基于深度殘差網絡研發輔助診斷軟件用于X線胸片分類診斷

摘要：目的:研究以深度殘差網絡(ResNet)為基礎架構建立深度學習模型,對X線胸片(CXR)做出“有發現”與“無發現”鑒別診斷的可行性。方法:回顧性收集2017年1月1日至2018年7月1日的連續CXR圖像及診斷報告,經過數據清洗后分為“無發現”組(無任何異常發現,診斷印象為“兩肺心膈未見異?！?共9765例)與“有發現”組(診斷印象中提及了一種以上影像所見,共9956例)。使用ResNet152(152 layers)作為二分類模型的基礎架構,結合Grad-CAM技術生成模型激活熱圖,訓練二分類模型。數據隨機分為訓練集(70%)、調優集(20%)和測試集(10%)。以測試集的預測結果檢測CXR二分類模型的效能。結果:在測試集中(“有發現”者1018例,“無發現”者995例),CXR二分類模型鑒別“有發現”與“無發現”的精確度分別為0.885和0.894,召回率分別為0.898和0.880,F1-分數分別為0.891和0.887,ROC曲線下面積均為0.96。結論:使用CXR二分類模型可對X線胸片做出“無發現”與“有發現”的預測。