基于深度学习的超声影像诊断对终末期慢性肾病的价值

目的 探讨基于深度学习的卷积神经网络模型DenseNet121对终末期肾病的诊断价值.方法 回顾性选择2019年1月1日至9月30日期间中日友好医院诊断为终末期肾病的489张肾超声影像和对照组450张健康肾超声影像.采用深度卷积神经网络模型DenseNet121进行网络的训练和验证,把是否为终末期肾病作为参考标准.然后将深度学习模型的诊断结果与专业影像医师的诊断结果进行比较.以受试者工作特征曲线(ROC)评价深度学习模型的诊断性能,以准确性、特异度、敏感度和曲线下面积(AUC)作为衡量指标比较深度学习模型和专业影像医师的诊断性能,采用Delong方法比较2种诊断方式AUC的差异.结果 专业医师对终末期肾病诊断的准确性为89.36％,敏感度为81.63％,特异度为97.77％,AUC为0.897.基于深度学习的卷积神经网络模型对终末期肾病诊断的准确性为93.51％,敏感度为96.12％,特异度为90.66％,AUC为0.934;与专业医师相比,具有更高的诊断能力(Z=3.034,P=0.002).结论 基于深度学习的超声诊断方法显示了较高的诊断性能,有潜力辅助专业影像医师,进行终末期肾病的诊断.