[1]上海交通大学附属第六人民医院南院影像科
目的:探讨深度学习在乳腺良恶性病变鉴别中的意义。方法:对100例乳腺疾病患者的X线钼靶及超声检查的数据用反向传播神经网络进行深度学习分析,随机选择50例样本作为训练样本,组成训练集,其余样本组成测试集。建立神经网络诊断模型,分析神经网络模型的诊断结果。结果:100例患者中,手术与病理证实乳腺恶性病变62例,乳腺良性肿瘤或肿瘤样病变38例,钼靶X线诊断的特异度、敏感度及诊断正确率分别为89. 5%、87. 1%和88. 0%; B超诊断的特异度、敏感度及诊断正确率分别为86. 8%、83. 9%和85. 0%。X线钼靶和B超无明显差异。而深度学习的神经网络的特异度为95. 5%,敏感度为96. 4%,总的正确率为96. 0%,明显高于X线钼靶和B超,差异有高度统计学意义。结论:结合X线钼靶和B超检查的深度学习在判断乳腺良恶性病变性质方面有一定的应用价值。
(8.0+极速模式)