基于深度学习的胸部X线肺结核检测研究及多中心临床验证

【摘要】目的：构建基于深度学习的胸部X线肺结核检测模型并通过多中心研究验证其效能及临床价值。方法：回顾性搜集2600例来自3个中心的胸部X线图像并随机分为训练集、验证集和测试集,构建基于RetinaNet架构的肺结核深度学习检测模型,并在ChinaSet和MontgomerySet胸部X线公开数据集以及来自深圳三院的外部临床测试集上对深度学习模型的鲁棒性进行外部测试。采用受试者工作特征曲线（receiver operator characteristic curve,ROC）评估模型效能。同时通过临床检测评估深度学习模型的重复性和再现性。结果：深度学习模型在内部测试集的ROC曲线下面积（AUC）为0.967,在ChinaSet、MontgomerySet和深圳三院外部测试集的AUC分别为0.95、0.93和0.976,具有较高的准确性和良好的鲁棒性。临床一致性评估证实了模型的重复性和再现性。结论：深度学习模型具备良好的效能,可以作为胸部X线影像结核病检测工具用于临床决策支持。