人工智能诊断系统的胸部CT肺结节检出率及良恶性诊断研究

目的 探讨临床诊断肺结节疾病采用人工智能诊断系统的胸部CT技术的检出率及鉴别诊断良恶性的价值。方法 选择2022年5月—2023年5月丹阳市人民医院接诊治疗的肺结节患者50例进行回顾性研究,所有患者均接受人工智能诊断系统的胸部CT技术检查,以手术诊断结果为金标准。结果 通过人工智能诊断系统的胸部CT技术共计检出结节126个,检出率为93.33%。进一步分析结果显示,50例肺结节患者中,35例患者为良性结节,15例患者为恶性结节。通过计算,人工智能诊断系统的胸部CT技术灵敏度为97.14%、特异性为100.00%、准确率为98.00%,与金标准比较差异无统计学意义(P>0.05)。结论 人工智能诊断系统的胸部CT技术对肺结节疾病具有一定诊断价值,且能够鉴别结节良恶性,值得推广。

肺结节人工智能诊断系统在肺结节良恶性诊断中的临床应用

目的探讨肺结节人工智能诊断系统(PNAIDS)在肺结节良恶性诊断中的临床应用价值。方法选取2020年5月至2021年10月郑州大学第一附属医院收治的99例肺结节患者作为研究对象,使用PNAIDS判读患者的胸部计算机断层扫描图像。肺结节的良恶性均以病理结果为金标准,将患者分为良性结节、恶性结节,比较两者临床资料和量化指标的差异。绘制受试者工作特征曲线评价PNAIDS对肺结节良恶性的诊断效能,计算其在肺结节良恶性诊断中的敏感性、特异性、阳性预测值及阴性预测值。进行二分类Logistic回归分析判定恶性肺结节的独立危险因素。结果良性结节组和恶性结节组的结节位置、PNAIDS评分比较差异均有统计学意义(χ^(2)=4.519,P=0.034;t=2.923,P=0.004)。PNAIDS评分诊断肺结节良恶性的曲线下面积为0.709,敏感性为61.82%,特异性为77.27%,阳性预测值为77.27%,阴性预测值为61.82%。二分类Logistic回归分析显示性别、PNAIDS评分、既往肺病史为肺结节恶变的独立危险因素(P=0.003;P=0.013;P<0.001)。结论PNAIDS在肺结节良恶性的诊断中具有较高的临床应用价值。

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

对肺结节鉴别诊断采用肺部影像人工智能诊断系统做好辨别。方法 通过选取本院收治的100例肺结节患者,随后开展回顾性分析,均于2020.1-2022.1收治的患者进行分析,采用肺部影像人工智能诊断,随后进行病理学检查,做好肺结节性质的良恶性判定以及人工智能诊断系统准确率分析,统计鉴别诊断结果。结果 良性肺结节中包含单发、多发分别为54例、6例。恶性肺结节中包含单发、多发8例、32例 经病理检查,本次包含恶性肿瘤38例,腺癌、小细胞癌、鳞癌、大细胞癌人数分别为25例、7例、4例、2例,所占比例分别为78.13%、18.42%、10.53%、5.26%。肺部影像人工智能诊断系统鉴别准确率相对较好。结论 在肺结节性质诊断中,采用肺部影像人工智能系统进行判定,效果较好,一致性高,值得进行推广。

