卷积神经网络诊断甲状腺结节的应用

目的 基于卷积神经网络的人工智能(AI)计算机辅助诊断(CAD)系统应用于超声诊断,评估其诊断甲状腺结节良恶性的效能。资料与方法 回顾性收集2018年4月—2021年2月云南大学附属医院经手术病理证实的甲状腺结节105例共157个结节,比较超声医师、AI-CAD系统诊断及联合诊断甲状腺结节的结果,采用受试者工作特征曲线下面积评估AI诊断甲状腺结节性质和结节特征分类的效能。结果 超声医师、基于卷积神经网络的AI-CAD系统及联合诊断良、恶性结节的敏感度分别为80.7%、84.5%、92.1%,特异度分别为73.7%、81.0%、86.3%,准确度分别为79.0%、84.1%、91.7%、阳性预测值分别为90.6%、92.4%、95.2%,阴性预测值分别为54.9%、66.7%、82.7%;AI-CAD的诊断效能高于超声医师,两者联合诊断效能最佳,差异有统计学意义(χ^(2)=5.524,P<0.05)。结论 超声医师、AI-CAD系统诊断及联合诊断对甲状腺结节均有较好的诊断价值,AI联合超声医师诊断甲状腺结节效能最好,对临床评估是否手术及手术方案有较高的应用价值。