人工智能在超声影像甲状腺结节良恶性预测研究

论文摘要

目的:探讨人工智能在甲状腺结节良恶性鉴别诊断中的应用价值。方法:利用深度学习技术对医院2015-2018年1020例匿名患者的超声甲状腺结节进行图像采集和建模,对390例测试患者的甲状腺结节良恶性进行预测,将人工智能、超声图像及联合诊断对超声检查的准确率、精准度、灵敏度和特异度进行对比分析,将分析结果分为人工智能组、超声影像组和联合诊断组,并与术后病理结果进行对比。结果:人工智能组、超声影像组和联合诊断组的诊断准确率分别为70.00%、78.46%和82.82%;精准率分别为68.50%、77.17%和83.43%;灵敏度分别为53.05%、64.05%和69.74%;特异度分别为82.30%、87.76%和91.18%。结论:人工智能的预测方法具有一定的准确率、精确率、敏感度和特异度,联合诊断更能够有效地预测甲状腺超声图像中的结节,并能判定其良恶性。

论文目录

• 1 材料与方法
•   1.1 图像采集与分割预处理
•   1.2 甲状腺结节诊断的神经网络
•   1.3 数据预测
• 2 结果
• 3 讨论
• 4 结语

文章来源

类型: 期刊论文

作者: 王洪杰,于霞,田进军,王振宇

关键词: 甲状腺结节,良恶性,超声,人工智能

来源: 中国医学装备 2019年12期

年度: 2019

分类: 医药卫生科技,基础科学,信息科技

专业: 物理学,临床医学,内分泌腺及全身性疾病,肿瘤学,自动化技术

单位: 威海市妇幼保健院医疗设备科,威海市妇幼保健院超声二科

基金: 山东省医药卫生科技发展计划(2018WS111)“基于多模态深度学习甲状腺影像诊断关键问题研究”

分类号: TP18;O426.9;R445.1;R736.1;R581

页码: 28-31

总页数: 4

文件大小: 2630K

下载量: 511