卷积神经网络在职业性尘肺病影像学诊断中的应用研究进展

尘肺病在我国每年报告的新发职业病中居首位,影像学诊断目前仍是其主要的临床诊断方法之一。然而,人工阅片对医生水平要求较高,尘肺影像学分期诊断的判别难度大,而且由于医疗资源分布不均衡等因素的影响,很容易导致基层医疗机构出现误诊和漏诊。计算机辅助诊断系统可以实现尘肺病的快速筛查,以便辅助临床医生进行鉴别和诊断,提高诊断效能。作为深度学习的重要分支,卷积神经网络因具有局部关联、权值共享的特点,擅长处理图像分割、图像分类、目标检测等各种视觉任务,近年来已在尘肺病计算机辅助诊断领域得到广泛应用。本文就卷积神经网络(VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet)在尘肺病影像学筛查诊断、分期诊断和病灶分割等方面的应用进行文献回顾,旨在总结卷积神经网络的方法、优缺点及优化策略,为尘肺病影像学计算机辅助诊断的进一步研究提供参考。