AI深度学习对早期肺腺癌不同病理类型的精准识别
陈唐欣汐1
肖运平2
潘永军2
1.广西中医药大学 广西 南宁 5302002.广西柳州市人民医院放射科 广西 柳州 545026
摘要：目的 探讨人工智能(AI)深度学习对早期肺腺癌的不同病理类型诊断效能,分析AI深度学习对不同病理类型应用价值.方法 选取经手术病理证实为早期肺腺癌患者 90 例的CT图像,按照病理类型分为原位腺癌组、微小浸润性腺癌组、浸润性腺癌组,每组 30 例,并按照 2:1 的比例随机分为训练组(n=60 例)与验证组(n=30 例),利用联影AI科研平台半自动分割靶病灶并提取影像组学特征,利用验证组的数据测试训练深度学习模型,分析病灶CT形态特征,计算病灶CT定量参数,并对肺腺癌的病理类型进行预测评分,分析诊断效能.结果 三组在性别、年龄、结节位置、结节大小、结节体积、结节质量、最小CT值、空泡征等比较,差异无统计学意义(P>0.05);在结节密度、长径、短径、体积、AI预测得分、最大CT值、平均CT值、分叶征、血管集束征、毛刺征、胸膜凹陷征结果比较,差异有统计学意义(P<0.05).浸润性腺癌的长径、短径、直径高于原位腺癌组和微小浸润性腺癌组;浸润性腺癌组的AI预测得分、最大CT值、平均CT值高于原位腺癌组和微小浸润性腺癌组;浸润性腺癌组在分叶征、血管集束征、毛刺征、胸膜凹陷征的比例高于原位腺癌组和微小浸润性腺癌组.结论 基于AI学习在诊断肺腺癌不同病理类型中具有较高的诊断价值,能够精准识别不同的病理类型,具有较高的可重复性和操作性.
关键词：人工智能AI深度学习肺腺癌精准识别体层摄影术X线计算机
分类号：R734.2(呼吸系肿瘤)R814.42(放射医学)
资助基金：广西壮族自治区卫生健康委员会自筹经费科研课题(Z-B20221376)
论文发表日期：2024-05-28
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：5( 56-60 )
英文信息