不同CT成像参数对基于深度学习的智能辅助软件诊断肺结节良恶性效能的影响

目的 探讨不同CT成像参数对基于深度学习的智能辅助软件(DL-CAD)诊断肺结节良恶性效能的影响,并确定最优成像参数.资料与方法 收集行胸外科手术治疗的126例肺结节患者共169个肺结节,包括良性35个、恶性134个,进行CT平扫和增强扫描.采用不同的图像算法(bone算法和standard算法)和后置迭代重建算法(ASIR-V)(30％ASIR-V和50％ASIR-V)重建图像,并导入DL-CAD进行分析,同时记录肺结节恶性概率值及良恶性诊断结果 .以病理结果 作为诊断"金标准",比较不同CT成像参数下的DL-CAD受试者工作特征(ROC)曲线下面积(AUC)及诊断效能.结果 DL-CAD对肺结节良恶性的诊断效能在CT增强模式下优于平扫模式(AUC:P<0.001;整体效能:P=0.064),bone算法的诊断效能优于standard算法(AUC:P=0.045;整体效能:P=0.013).结论 CT增强扫描及重建算法会影响DL-CAD对肺结节良恶性的诊断效能,在CT增强模式下,使用bone算法,并应用30％ASIR-V或50％ASIR-V,DL-CAD对肺结节良恶性有较好的诊断效能.