胸部X线片人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎

作     者：魏子伊 汤奕 滕泽 李宏锋 彭芸 操江峰 高天姿 张恒 韩鸿宾 WEI Ziyi;TANG Yi;TENG Z e;LI Hongfeng;PENG Yun;CAO Jiangfeng;GAO Tianzi;ZHANG Heng;HAN Hongbin

作者机构：北京大学医学部医学技术研究院北京100191 国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院影像诊断科北京100021 国家儿童医学中心首都医科大学附属北京儿童医院影像中心北京100045 中国科学院信息工程研究所北京100093 承德医学院生物医学工程系河北承德067000 北京大学第三医院放射科北京100191 磁共振成像设备与技术北京市重点实验室北京100191 

基　　金：国家自然科学基金(62301615) 

出 版 物：《中国介入影像与治疗学》 (Chinese Journal of Interventional Imaging and Therapy)

年 卷 期：2024年第21卷第6期

页      码：368-373页

摘      要：目的观察基于胸部X线片建立的人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎(CAP)的价值。方法回顾性选取2所医院共900例CAP患儿,包括细菌性、病毒性及支原体CAP各300例,对每例选取1幅胸部正位片。收集公开数据集GWCMCx中的5856幅儿童胸部正位片,分别来自4273例CAP患儿和1583例胸部无明显异常患儿。按8∶2比例将全部6756幅胸片分为训练集(n=5359)与验证集(n=1397)。建立基于注意力机制的病原学诊断儿童CAP模型,设计二分类及三分类诊断算法并进行联邦部署训练;与DenseNet模型对比,观察所获学习系统用于病原学诊断儿童CAP的效能。结果人工智能联邦学习系统模型针对全部数据诊断CAP的准确率为97.00%,曲线下面积(AUC)为0.990。基于来自医院的数据,本系统根据单一影像学数据及临床-影像学数据实现病原学诊断儿童CAP的AUC分别为0.858及0.836,均高于DenseNet模型的0.740(P均<0.05)。结论基于胸部X线片的人工智能联邦学习系统可用于病原学诊断儿童CAP。

主 题 词：肺炎 儿童 X线 人工智能 

学科分类：0831[工学-公安技术类] 100207[100207] 1006[医学-中西医结合类] 1002[医学-临床医学类] 1001[医学-基础医学] 08[工学] 1010[医学-医学技术类] 100202[100202] 100106[100106] 100602[100602] 10[医学] 

D　O　I：10.13929/j.issn.1672-8475.2024.06.012

馆 藏 号：203128270...