三维ResNet网络预测肺腺癌结节亚型的效能及其稳定性

目的:探究ResNet模型对肺腺癌不同亚型结节的分类表现及稳定性.方法:回顾性收集2014年2月—2020年10月期间的364例肺腺癌结节CT影像数据,以7:3的比例分为训练集和内部测试集,将2020年4月到2020年11月的58例结节数据作为外部测试集.使用基于ResNet的三维卷积神经网络在训练集中进行训练以及调参,并使用内部测试集和外部测试集对模型的准确性及泛化性进行评估.使用随机中心移动和掩膜处理的方式分别以内部测试集和外部测试集为基础构造新的测试集,新数据集对模型进行测试验证模型的稳定性.结果:模型在内部测试集AUC为0.9491(95％CI:0.9108～0.9874),模型在随机中心移动以及掩膜处理之后的数据集的AUC值分别为0.9404和0.9181,与其差异无统计学意义(P值分别为0.4253和0.2393).在外部测试集中模型AUC为0.9596(95％CI:0.9012～1.0000),在用于稳定性测试的随机中心移动以及掩膜处理之后的数据集中,模型所得AUC分别为0.9485和0.9473,与其同样差异无统计学意义(均P>0.05).结论:ResNet模型对肺腺癌结节亚型有优异的鉴别能力,并且具有一定稳定性.