目的:评估计算机辅助诊断技术对口腔鳞状细胞癌组织病理图像进行自动检测的准确性及其临床应用价值。方法:来自B Borooah癌症研究所的医学专家,从230例患者中收集、准备和分类的1224张口腔组织病理图片被纳入研究。本研究采用十折交叉...目的:评估计算机辅助诊断技术对口腔鳞状细胞癌组织病理图像进行自动检测的准确性及其临床应用价值。方法:来自B Borooah癌症研究所的医学专家,从230例患者中收集、准备和分类的1224张口腔组织病理图片被纳入研究。本研究采用十折交叉验证对图像样本进行训练和测试,验证本研究模型的有效性。此外,本研究采用经典的ResNet50模型作为深度学习的框架,并根据切片图像的性质进行了改进,以确保自动检测的效果。结果:分类实验的结果表明,本研究所提出的深度学习模型可以快速、精确的对口腔鳞状细胞癌组织病理图像进行检测,受试者工作特征曲线(receiver operating characteristic curve,ROC)和曲线下面积(area under the curve,AUC)(最优AUC=0.91,平均AUC=0.88)显示了该方法的实验效果。此外,模型的准确率(accuracy,ACC)(0.976)、敏感性(sensitivity,SEN)(0.981)以及特异性(specificity,SPE)(0.971)也进一步显示了该研究的效果。结论:本研究所提出的深度学习框架可以很好的对口腔鳞状细胞癌进行自动检测,所得到的结果可以有效地转化为软件,对于临床辅助诊断使用有极大的帮助。展开更多
肺结节计算机辅助诊断(Computer-aided diagnosis,CAD)能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和...肺结节计算机辅助诊断(Computer-aided diagnosis,CAD)能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战,并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平,同时需要集成影像存储与通信系统(Picture archiving and communication systems,PACS)以及电子病历系统(Electronic medical record systems,EMRS),以便在日常临床实践中应用。展开更多
目的:验证应用深度学习算法的计算机辅助诊断(DL-CAD)系统检测胸部DR片肋骨骨折的应用价值。方法:回顾性收集110例因外伤拍摄胸部正位DR片的患者。DL-CAD系统及4名放射科主治医生(5~9年诊断经验)分别阅片,采用灵敏度、特异度、准确率指...目的:验证应用深度学习算法的计算机辅助诊断(DL-CAD)系统检测胸部DR片肋骨骨折的应用价值。方法:回顾性收集110例因外伤拍摄胸部正位DR片的患者。DL-CAD系统及4名放射科主治医生(5~9年诊断经验)分别阅片,采用灵敏度、特异度、准确率指标比较两者对骨折病例的筛检效能;精准度、召回率及F1值比较两种阅片模式在骨折定位诊断中的效能;采用阅片时间评价诊断效率。结果:DL-CAD系统识别患者是否存在肋骨骨折的表现与放射科医生的平均水平相比无统计学差异,ROC曲线下面积(AUC)分别为0.824 vs. 0.833(P>0.05),二者的敏感度,特异度及准确率分别为87.5%vs. 88.3%、73.9%vs. 69.6%和81.8%vs. 80.5%,差异无统计学意义(均P>0.05)。在骨折的定位诊断方面,DL-CAD系统的诊断效能逊于放射科医生,二者的精准度、召回率及F1值分别为60.6%vs. 62.1%、55.7%vs. 73.1%和0.58 vs. 0.67,差异有显著的统计学意义(均P<0.05);侧肋的诊断准确率高于后肋。DL-CAD系统每例阅片时间较医生显著缩短((2.00±0.35) s vs.(108.00±6.36) s,P<0.01)。结论:DL-CAD系统可高效的进行肋骨骨折检测,在筛检骨折病例上的效能与放射科医生相当,但其骨折定位诊断能力有待进一步提升。展开更多
文摘目的:评估计算机辅助诊断技术对口腔鳞状细胞癌组织病理图像进行自动检测的准确性及其临床应用价值。方法:来自B Borooah癌症研究所的医学专家,从230例患者中收集、准备和分类的1224张口腔组织病理图片被纳入研究。本研究采用十折交叉验证对图像样本进行训练和测试,验证本研究模型的有效性。此外,本研究采用经典的ResNet50模型作为深度学习的框架,并根据切片图像的性质进行了改进,以确保自动检测的效果。结果:分类实验的结果表明,本研究所提出的深度学习模型可以快速、精确的对口腔鳞状细胞癌组织病理图像进行检测,受试者工作特征曲线(receiver operating characteristic curve,ROC)和曲线下面积(area under the curve,AUC)(最优AUC=0.91,平均AUC=0.88)显示了该方法的实验效果。此外,模型的准确率(accuracy,ACC)(0.976)、敏感性(sensitivity,SEN)(0.981)以及特异性(specificity,SPE)(0.971)也进一步显示了该研究的效果。结论:本研究所提出的深度学习框架可以很好的对口腔鳞状细胞癌进行自动检测,所得到的结果可以有效地转化为软件,对于临床辅助诊断使用有极大的帮助。
文摘肺结节计算机辅助诊断(Computer-aided diagnosis,CAD)能够从CT图像中检测、分割和诊断肺结节,提高早期肺癌的生存率,因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化,导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战,并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平,同时需要集成影像存储与通信系统(Picture archiving and communication systems,PACS)以及电子病历系统(Electronic medical record systems,EMRS),以便在日常临床实践中应用。
文摘目的:验证应用深度学习算法的计算机辅助诊断(DL-CAD)系统检测胸部DR片肋骨骨折的应用价值。方法:回顾性收集110例因外伤拍摄胸部正位DR片的患者。DL-CAD系统及4名放射科主治医生(5~9年诊断经验)分别阅片,采用灵敏度、特异度、准确率指标比较两者对骨折病例的筛检效能;精准度、召回率及F1值比较两种阅片模式在骨折定位诊断中的效能;采用阅片时间评价诊断效率。结果:DL-CAD系统识别患者是否存在肋骨骨折的表现与放射科医生的平均水平相比无统计学差异,ROC曲线下面积(AUC)分别为0.824 vs. 0.833(P>0.05),二者的敏感度,特异度及准确率分别为87.5%vs. 88.3%、73.9%vs. 69.6%和81.8%vs. 80.5%,差异无统计学意义(均P>0.05)。在骨折的定位诊断方面,DL-CAD系统的诊断效能逊于放射科医生,二者的精准度、召回率及F1值分别为60.6%vs. 62.1%、55.7%vs. 73.1%和0.58 vs. 0.67,差异有显著的统计学意义(均P<0.05);侧肋的诊断准确率高于后肋。DL-CAD系统每例阅片时间较医生显著缩短((2.00±0.35) s vs.(108.00±6.36) s,P<0.01)。结论:DL-CAD系统可高效的进行肋骨骨折检测,在筛检骨折病例上的效能与放射科医生相当,但其骨折定位诊断能力有待进一步提升。
