基于PET/CT影像的肺结节协同学习风险评估研究

刘 华章
南方医科大学附属广东省人民医院（广东省医学科学院）

摘要


本研究旨在利用人工智能技术结合正电子发射断层显像 /计算机断层扫描（PET/CT）影像，实现对肺结节
的风险评估与诊断研究。首先，本研究开发了影像的协同学习的人工智能模型，并且收集了一批肺癌患者的 PET/
CT影像数据，通过协同学习对这些数据进行分析，以预测患者肺结节的浸润风险。最后，在 PET/CT数据中进行了
协同学习模型的验证（AUC=0.87，Accuracy=0.73）。研究结果表明，结合人工智能和 PET/CT影像学对肺结节的浸
润风险评估具有显著的潜力，本方法有助于医生在常规癌症筛查，通过平扫 CT实现病理分型精准诊断，为患者肺癌
筛查提供辅助诊断。

关键词


肺结节；风险评估；人工智能；协同学习模型；PET/CT

全文:

PDF


参考


[1]邹小农，贾漫漫，王鑫，等.《2020全球癌症报

告》要点解读 [J].中国胸心血管外科临床杂志，2021，28

（01）：11-18.

[2]Pluzanski, A., Bryl, M., Chmielewska, I.,等. (2023).

Treatment Patterns, Testing Practices, and Outcomes in

Patients with EGFR Mutation-Positive Advanced NonSmall-Cell Lung Cancer in Poland: A Descriptive Analysis

of National, Multicenter, Real-World Data from the

REFLECT Study. Cancers, 15(5), 1581.

[3]Moreira, A. L., Ocampo, P. S., Xia, Y.,等 . (2020).

A grading system for invasive pulmonary adenocarcinoma:

a proposal from the International Association for the Study

of Lung Cancer Pathology Committee. Journal of Thoracic

Oncology, 15(10), 1599-1610.

[4]胡小巧，郭炳君，陈晓品.PET-CT在恶性肿瘤

治疗后评价中的作用与局限性 [J].现代肿瘤医学，2015，

23（15）：2239-2242.

[5]吴湖炳，王全师，王明芳，等.PET/CT诊断恶性

肿瘤及其转移灶的价值 [J].中华核医学杂志，2005，（02）：

84-86+132.

[6]邱钱赛，冯峰，石健，等.18F-FDG PET/CT影

像组学鉴别良、恶性高代谢孤立性肺结节 [J].中国医学影

像学杂志，2022，30（11）：1136-1142.

[7]van der Velden LA, et al. (2018). Interobserver

variability in the interpretation of PET/CT scans in lung

cancer. Eur J Nucl Med Mol Imaging, 45(10), 1731-1738.

[8]王新宇，赵静文，刘翔，等.人工智能在肺结

节筛查和肺癌诊断中的应用 [J].中国医学物理学杂志，

2023，40（09）：1182-1188.


Refbacks

  • 当前没有refback。