CT窗口设置对人工智能分类肺部病变结果的影响 |
| |
引用本文: | 程晓悦,吴晓华,郝优,贺文,李华,刘佳宝,曹邱婷.CT窗口设置对人工智能分类肺部病变结果的影响[J].CT理论与应用研究,2023(4):515-522. |
| |
作者姓名: | 程晓悦 吴晓华 郝优 贺文 李华 刘佳宝 曹邱婷 |
| |
作者单位: | 首都医科大学附属北京友谊医院放射科 |
| |
摘 要: | 目的:应用3种不同的3D CNN的算法及5种CT窗口设置,探讨CT窗技术对人工智能分类肺部病变结果的影响。方法:回顾性分析172例周围型肺癌及185例局灶性肺炎的胸部CT影像资料,选择ResNet、ResNext以及DenseNet 3种不同的3D CNN的算法将病变分为两组,并在每1种3D CNN算法处理过程中应用5种不同的CT窗口设置,包括肺窗(1 500,-600),纵隔窗(350,40),自定义窗口1(SW1)(1 000,40),自定义窗口2(SW2)(1 000,-100),全窗(4 096,1 024),分别计算分类准确率及AUC结果,并进行ROC曲线的两两对比。结果:ResNet的平均分类准确率最低为纵隔窗85.732%,AUC值为0.871;平均分类准确率最高为全窗,达91.596%,AUC值为0.946。ResNext的平均分类准确率最低为纵隔窗81.528%,AUC值为0.814;平均分类准确率最高为全窗,达86.568%,AUC值为0.882。DenseNet的平均分类准确率最低为纵隔窗87.954%,AUC值为0.906;平均分类准确率最高为SW2,达93.2...
|
关 键 词: | 人工智能 CT窗技术 3D CNN 肺部病变 |
|
|