理后,选择5种不同的预训练模型进行迁移学习,具体包括Inception_v3、EfficientNet、VGG19、ResNet50和DenseNet121,计算AUC值并进行比较.结果 超声图像特征中实性成分>50%、实性成分与囊性成分呈偏心锐角、病灶边界模糊不清、病灶边界呈毛刺样、蛋壳样钙化和微钙化对于评价PCTN的良恶性差异有统计学意义(P<0.05),基于以上独立危险因素计算的AUC值为0.843.另外,在5种迁移学习模型中,ResNet50模型诊断效能最高,AUC值为0.903 2.结论 基于超声的迁移学习人工智能模型优于传统超声图像评价效能,能够准确预测PCTN的性质,从而减少不必要的超声引导下细针穿刺活检.
关键词：超声甲状腺囊实性结节迁移学习人工智能模型超声引导下细针穿刺活检
分类号：R445.1(诊断学)
资助基金：国家自然科学基金(82305048)天津市教委科研计划项目(2023KJ165)天津中医药大学第一附属医院拓新工程基金科研课题(ZZ2024004)
论文发表日期：2025-03-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 889-895 )
英文信息