崔医生表示,由于肺部病变的大小、密度、位置等特点,在胸部x光检查中很难发现肺结节。然而,机器学习方法,包括深度卷积神经网络(DCNN)的实现,有助于提高检测。
深度学习是一种人工智能,允许计算机根据现有的数据关系完成任务。DCNN模仿大脑结构,采用多个隐藏层和模式对图像进行分类。
在这项回顾性研究中,放射科医师从4个参与中心随机选取共800张x线片,包括200张正常胸部x线片和600张经CT影像或病理检查证实至少有1个恶性肺结节的x线片(每个机构50张正常,150张癌变)。肺癌x线片中确诊恶性结节704例(78.6%为原发肺癌,21.4%为转移性肺癌)。1cm ~ 2cm的结节占56.1%,2cm ~ 3cm的结节占43.9%。
另一组放射科医生(每家医院三名)负责对选定的胸片进行诊断,检查是否有癌性结节。然后,阅读器在DCNN软件的帮助下重新读取同样的x光片,该软件经过训练可以检测肺结节。
在DCNN软件的帮助下,平均灵敏度或检测现有癌症的能力显著提高,从放射科医师单独阅读的65.1%提高到70.3%。在软件的帮助下,每一张x光片的误报率从放射科医生的0.2下降到0.18。“计算机辅助检测软件检测肺结节还没有被广泛接受和使用,因为它的假阳性率很高,尽管它提供了相对较高的敏感性,”Choi医生说。“DCNN可能是减少假阳性数量的一个解决方案。”
资料来源:北美放射学会