基于迁移学习算法开发的人工智能脑积水诊断模型的临床应用
陈宇航1
林中松2
李新瑜3
张亮2
李小潘3
郝晓伟1
程小兵1
张鸿日1
1.471000河南洛阳,河南科技大学第一附属医院神经外科2.201203上海,上海纳凝微信息科技有限公司3.471000河南洛阳,河南科技大学第一附属医院影像中心
摘要：目的 利用迁移学习算法设计、开发一种人工智能脑积水影像诊断工具,并评价其应用颅脑CT平扫影像诊断脑积水的效果.方法 收集河南科技大学第一附属医院正常成人及脑积水的颅脑CT影像DICOM数据各1250例,按6∶2∶2随机分为训练集、验证集和测试集.应用Python开发标记工具对数据进行预处理并标注特征变量,建立自主研发的逐像素ForrestNet-CNN算法模型,并对特征变量进行提取和深度学习.选取影像学住院医师、主治医师、副主任医师各2名对250例脑积水和250例正常影像进行测试,并与人工智能模型的测试结果进行比较.结果 人工智能模型、住院医师、主治医师、副主任医师诊断脑积水的敏感性分别为94.4％、92.8％、95.2％和96.4％,特异性分别为93.6％、94.0％、96.0％和97.6％,准确率分别为94.0％、93.4％、95.6％和97.0％.虽然人工智能模型诊断脑积水的敏感性、特异性、准确率明显低于副主任医师(P＜0.05),但是与住院医师、主治医师均无统计学差异(P＜0.05).结论 本研究开发的人工智能模型可有效地识别脑积水的CT影像特点,具有较高的准确率.
关键词：脑积水CT影像诊断人工智能迁移学习算法
分类号：R742.7(神经病学与精神病学)
资助基金：河南省医学科技攻关计划省部共建项目(SB201901066)
论文发表日期：2021-05-25
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：3( 349-351 )
英文信息