深度学习技术在胸部X射线片质量评价中的价值研究OA

目的:探讨基于ResNet50网络的深度学习技术对胸部后前位X射线片(简称胸片)投照技术进行批量自动质量评价的价值.方法:选取医院影像归档及传输系统(PACS)中的3000张胸部后前位胸片,由两名高年资主管技师共同阅片,对胸片投照技术质量做出评定.将所有胸片以胸6椎体为图像中心划分为正常、偏左、偏右、偏上、偏下以及肩胛骨在肺野内的6种类型,每种类型500张.由深睿医疗人工智能研究院搭建平台并训练胸片深度学习模型,模型包含3个独立的分类器(A、B、C),分类器A对正常、偏左及偏右进行判定;分类器B对正常、偏上及偏下进行判定;分类器C对正常和肩胛骨在肺野内进行判定.训练集包含2400张胸片,测试集包含600张胸片,采用各独立分类器的评价准确率以及各类别胸片的质量控制敏感性作为评价指标.结果:基于ResNet50网络的深度学习模型3个独立分类器对胸片质量的测试准确率分别为97.0％、99.3％和97.0％;对正常、偏左、偏右、偏上、偏下以及肩胛骨在肺野内6种类型胸片的召回率分别为98％、98％、97％、99％、100％和95％.结论:基于ResNet50网络的深度学习自动分类模型可以有效评价胸片投照技术质量,从而辅助影像科质量控制小组进行胸片质量控制评价.