增强CT中基于深度神经网络的卵巢恶性肿瘤转移性淋巴结术前辅助诊断系统的研究

目的:探讨在增强CT中基于深度神经网络建立的卵巢恶性肿瘤盆腹腔转移性淋巴结辅助诊断系统在临床应用中的价值.方法:收集2016年1月至2019年6月于青岛大学附属医院妇产科进行治疗的卵巢恶性肿瘤患者的薄层增强CT影像,并对其转移性淋巴结进行标记,随机分为实验组及验证组.应用Faster R-CNN算法,对实验组图像进行学习,建立转移性淋巴结辅助诊断系统,并用验证组图像进行验证.采用受试者工作特征曲线对辅助诊断系统进行评估.结果:通过对实验组薄层增强CT图像的学习,初步建立了卵巢恶性肿瘤转移性淋巴结自动诊断系统,在不断的迭代训练中人工智能的损失函数值不断降低,人工智能诊断相应的受试者工作特征曲线下面积为0.7664.结论:通过测试结果来看,基于Faster R-CNN的卵巢恶性肿瘤转移性淋巴结术前辅助诊断系统的性能已达到较高水平.虽与影像科医师的诊断水平尚有差距,但随着训练样本的增加及算法的改进,还有进一步提高的空间,对于术前辅助诊断转移性淋巴结,以及进行更有效的淋巴结清扫,具有较高的临床应用价值.