基于深度学习的人工智能诊断模型在食管早癌内窥镜筛查中的研究

目的:研究基于深度学习的人工智能(AI)诊断模型应用于食管早癌内窥镜筛查。方法:利用Inception ResNet V2 CNN模型构建深度学习模型,并在Tensor Flow1.9.0框架下进行训练、验证及测试。选取医院收治的80例食管癌患者资料,另选同期在医院进行内窥镜检查的80例食管其他病变患者资料,收集160例患者内窥镜检查时获得的传统白光成像技术图像及窄带成像图像,按照7∶3的比例分为训练组(112例)和验证组(48例),建立基于深度学习的AI诊断模型,收集两组临床基本资料。分析食管早癌内窥镜下特征。以病理学检查结果为“金标准”,分析传统白光成像技术及窄带成像技术对食管早癌的诊断结果。观察不同性质食管病变患者镜下检查结果。分析基于卷积神经网络(CNN)的深度学习方法构建的早期食管癌AI诊断模型与内窥镜医师诊断结果之间的差异。采用受试者工作特征(ROC)曲线下面积(AUC)分析AI诊断模型与低资历内窥镜医师、高资历内窥镜医师诊断的效能。结果:训练组患者基于传统白光成像技术图像及窄带成像图像的病灶表面不光滑占79.46%(89/112),具有黏液附着占72.32%(81/112),伴有糜烂占64.29%(72/112),黏膜颜色发红占90.18%(101/112),上皮微细结构与腺管开口不规则或消失占90.18%(101/112),黏膜下微血管不规则或消失占96.43%(108/112)。经病理学检测结果发现食管早癌患者21例,经传统白光成像技术联合窄带成像技术检测发现食管早癌患者36例。验证组诊断显示,AI诊断模型及低资历内窥镜医师、高资历内窥镜医师诊断的曲线下面积分别为0.932、0.734和0.916;灵敏度分别为91.25%、42.38%和62.26%;特异度分别为97.74%、93.57%和98.14%;准确率分别为94.28%、87.74%和93.41%。AI诊断模型的AUC明显高于低资历内窥镜医师的诊断效能,其差异有统计学意义(Z=2.856,P<0.05)。结论:基于CNN的深度学习方法构建的食管早癌AI诊断模型对食管早癌的诊断具有一定的应用价值,其临床应用对于食管早癌的早期发现及时治疗,延长患者生存时间,改善患者预后意义重大。

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

目的探讨肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值。方法回顾性分析医院2018年3月~2019年3月收治的178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型,所有患者均经手术治疗,肺结节均经病理检查明确良恶性,恶性结节也均明确病理类型。统计肺部影像人工智能诊断系统的鉴别诊断结果;分析该方法与病理检查结果的一致性。结果本组患者中恶性结节占比38.78%,肺癌患者占比17.98%,且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%;经肺部影像人工智能诊断系统鉴别有152个良性肺结节,有93个恶性肺结节,有148例患者被诊断为良性肺结节病,有30例患者被诊断为肺癌,其中有21例被诊断为腺癌,有6例被诊断为小细胞癌,有2例被诊断为鳞癌,有1例被诊断为大细胞癌;经Kappa一致性检验,肺部影像人工智能诊断系统鉴别肺结节良恶性、肺癌病理类型结果与病理检查结果的一致性良好(Kappa值=0.801,P=0.015;Kappa值=0.763,P=0.024)。结论肺部影像人工智能诊断系统鉴别诊断肺结节性质及肺癌病理类型结果与病理检查结果一致性均较高,效能良好,值得推广。

肺部影像人工智能诊断系统对肺结节性质的诊断价值分析

目的:分析肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值。方法:回顾性分析178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型。结果:本组患者中恶性结节占比38.78%,肺癌患者占比17.98%,且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%;经Kappa一致性检验,肺部影像人工智能诊断系统鉴别肺结节良恶性、肺癌病理类型结果与病理检查结果的一致性良好(Kappa值=0.801,P=0.015;Kappa值=0.763,P=0.024)。结论:肺部影像人工智能诊断系统鉴别诊断肺结节性质及肺癌病理类型结果与病理检查结果一致性均较高,效能良好,值得推广。

特发性黄斑裂孔的人工智能诊断研究

目的利用计算机图像特征识别和特征参数提取算法实现特发性黄斑裂孔的人工智能诊断。方法收集2018年5月至8月在西安市第四医院眼科诊断为特发性黄斑裂孔患者48例(48眼)和同期健康志愿者48人(48眼)眼底光学相干断层扫描(optical coherence tomography,OCT)图像。通过对收集的OCT图像进行人工智能学习,利用图像处理和特征识别判断技术,提取能够区别正常人眼和特发性黄斑裂孔患眼的特征参数,在此基础上得到诊断的初始阈值。对2018年9-12月于西安市第四医院眼科诊断为特发性黄斑裂孔的患者73例(73眼)和正常51人(51眼)的OCT图像进行1~124随机编号后,使用计算机程序逐一进行处理,对处理后图像进行特征参数提取,然后将特征参数和阈值进行比较。结果经计算得到训练样本中正常人OCT图像特征参数为9,特发性黄斑裂孔患者OCT图像特征参数为23,初始阈值为16。经过计算机智能诊断,124例随机图像中73例OCT特征参数最小值为16.8,最大值为27.5,平均值为23.4,特征参数均大于阈值;51人随机图像OCT特征参数最小值为2.8,最大值为14.7,平均值为8.3,特征参数均小于阈值。经过比对,特征参数大于阈值的73例OCT图像均为特发性黄斑裂孔,特征参数小于阈值的51例OCT图像均为正常人。计算机判断结果与眼科医师判断结果差异无统计学意义(P=0.551)。结论一种基于特征参数提取和智能门限选取的特发性黄斑裂孔自动诊断算法可达到特发性黄斑裂孔智能诊断的目的,能够很好地应用于临床诊断。

