读医学网

        利用34676例患者的43292张胸部片(正常与比例为34067：9225)建立DLAD，在卷积神经网络中由13名高级支持放射科医生进行标记、注释。验证DLAD的分类和肺结节检出能力。利用ROC曲线下面积和JAFROC FOM评价DLAD的胸片分类和肺结节检出能力。评价观察者诊断能力测试包括18例内科医生(包括9名高年资放射科医生)。评价和比较DLAD、内科医生和DLAD辅助性内科医生的诊断能力。

        根据验证数据集，DLAD的胸片分类和肺结节检出能力为0.92-0.99 (AUROC)、0.831-0.924 (JAFROC FOM)。DLAD在观察能力方面要高于17/18(AUROC)、15/18(JAFROC FOM)名医生。在DLAD的辅助下，所有医生检出肺结节的能力明显升高(平均JAFROC FOM提高为0.043; 范围0.006-0.190; P < .05)。

        本研究表明，基于深部学习自动检测算法在胸片分类和恶性肺结节检出能力方面要优于内科医生，其有助于提高内科医生的诊断能力。

        原始出处：

        Nam JG， Park S， Hwang EJ，et al.Development and Validation of Deep Learning-based Automatic Detection Algorithm for Malignant Pulmonary Nodules on Chest Radiographs.Radiology.DOI：10.1148/radiol.2018180237