基于深度学习的后天原发性中耳胆脂瘤及中耳乳突炎CT图像分类模型的应用研究OA北大核心CSTPCD

目的 研究基于深度学习(deep learning, DL)的中耳胆脂瘤及中耳乳突炎人工智能分类诊断模型,评估其教学及临床应用价值,探讨其提高诊断效率和准确性的潜力。方法 回顾性分析2021年1月—2023年8月于中国人民解放军总医院第六医学中心治疗的200例中耳疾病患者,包括100例后天原发性中耳胆脂瘤患者和100例中耳乳突炎患者。所有患者术前均接受了颞骨高分辨率CT(high-resolution computed tomography,HRCT)检查,并通过外科手术及病理学证实诊断。从上述患者的HRCT图像中选取具有病灶特征性层面的1000张CT图像建立数据集,按照6:1:3的比例随机分为训练组(n=600),验证组(n=100)和测试组(n=300)。使用3种先进的医学图像分类模型—Convolutional Neural Networks Meet Vision Transformers(CMT)模型、Efficient Vision Transformer模型、CrossShaped Window模型,进行模型训练与效能评估,最终在测试集进行医学图像分类测试。选择准确率最高者作为本研究的最优模型。最后与初级组、中级组、高级组不同年资的临床医师组进行图像分类结果比较,评价人工智能模型的诊断效能。采用χ^(2)检验进行统计学分析,检验标准P=0.0125。结果 CMT模型作为本研究的最优模型,其诊断的准确率、精确度、敏感度、特异度分别为90.0%、90.0%、90.7%、89.3%。CMT模型诊断准确率优于初级医师组但低于高级临床医师,与中级医师接近。初级组、中级组、高级组临床医师组阅片时间低于人工智能模型。结论 深度学习诊断模型具有一定鉴别中耳胆脂瘤及中耳乳突炎的能力,具有良好的诊断效能。