CT层厚对肺炎人工智能诊断软件诊断准确率的影响

目的:分析CT影像层厚参数对肺炎人工智能(artificial intelligence,AI)诊断软件诊断准确率的具体影响,探讨提高肺炎AI软件诊断准确率的可行途径。方法:回顾性收集22例不同类型肺炎患者的CT检查数据,每例包含同期胸部CT完整的厚层(5 mm层厚)和薄层(1.25 mm层厚)数据,采用AI软件进行智能诊断。以2名主要从事胸部影像诊断的副主任医师判读结果为参考标准,对比AI软件识别出的全肺体积、病变体积、非实性成分占比结果,并逐一对照图像寻找出现差异的原因。采用SPSS 21.0软件进行统计学分析。结果:AI软件处理厚层(5 mm层厚)图像时,肺门部大血管断面、脏器边缘弧形表面形成的容积伪影易被识别为病灶,与胸壁或纵隔相连的胸膜增厚、胸腔积液、肺实变组织等易识别错误,减小层厚至薄层(1.25 mm层厚)图像可予以改善。AI软件测量的非实性成分占比在不同临床类型肺炎中有较明显差异,层厚对AI软件测量病灶内非实性成分占比也有影响,但对具体病例而言大部分影响不大。结论:CT层厚参数对肺炎AI软件识别全肺体积、病变体积有明显影响,薄层图像识别准确率可明显提高,但仍需改进。层厚对病灶内非实性成分占比测量影响有限,非实性成分占比等病灶内部参数在肺炎临床类型鉴别诊断中具有潜在价值。

人工智能辅助诊断系统与计算机辅助阅片系统在子宫颈癌筛查中应用的对比观察

目的对比观察人工智能(AI)辅助诊断系统与计算机辅助阅片系统(TIS)在子宫颈癌筛查中的应用价值。方法选择25000例份宫颈液基薄层细胞涂片,按TBS-2014对宫颈细胞进行分类,分别采用“AI辅助+人工复核”、“TIS辅助+人工复核”阅片,计算两种阅片方式在子宫颈癌筛查中的灵敏度、特异度、阳性预测值、阴性预测值,比较两种阅片方式筛查结果与病理结果的一致性,并比较两种阅片方式筛查结果的灵敏度和特异度。结果“AI辅助+人工复核”与“TIS辅助+人工复核”两种阅片方式在子宫颈癌筛查中的灵敏度分别为90.40%、89.94%,特异度分别为99.43%、99.39%,阳性预测值分别为92.30%、91.78%,阴性预测值分别为99.28%、99.24%。“AI辅助+人工复核”、“TIS辅助+人工复核”阅片筛查结果与病理结果的一致性均较好(Kappa值分别为0.907、0.902),但两种阅片方式筛查结果的灵敏度、特异度比较差异均无统计学意义(P均>0.05),二者灵敏度一致性较好(Kappa值=0.752)、特异度一致性一般(Kappa值=0.539)。结论“AI辅助+人工复核”与“TIS辅助+人工复核”阅片在子宫颈癌筛查中均表现出较高的灵敏度和特异度,且其筛查结果与病理结果的一致性较好,均可作为临床辅助阅片的手段。

