不同CT重建算法对人工智能肺结节诊断的意义

作     者：蔡玉琳 牛丹 马丹 王爽 Cai Yulin;Niu Dan;Ma Dan;Wang Shuang

作者机构：陆军(第三)军医大学第二附属医院放射科重庆400037 

出 版 物：《中华肺部疾病杂志(电子版)》 (Chinese Journal of Lung Diseases(Electronic Edition))

年 卷 期：2024年第17卷第6期

页      面：931-935页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

主　　题：肺结节 高分辨CT 重建算法 人工智能 

摘      要：目的分析不同CT重建算法对人工智能(artificial intelligence,AI)辅助肺结节识别效能的影响。方法选取2022年12月至2023年4月我院行肺部高分辨CT(high resolution CT,HRCT)扫描的患者200例为对象,采用肺高分辨算法(lung high-resolution algorithm,Lung)和标准算法(standard algorithm,Stnd)两种算法进行层厚为0.625 mm的薄层重建。将两种重建算法得到的原始数据传送至AI辅助诊断软件进行肺结节自动检测,纪录结节的密度、大小。根据结节大小将实性结节分为0.05)。结论不同CT重建算法条件下AI辅助肺结节识别效能存在差异,对于肺实性结节的识别应用Stnd重建算法敏感度优于Lung算法。对于肺亚实性结节的识别,结节8 mm运用Stnd算法敏感度高于Lung算法,但假阳性高,≥8 mm两种算法无差异性有高的敏感度。