摘要：目的利用迁移学习算法设计、开发一种人工智能脑积水影像诊断工具,并评价其应用颅脑CT平扫影像诊断脑积水的效果。方法收集河南科技大学第一附属医院正常成人及脑积水的颅脑CT影像DICOM数据各1250例,按6∶2∶2随机分为训练集、验证集和测试集。应用Python开发标记工具对数据进行预处理并标注特征变量,建立自主研发的逐像素ForrestNet-CNN算法模型,并对特征变量进行提取和深度学习。选取影像学住院医师、主治医师、副主任医师各2名对250例脑积水和250例正常影像进行测试,并与人工智能模型的测试结果进行比较。结果人工智能模型、住院医师、主治医师、副主任医师诊断脑积水的敏感性分别为94.4%、92.8%、95.2%和96.4%,特异性分别为93.6%、94.0%、96.0%和97.6%,准确率分别为94.0%、93.4%、95.6%和97.0%。虽然人工智能模型诊断脑积水的敏感性、特异性、准确率明显低于副主任医师(P<0.05),但是与住院医师、主治医师均无统计学差异(P<0.05)。结论本研究开发的人工智能模型可有效地识别脑积水的CT影像特点,具有较高的准确率。