一种面向人工智能辅助诊断的偏振皮肤镜系统

传统皮肤镜检查高度依赖医生的临床经验,并且皮肤镜图像本身的复杂性给临床诊断提出了巨大的挑战。针对以上情况,研发出一款带有人工智能辅助诊断功能的偏振皮肤镜系统。该系统使用偏振照明成像技术,经过目镜系统放大,由可连续工作的工业相机将大量实时抓拍的皮肤镜裸数据图像传输至上位机。通过上位机内置的图像处理模块将图像进行预处理,然后通过训练好的卷积神经网络VGG16将皮肤镜图像分类。最后,用户可以通过皮肤镜诊断平台查看诊断结果。此系统可以更加清晰有效地观察深层皮肤组织病变组织形态,由系统采集的皮肤镜图像的分类准确性达到93.6%,可用于临床诊疗。

医学生对人工智能辅助诊断技术的使用意愿及影响因素研究——基于北京某医学院医学生调查数据的实证分析

为了探究医学生对人工智能辅助诊断的使用及其影响因素,本文基于技术接受模型理论实践进行研究。结果表明,医学生总体上持有较乐观的态度,认为技术提升会促进其使用,风险因素并不会对他们的使用意愿产生较大影响。经后期的文献研究,提出了解决传统医疗与人工智能辅助医疗之间冲突的建议,以期使人工智能技术能够更好地服务于人类健康。

人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值分析

目的探究人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值,为临床诊断肺结节疾病提供参考依据。方法回顾性分析北大医疗潞安医院2022年6月至2023年6月收治的82例肺结节患者的临床资料,所有患者均接受电子计算机断层扫描(CT)检查,获得的CT图像进行人工阅片和人工智能影像辅助诊断阅片,并进行定性诊断。以病理检查为金标准,分析比较两种阅片方式对肺结节的检出情况及两种阅片方式对肺结节良、恶性的诊断效能。结果82例肺结节患者中共检出245个结节,其中结节直径<5 mm者154个,5 mm≤结节直径≤10 mm者66个,结节直径>10 mm者25个。与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节直径<5 mm、5 mm≤直径≤10 mm的检出率升高;与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节恶性的诊断特异度降低,灵敏度、阴性预测值均升高(均P<0.05)。结论人工智能影像辅助诊断系统阅片对肺结节的检出率更高,并且诊断灵敏度、阴性预测值较高,但其特异度较低,因此会存在一定的假阳性率,建议临床上将两种阅片方式进行结合,以提高对肺结节的诊断准确性。

人工智能电子阴道镜辅助诊断系统在宫颈癌筛查中的价值

目的分析人工智能(AI)电子阴道镜辅助诊断系统(简称AI电子阴道镜)在宫颈癌筛查中的价值。方法收集2023年1月至12月在广西壮族自治区妇幼保健院宫颈疾病诊治中心行阴道镜检查的214例患者,以病理结果为金标准,统计传统阴道镜、AI电子阴道镜的阳性检出率,并分析两者检查结果与病理结果的一致性。结果病理结果显示,宫颈上皮内瘤变(CIN)111例,CIN243例,CIN3115例,宫颈癌45例。AI电子阴道镜的阳性检出率为94.86%(203/214),与病理结果有较好的一致性(Kappa=0.851,P<0.001);传统阴道镜的阳性检出率为83.64%(179/214),与病理结果的一致性一般(Kappa=0.561,P=0.010)。结论AI电子阴道镜可以提高阳性检出率,与病理结果的一致性较高,有较好的临床应用前景,值得推广。

人工智能超声辅助诊断系统联合超声造影对ACR TI-RADS 4类结节的诊断价值

目的分析人工智能超声辅助诊断系统(AI-UADS)联合超声造影对ACR TI-RADS 4类结节的诊断价值。方法选取我院经手术病理证实的甲状腺结节患者84例,共92个结节,均为ACR TI-RADS 4类,其中恶性结节17个,良性结节75个,比较AI-UADS与超声造影单独及联合对ACR TI-RADS 4类良恶性结节的诊断效能。结果超声造影准确诊断恶性结节14个,良性结节61个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、81.33%、81.52%、50.00%、95.31%;AI-UADS准确诊断恶性结节15个,良性结节62个,诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为88.24%、82.67%、83.70%、53.57%、96.88%;二者联合准确诊断恶性结节14个,良性结节70个,联合诊断甲状腺恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为82.35%、93.33%、91.30%、73.68%、95.89%。AI-UADS联合超声造影诊断甲状腺恶性结节的特异度和阳性预测值均高于单独诊断,差异均有统计学意义(均P<0.05)。结论AI-UADS和超声造影对甲状腺ACR TI-RADS 4类良恶性结节均具有较好的诊断效能,二者联合应用可有效提高诊断特异度和阳性预测值。

