基于深度学习的肺结节检测算法对不同大小肺结节的检出效果

目的 探讨基于深度学习（DL）的肺结节检测算法对不同大小肺结节的检出效果。方法 回顾性分析344例肺结节患者的胸部CT图片，计算并比较基于DL的肺结节检出模型对不同大小肺结节的检出率（相对于医师诊断结果），分析模型检出假阳性结节的类别。结果 344份CT图像中，医师共诊断710个0~30 mm肺结节。模型共检出2 495个候选肺结节，其中真阳性675个（相对于医师诊断结果），模型对结节的检出率为95.07%（675/710）。模型对0~4 mm肺结节的检出率为82.80%（77/93），0~5 mm结节为90.15%（238/264），0~6 mm结节为92.94%（395/425），5~10 mm结节为97.94%（381/389），10~20 mm结节为98.21%（55/56），20~30 mm结节为100%（1/1），模型对不同大小肺结节的检出率差异无统计学意义（χ²=21.72，P>0.05）。模型检出假阳性结节中，50.38%（917/1 820）为医师最初诊断漏诊者，32.53%（592/1 820）为血管断面。结论 DL肺结节检出模型对肺结节的整体检出率较高（95.07%），且不受结节大小的影响。

Effects of detection algorithm based on deep learning for different size pulmonary nodule