摘要
目的将深度学习网络技术应用在超声图像的甲状腺结节良恶性判别中的研究。方法采集5649名具有病理报告病人的甲状腺超声检查图像,经过资深医生对照病理报告"金标准"进行图像的筛选得到共10018张用以训练深度学习网络,训练好的网络可无监督的对结节性质进行自动分类。结果网络对甲状腺结节良恶性质分类的准确率高达92.8%,特异度可达到96.3%,阳性预测值达到94.2%,阴性预测值达到92.0%,能够得到较高的分类准确率。结论深度学习网络技术能够在自动分类甲状腺结节良恶性的领域内体现较好的结果和优势,切实为临床医生出具诊断报告提供重要的客观参考。
作者
张珂
唐璐
朱琳
朱越星
严所钰
刘娜
郑天雷
ZHNG Ke;TANG Lu;ZHU Lin;ZHU Yuexing;YAN Suoyu;LIU Na;ZHENG Tianlei(不详)
出处
《继续医学教育》
2021年第1期144-145,共2页
Continuing Medical Education
基金
江苏省大学生创新创业训练计划(201910313119H)。