冠状动脉CT血管成像人工智能辅助诊断技术的成本分析

目的/意义测算冠状动脉CT血管成像人工智能辅助诊断技术(artificial intelligence aided diagnosis technology for coronary computed tomography angiography, AI-CCTA)临床使用成本,开展样本机构技术应用运行分析。方法/过程 采用作业成本法对样本医院AI-CCTA成本进行测算分析,采用本量利分析法对技术应用进行运行分析。结果/结论 AI-CCTA利用AI技术可节省宝贵的诊断医师人力资源,提高工作效率,降低次均检查成本,具有一定临床应用优势,随着AI应用范围的扩大,可改善医疗机构经济运行情况。

人工智能在乳腺癌影像诊断中的研究及应用进展

在全球范围内,乳腺癌发病率居于前列,严重威胁妇女身心健康,早期诊断可显著提高乳腺癌患者的生存率。近年来随着大数据及计算机算法的发展,影像组学和深度学习等人工智能(artificial intelligence,AI)技术在医学影像领域中的研究及应用日益广泛,使得精准、高效的影像学评估成为可能。本文就近年来基于影像图像的AI技术在乳腺病变术前良恶性评估、乳腺癌分类及分级、生物标记物及分子亚型预测、淋巴结病理状态及易感基因诊断等方面的研究现状及进展做一综述,旨在介绍该领域AI发展现状并试图分析当前面临的问题,以期推进乳腺癌AI诊断技术的临床转化,为临床精准无创诊疗提供最佳影像辅助。

人工智能辅助诊断系统预测肺腺癌PD-L1表达水平的应用研究

目的探讨人工智能辅助诊断系统对肺腺癌细胞程序性死亡配体1(programmed cell death 1 ligand 1,PD-L1)表达水平的预测研究。方法回顾性分析2021年1月—2022年4月福建医科大学附属协和医院胸外科收治的106例肺腺癌患者(PD-L1阳性56例,PD-L1阴性50例)的临床资料。所有患者均于术前或穿刺前2周内行肺部CT平扫,并将CT肺窗影像导入肺结节人工智能(artificial intelligence,AI)辅助诊断系统,自动生成长径、体积、CT值最大值、CT最小值、CT中位数、CT平均值、CT标准差、实性成分占比,紧凑度、球形度、CT值的峰度和偏度、熵等量化参数。分析临床指标和AI参数在两组间的差异性。结果两组年龄、性别、吸烟史、表皮生长因子受体(epidermal growth factor receptor,EGFR)状态比较,差异有统计学意义(P<0.05)。相较于PD-L1阴性组,PD-L1阳性组多为年龄较大且有吸烟史的男性患者,具有更高的EGFR突变率。两组肿块的最大径、体积、CT最小值、CT平均值、CT中位数、实性成分占比、紧凑度、CT值的峰度和偏度比较,差异有统计学意义(P<0.05);相较于PD-L1阴性组,PD-L1阳性组肿块尺寸更大,密度更高,含有更多的实性成分,且形态较不规则。结论人工智能辅助诊断系统对肺腺癌PD-L1表达的预测具有较高的应用价值。

