原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于深度学习的检测系统对于检出多种胸片主征的补充价值随机交叉研究
摘要以前评估计算机辅助检测对胸部X线片阅读中观察者效能影响的研究通常采用序贯阅片，该设计可能由于阅读顺序或回忆偏倚导致结果偏差。目的采用随机交叉设计，比较使用与不使用基于深度学习检测系统（DLD）辅助时观察者对胸片主要异常征象检出和定位的效能，这些征象包括结节、实变、间质性病变、胸腔积液和气胸。材料与方法本研究回顾性收集2016年1月—2017年12月间正常和异常胸片（http：//cris.nih.go.kr/；注册号：KCT0004147）。胸片随机分为2组，采用洗脱期交叉设计，包括胸部放射医师在内的6位阅片者，在有与无市售DLD系统辅助的情况下解读每幅X线片。应用McNemar和配对t检验比较是否使用DLD系统时的刀切法选择自由响应受试者操作特征（JAFROC）品质因数（FOM）、受试者操作特征曲线下面积（AUC）、敏感度、特异度、每幅图像假阳性、观察者阅片时间。结果共114名正常[平均年龄（51±11）岁；男58名]和114例异常[平均年龄（60±15）岁；男75例]的胸片纳入评估。X线片随机分为A组（n=114）和B组（n=114）。DLD系统改善了观察者的JAFROC FOM (0.90～0.95,P=0.002）、AUC (0.93～0.98,P=0.002）、病灶敏感度[83%(882/990病灶）～89.1%(882/990病灶），P=0.009]、图像敏感度[80%(548/684图像）～89%(608/684图像），P=0.009]和特异度[89.3%(611/684图像）～96.6%(661/684图像），P=0.01]，并缩短了阅片时间（从10～65 s到6～27 s,P0.001）。单纯DLD系统优于所有阅片者的总和（JAFROC FOM：分别为0.96、0.90,P=0.007;AUC:0.98、0.93,P=0.003）。结论研究表明，采用基于深度学习的检测系统改善了包括胸部放射医师在内的阅片者对于胸片主征的检出和定位效能，且缩短了阅片时间。 原文载于Radiology,2021,299(2):450-459.
文档评论（0）