基于深度神经网络Mask R-CNN胆囊癌辅助识别系统临床应用价值研究
尹梓名1
孙大运2
翁昊3
任泰3
杨自逸3
李永盛4
王广义5
王传磊5
曹宏6
刘颖斌7
束翌俊3
1.上海理工大学医疗器械与食品学院,上海2000932.上海理工大学医疗器械与食品学院,上海200093;上海交通大学医学院附属新华医院普外科,上海2000923.上海交通大学医学院附属新华医院普外科,上海200092;上海市胆道疾病重点实验室上海交通大学医学院胆道疾病研究中心,上海2000924.上海市胆道疾病重点实验室上海交通大学医学院胆道疾病研究中心,上海200092;上海交通大学医学院附属仁济医院胆胰外科,上海2001275.吉林大学第一医院肝胆胰外一科,吉林长春1300216.吉林大学中日联谊医院普外科,吉林长春1300337.上海市胆道疾病重点实验室上海交通大学医学院胆道疾病研究中心,上海200092;上海交通大学医学院附属仁济医院胆胰外科,上海200127;国家癌基因重点实验室,上海200127
摘要：目的 探讨基于深度神经网络的目标检测技术在腹部双源CT胆囊癌辅助识别系统的临床应用价值.方法 选取2017年1月至2019年12月上海交通大学医学院附属新华医院普外科、吉林大学第一医院肝胆胰外一科和吉林大学中日联谊医院普外科收治的88例病理学检查诊断明确的胆囊癌,28例慢性胆囊炎胆囊结石病人和29例正常胆囊(影像学检查胆囊正常)病人,均行腹部双源CT检查.随机选取101例作为训练组,29例作为验证组,15例作为测试组.首先,利用已标注的10409张腹部双源CT图像对Mask R-CNN模型进行学习,从而建立自动胆囊癌辅助识别系统.然后对验证组的2974张CT图像通过专业的医师对其进行判断识别,与Mask R-CNN得出的结果进行对比分析.通过不同交并比阈值(IoU)下的平均检测精度(AP)和平均召回率(AR)来对性能进行评估.结果 计算机通过学习组不断迭代训练,Mask R-CNN的损失函数值收敛,诊断误差不断降低.在IoU为0.5时,Mask R-CNN的边界框和掩膜的AP分别为0.929和0.929,IoU为0.75时的边界框和掩膜AP分别为0.901和0.890,IoU为0.5:0.95时的边界框和掩膜AP分别为0.723和0.707,平均召回率分别为0.794和0.774,模型的性能良好.结论 基于深度神经网络的Mask R-CNN胆囊癌辅助识别系统具有较高的准确率和性能,可辅助进行临床诊断.
关键词：胆囊癌深度学习目标检测人工智能
分类号：R6(外科学)
资助基金：国家自然科学基金(No.81801797)国家自然科学基金(No.31701108)国家自然科学基金(No.81701749)上海市青年科技英才"扬帆计划"项目(No.17YF1411700)
论文发表日期：2021-03-01
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( 310-314 )
英文信息