论著-胸部
基于CT影像的深度学习模型预测肺腺癌浸润程度*
作者：郭鑫宇1 王梓霖2 郭 晨1 嵇再雄1 李康安1,*
所属单位：1.上海交通大学医学院附属第一人民医院放射科 (上海 200080) 2.浙江大学医学院附属第一医院介入科(浙江 杭州 310003)
PDF摘要
目的 研究多种深度学习融合模型预测肺腺癌浸润程度的可行性，并评估其预测效能。方法 回顾性纳入经病理证实为肺腺癌的肺结节316例，其中腺体前驱病变(含非典型腺瘤样增生和原位腺癌)94例、微浸润腺癌123例和浸润性腺癌99例，并建立数据集。253个(80%)用于训练深度学习模型，63个(20%)用于模型验证。使用深度学习模型(包括AlexNet、VGG19、GoogleNet和ResNet)从数据集中进行特征提取，通过PCA进行特征降维，利用SVM对其分类，并评价单独和融合深度学习模型对不同浸润程度肺腺癌的鉴别价值。结果 深度学习模型对于肺腺癌浸润程度的预测取得了良好的诊断性能，AlexNet、VGG19、GoogleNet和ResNet以及融(combine)模型模型的总体准确率分别达到73.68%、89.47%、77.19%、89.47%、92.98%。combine模型对于不同浸润程度肺腺癌诊断的准确性均高于94%。结论 深度学习融合模型对于肺腺癌的浸润程度有良好的诊断性能，可以为临床提供更为可靠的术前诊断依据。
【关键词】肺腺癌；肺结节；人工智能； 深度学习；神经网络
【中图分类号】R563
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2025.03.019
中国CT和MRI杂志
第23卷， 第 3 期
2025年03月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号