人工智能超声辅助诊断系统联合血清miR-211鉴别诊断甲状腺结节的临床价值

目的探讨人工智能超声辅助诊断系统(以下简称AI超声系统)联合血清miR-211鉴别诊断良恶性甲状腺结节的临床应用价值。方法选取我院经病理证实的甲状腺结节患者203例(良性146例,恶性57例,均为单发),术前均先行AI超声系统检查评估结节良恶性,再分别由1名高年资超声医师和1名低年资超声医师评估结节良恶性;检测并比较良恶性甲状腺结节血清miR-211的差异。分析AI超声系统及不同年资超声医师诊断结果与病理结果的一致性,计算并比较其诊断效能。绘制受试者工作特征(ROC)曲线分析血清miR-211鉴别良恶性甲状腺结节的诊断效能,比较AI超声系统联合血清miR-211与其单独应用的诊断效能。结果AI超声系统诊断良性结节119例,恶性结节84例,与病理结果的一致性一般(Kappa=0.627,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.76%、92.98%、78.77%、63.10%、96.64%;高年资超声医师诊断恶性结节124例,恶性结节79例,与病理结果的一致性一般(Kappa=0.607,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为82.27%、87.72%、80.13%、63.29%、94.35%;低年资超声医师诊断良性结节105例,恶性结节98例,与病理结果的一致性较差(Kappa=0.470,P<0.01),其准确率、灵敏度、特异度、阳性预测值、阴性预测值分别73.89%、89.47%、67.81%、52.04%、94.29%。三者诊断准确率、特异度比较差异均有统计学意义(均P<0.05);其中AI超声系统和高年资超声医师诊断准确率、特异度均高于低年资超声医师(均P<0.05)。恶性结节血清miR-211高于良性结节,差异有统计学意义(Z=7.807,P<0.05)。ROC曲线分析显示,血清miR-211鉴别诊断良恶性甲状腺结节的曲线下面积为0.853,诊断准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为84.24%、89.47%、82.19%、66.23%、95.24%。AI超声系统联合血清miR-211鉴别诊断良恶性甲状腺结节的准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为90.15%、89.47%、90.41%、78.46%、95.65%,联合应用的诊断准确率、特异度、阳性预测值均高于AI超声系统和血清miR-211单独应用,差异均有统计学意义(均P<0.05)。结论AI超声系统在良恶性甲状腺结节鉴别诊断方面具有较好价值,其与miR-211联合应用可提高诊断准确率、特异度及阳性预测值。

人工智能S-detect联合超声弹性成像技术对良恶性甲状腺结节鉴别诊断的价值

目的 探讨采用人工智能超声智能化诊断(S-detect)联合超声弹性成像技术对良恶性甲状腺结节鉴别诊断的价值。方法 选取2021年06月-2022年10月收治的共计317例甲状腺结节患者,以病理学检查结果作为金标准,采用人工智能S-detect、超声弹性成像技术及联合检查进行检查,比较三组检查方法的诊断效能(准确性、灵敏性、特性、阳性预测值、阴性预测值)。结果 317例患者共计347个甲状腺结节,其中恶性结节216个(62.25%),良性结节131个(37.75%);人工智能S-detect组恶性结节为195个,超声弹性成像技术组恶性结节为186个,联合检查组恶性结节为209个;联合检查诊断准确性、灵敏性、特异性、阳性预测值、阴性预测值分别为94.81%、91.60%、96.76%、94.49%、95.00%,人工智能S-detect组分别为85.88%、78.63%、90.28%、83.06%、87.44%,超声弹性成像技术组分别为85.01%、83.21%、86.11%、78.42%、89.42%;联合检查鉴别诊断准确性、灵敏性、特异性、阳性预测值、阴性预测值较单一检查更高(P<0.05)。结论 人工智能S-detect联合超声弹性成像技术应用于良恶性甲状腺结节诊断中,诊断价值较高,联合检查能够提高检查结果的准确性、灵敏性、特异性等,为甲状腺结节良恶性诊断提供良好的诊断依据。

数字化X线胸片人工智能辅助诊断系统在肺结核诊断中的应用价值

目的:探究数字化X线胸片人工智能辅助诊断系统在肺结核诊断中的应用价值。方法:选取2017年8月—2023年7月上海健康医学院附属嘉定区中心医院放射科收治的肺结核患者140例,根据检查方法的不同分为两组,每组70例,分别给予传统人工诊断、数字化X线胸片人工智能辅助诊断系统诊断,比较两种方法的诊断价值。结果:数字化X线胸片人工智能辅助诊断系统的平均诊断时间为(1.97±0.62) min,短于传统人工诊断的(6.39±1.36) min,差异有统计学意义(P<0.05)。数字化X线胸片人工智能辅助诊断系统的符合率97.14%(68/70)高于传统人工诊断的78.57%(55/70),差异有统计学意义(P<0.05)。渗出浸润型影像学表现:病灶呈结节状,且出现模糊边缘。干酪型影像学表现:空洞存在不规则透亮,病灶呈片状阴影。空洞型影像学表现:大片病灶出现空洞,且附近多小片状影。急性血行播散型影像学表现:病灶大小、形态和密度一致,且均匀分布。结论:数字化X线胸片人工智能辅助诊断系统诊断肺结核价值较好,且有诊断时间短,诊断符合率高的优势。