来源：期刊VIP网 时间：
作者：秦李祎;吕平欣;郭琳;钱令军;肖谦;杨阳;尚园园;贾俊楠;初乃惠;刘远明;李卫民;
单位：首都医科大学附属北京胸科医院/国家结核病临床实验室/耐药结核病研究北京市重点实验室;北京老年医院影像科;深圳市智影医疗科技有限公司;首都医科大学附属北京胸科医院影像科;首都医科大学附属北京胸科医院结核一科;首都医科大学附属北京友谊医院老年科;
摘要：目的:基于CT影像构建深度学习模型判定肺结核病灶的活动性。方法:回顾性纳入2018年12月至2020年12月首都医科大学附属北京胸科医院就诊的具有治疗前、中和后时间点的CT影像资料的肺结核治愈患者(102例),按照8∶2的比例将病灶随机分为训练集和测试集。另外，于2021年10月至2022年12月在同一家医院前瞻性纳入肺结核治愈患者(72例),在治疗前、中和后时间点纳入CT资料作为独立验证集。通过迁移学习方式进行深度学习模型构建；采用掩膜区域卷积神经网络(Mask R-CNN)架构实现病灶自动分割及活动性判定。基于三维病灶标签进行模型训练，通过计算测试集受试者工作特性(ROC)曲线下面积(AUC)、敏感度、特异度，并与独立验证集比较，评估模型对肺结核病灶活动性的判定效能。结果:回顾性队列共纳入符合标准的肺结核治愈患者102例，共收集到770份CT影像资料；332个病灶为活动性，464个病灶为非活动性。前瞻性队列纳入肺结核治愈患者72例，共收集到540份CT影像资料。基于迁移学习的Mask R-CNN深度学习模型计算，测试集的AUC为87.5%,敏感度为85.7%,特异度为78.6%;独立验证集的AUC为79.9%,敏感度为78.7%,特异度为75.0%。结论:基于迁移学习的Mask R-CNN深度学习模型在小样本量肺结核病灶活动性预测中展现出一定潜力，可以为快速、自动的临床决策提供科学参考。
关键词：结核,肺;;体层摄影术, X线计算机;;模型,结构;;人工智能
基金资助：国家自然科学基金(82373641);; 深圳市科技计划资助项目(KQTD2017033110081833);; 广州市基础研究计划市校(院)企联合资助项目(2023A03J0536)~~
