基于深度学习的乳腺X线摄影钙化检出系统评估

• 作 者: 周娟 王婷婷 李明 赵建秀 双萍 盛复庚
• 机 构: 解放军总医院第五医学中心南院区放射科，北京 100071,解放军总医院第五医学中心南院区放射科，北京 100071,解放军总医院第五医学中心南院区放射科，北京 100071,解放军总医院第五医学中心南
• 出 处: 中华放射学杂志
• 发表日期: 2019年53期
• 关键词: 乳腺X线摄影 可疑钙化 钙化检测 深度学习

目的

探讨基于深度学习的乳腺X线影像钙化检出系统的价值。

方法

回顾性分析2013年1月至12月解放军总医院第五医学中心南院区乳腺X线常规检查1 431例患者的5 488幅影像，每例检查均拍摄头尾位（CC）及内外斜位（MLO）图像。通过低年资医师A独立阅片、高年资医师B审核的方式，建立钙化检出的参考标准。采用χ²检验研究不同因素（钙化形态、钙化分布、分类、美国放射学院腺体构成分类、患者年龄）对于深度学习和医师A的影响。

结果

深度学习对所有钙化的敏感性96.76%（7 649/7 905），假阳性平均每幅影像1.04（5 706/5 488）个，平均每例检查3.99（5 706/1 431）个，假阳性率为42.73%（5 706/13 355）。深度学习和医师A对于典型良性和可疑恶性间钙化、不同形态钙化的诊断差异均有统计学意义（P均<0.05）。深度学习对于不同分布钙化、BI-RADS分类、美国放射学院腺体构成钙化的敏感性差异无统计学意义（P>0.05），而医师A的差异有统计学意义（P<0.05）。深度学习和医师A对于不同年龄下钙化检出的敏感性差异均无统计学意义（P>0.05）。

结论

基于深度学习的乳腺X线影像钙化检出系统具有很高的敏感性以及一定的稳定性，可以有效减少阅片流程中钙化，尤其是可疑恶性钙化的漏检。