深度卷积神经网络对≤3 cm的亚实性肺腺癌CT图像病理学分型预测的可视化研究

作     者：蒋蓓蓓 张亚平 张琳 刘桂雪 解学乾 JIANG Bei-bei;ZHANG Ya-ping;ZHANG Lin;LIU Gui-xue;XIE Xue-qian

作者机构：上海交通大学附属第一人民医院放射科 

基　　金：科技部国际合作项目(2016YFE0103000) 上海市教育委员会高峰高原学科建设计划(20181814) 上海市科学技术委员会项目(16411968500,16410722300) 上海交通大学转化医学交叉研究基金(ZH2018ZDB10) 上海市第一人民医院临床研究创新团队建设项目(CTCCR-2018B04)~~ 

出 版 物：《上海交通大学学报（医学版）》 (Journal of Shanghai Jiao tong University:Medical Science)

年 卷 期：2019年第39卷第9期

页      码：1045-1051页

摘      要：目的·研究卷积神经网络(convolutional neural network,CNN)根据CT 图像对≤ 3cm 的亚实性肺腺癌病理分类的可行性,并通过CNN 激活区可视化分析预测分类的医学影像基础。方法·随机纳入200 个经免疫组化染色证实为肺腺癌的亚实性肺结节,标注为浸润前病变(含非典型腺瘤样增生和原位腺癌)、微浸润腺癌和浸润性腺癌。160 个(80%)用于训练CNN 模型,40 个(20%)用于模型验证和激活区可视化分析。激活区的影像特征定义为14 种CT 征象。结果· CNN 对肺腺癌病理分类的准确性为87.5%。可视化分析发现CNN 激活区主要关注浸润前病变的非实性成分(43.0%)和光滑边缘(20.2%),关注微浸润腺癌的毛刺边缘(18.3%),关注浸润性腺癌的实性成分(18.9%)和毛刺边缘(14.1%)。结论· CNN 能根据CT 图像对肺腺癌病理分型进行分类预测,CNN 激活区的可视化能提示诊断的医学影像基础。

主 题 词：卷积神经网络 CT 肺腺癌 

学科分类：0710[理学-生物科学类] 0831[工学-公安技术类] 100207[100207] 1002[医学-临床医学类] 08[工学] 1010[医学-医学技术类] 10[医学] 

核心收录：

D　O　I：10.3969/j.issn.1674-8115.2019.09.017

馆 藏 号：203820511...