基于人工智能的CT肺结节检出影响因素分析：体模研究.pdf

第33卷第4期CT理论与应用研究（中英文）Vol.33,No.4

2024年7月（471−477）ComputerizedTomographyTheoryandApplicationsJul.,2024

刘强,曾勇明,孙静坤,等.基于人工智能的CT肺结节检出影响因素分析：体模研究[J].CT理论与应用研究（中英文）,2024,33(4):471-

477.DOI:10.15953/j.ctta.2023.190.

LIUQ,ZENGYM,SUNJK,etal.AnalysisofInfluencingFactorsonPulmonaryNoduleDetectionbyComputedTomographywith

ArtificialIntelligence:APhantomStudy[J].CTTheoryandApplications,2024,33(4):471-477.DOI:10.15953/j.ctta.2023.190.

(inChinese).

基于人工智能的CT肺结节检出影响因素分析：体模研究

11✉211311

刘强,曾勇明,孙静坤,娄豪,夏贤美,葛冰,周宇,郑月

1.重庆宏仁一医院放射科，重庆408400

2.重庆医科大学附属第一医院放射科，重庆400016

3.佳能医疗系统（中国）有限公司，成都610016

摘要：目的：基于胸部仿真体模实验，对人工智能（AI）诊断系统CT肺结节检出的影响因素进行分析。

方法：使用东芝AquilionCXL64排CT，设定不同扫描参数（扫描剂量、重建算法及重建层厚）和非扫

描参数（结节的大小、密度及胸部位置），对体模扫描并图像重建，运用AI诊断系统检出肺结节。结果：

①

不同剂量扫描时，肺结节检出真阳性率无统计学差异，低剂量模式时检出假阳性数较高。

②

3种迭

代重建算法比较，检出的肺结节真阳性率无统计学差异，Strong组的真阳性率及假阳性数均较高。

③

薄

层图像的肺结节检出真阳性率明显高于厚层图像。

④

纵隔旁肺结节真阳性率明显高于胸膜下和肺实质。

⑤

直径

≥

8

mm组肺结节检出真阳性率明显高于直径

≤

5

mm组。

⑥

3种密度肺结节检出时，真阳性率均

无明显差异。结论：CT扫描因素（扫描剂量、重建算法及重建层厚）和非扫描因素（结节的大小、密度

及胸部位置）可影响AI肺结节的检出。

关键词：人工智能；X线体层摄影；肺结节；体模

DOI:10.15953/j.ctta.2023.190中图分类号：R

814.42；TP

18文献标识码：A

随着人工智能（artificialintelligence，AI）技术的兴起，AI在医疗领域有着广泛的应用前

[1]

景和发展空间，已成为影响医疗健康产业发展的重要科技手段。肺癌的早期精准检出对患者的治

疗、生存期的提高有重要意义。早期肺癌在CT上常表现为具有或不具有恶性征象的肺结节，因此肺

结节的检出是肺癌早诊第一步。