基于深度學習的計算機輔助診斷系統在肺癌早期診斷中的應用與進展

劉婧 張鶯

浙江大學醫學院附屬第二醫院核醫學科，杭州 310009

肺癌是目前在世界范圍內患病率（11.6%）和病死率（18.4%）最高的惡性腫瘤[1]，其5年生存率極低，在我國僅為15.6%，超過75%的患者在確診時已處于晚期[2]。因此，早發現、早診斷對于提高肺癌患者的生存率尤為關鍵。胸部X射線檢查是最早應用于肺癌普查、篩查的影像學檢查方法，但因其靈敏度、特異度較低，已被發展迅速的胸部CT掃描所替代。從最早的低分辨率CT到目前高分辨率薄層、低劑量螺旋、雙源能譜CT，都包含了大量的影像學信息，放射科醫師需要耗費大量的時間和精力閱片，并結合臨床信息來診斷肺結節的良惡性。隨著人工智能的發展，基于人工智能技術的計算機輔助診斷（computer aided diagnosis，CAD）系統可提高放射科醫師的工作效率以及肺結節診斷結果的準確率。深度學習是目前人工智能技術的研究熱點，基于深度學習的CAD系統在肺癌的早期診斷中的應用取得了突破性的進展[3]。

CAD系統應用于肺癌的早期診斷，通常包含以下幾個步驟：數據預處理、肺區域分割、候選結節檢測與分割以及結節診斷[4]?；谏疃葘W習的CAD系統能有效解決肺癌早期診斷中的核心問題，包括特征提取、肺結節檢測和假陽性率的降低3個方面[5]。深度學習模型通常分為監督學習和非監督學習兩種形式，其中監督學習需要使用帶有分類標簽的數據，此類模型包括卷積神經網絡（convolutional neural network，CNN）和大規模訓練人工神經網絡（massive-training artificial neural networks，MTANNs）；非監督學習則使用無標簽數據，此類模型包括自動編碼器（autoencoder，AE）和深度置信網絡（deep belief network，DBN）。……