DenseNet網絡深度學習分析CT圖像鑒別肺結節良惡性的價值

錢 旭，王 姍

東南大學附屬江陰市人民醫院影像科，江蘇 江陰 214400

肺癌是臨床發病率較高的惡性腫瘤之一，及時準確地早期判斷可極大程度減少肺癌病死率［1］。臨床病理檢查肺結節可觀察上皮細胞增殖，肺泡內細胞顯著增加，肺泡內含氣量降低，肺泡間隔增加［2］。CT是目前肺結節檢查常用手段，可細致觀察肺部微小結節，可減少臨床漏診率［3］。隨著人工智能技術逐漸進入醫療行業，運用深度學習算法極大程度上提高了臨床診斷疾病準確率，也為后續制定治療方案提供了可靠臨床資料［4］。DenseNet網絡深度學習分析是新型的人工智能技術，但用于肺結節影像圖像評估及預測病變性質尚無報道。本研究主要探討DenseNet網絡深度學習分析CT圖像鑒別肺結節良惡性的價值。

1 資料與方法

1.1 一般資料

選取2017年2月～2019年5月我院收治的疑似肺結節患者80例。納入標準：患者經手術切除或穿刺活檢確診，病灶結節直徑≤3 cm；患者肺部無胸腔積液、肺不張等；患者CT檢查前未接受手術切除或穿刺活檢；患者及家屬知情并簽署知情同意書。排除標準：患者CT圖像存在運動偽影，或金屬偽影；患者合并其它惡性腫瘤；患者肺結節存在遠處轉移。80例患者中，男43例，女37例，年齡35～78（58.39±8.81）歲，經病理確診惡性結節54例，良性結節26例。本研究經我院醫學倫理委員會批準。

1.2 方法

1.2.1 CT檢查 采用西門子64排螺旋CT掃描患者胸部，屏氣10 s，參數：管電壓120 kV，管電流130～430 mAs，層厚6.0 mm，層間距8.0 mm。圖像重建：層距1 mm，層厚1 mm。

1.2.2 DenseNet網絡深度學習分析 將候選位置作為中心，采用取標注點最相近五層截取2D CT圖像，包括橫軸面、矢狀面和冠狀面，圖像塊感受野64像素×64像素，截取CT值為-1000～400 Hu，并歸一化0～1，減掉平均灰度值。……