【作者】 胡燕妮； 胡子洋； 林梓桐；

【机构】 南京大学医学院附属口腔医院；

【摘要】 目的基于卷积神经网络并使用不同的模型来研究深度学习对腮腺良恶性肿瘤鉴别诊断的效能,探究人工智能运用于诊断腮腺良恶性肿瘤的应用前景。方法回顾性收集并分析就诊于颌面外科并接受了头颈CT扫描与腮腺肿物切除术的患者螺旋CT图像共283例,其中良性肿瘤150例。恶性肿瘤133例。对肿瘤CT轴位图像进行兴趣区框选,将框选后的兴趣区图像经随机翻转处理后输入三种卷积神经网络模型ResNet50、VGG16_batch normalized、DenseNet169中,并进行深度学习。学习完毕后,统计四格表信息,计算三种卷积神经网络模型诊断的准确率、特异度及灵敏度,评估三种卷积神经网络对腮腺良恶性肿瘤的诊断效能。结果 ResNet50、VGG16_batch normalized、DenseNet169卷积神经网络模型对腮腺良恶性肿瘤诊断的准确率分别为92.3%、92.3%和90.8%;特异度分别为91.2%、97.1%和91.2%;灵敏度分别为93.5%、87.1%和90.3%。结论卷积神经网络在对腮腺良恶性肿瘤的鉴别诊断中展现了不错的诊断效能,可作为有效的辅助诊断技术。更多还原