换一批基于超声的迁移学习人工智能模型对甲状腺囊实性结节恶性概率的评估效能
Efficacy of transfer learning artificial intelligence model based on ultrasound in evaluating the probability of malignancy of partially cystic thyroid nodule
摘要目的 探讨基于超声的迁移学习人工智能模型预测甲状腺囊实性结节(PCTN)恶性概率的可能性.方法 回顾性分析2021年1月至2023年12月间就诊于山东大学齐鲁医学院威海市立医院并有明确病理结果的PCTN患者246例,以7:3的比例随机分为训练组和测试组.评估PCTN超声图像特征,经过多因素logistic回归分析,得到评估PCTN恶性概率的独立危险因素并计算曲线下面积(AUC).另一方面,通过Python软件的PyTorch框架对数据进行预处理后,选择5种不同的预训练模型进行迁移学习,具体包括Inception_v3、EfficientNet、VGG19、ResNet50和DenseNet121,计算AUC值并进行比较.结果 超声图像特征中实性成分>50%、实性成分与囊性成分呈偏心锐角、病灶边界模糊不清、病灶边界呈毛刺样、蛋壳样钙化和微钙化对于评价PCTN的良恶性差异有统计学意义(P<0.05),基于以上独立危险因素计算的AUC值为0.843.另外,在5种迁移学习模型中,ResNet50模型诊断效能最高,AUC值为0.903 2.结论 基于超声的迁移学习人工智能模型优于传统超声图像评价效能,能够准确预测PCTN的性质,从而减少不必要的超声引导下细针穿刺活检.
更多相关知识
关键词
超声甲状腺囊实性结节迁移学习人工智能模型超声引导下细针穿刺活检ultrasoundpartially cystic thyroid noduletransfer learningartificial intelligence modelultrasound-guided fine needle aspiration biopsy
分类号
R445.1（诊断学）
栏目名称
DOI
10.3969/j.issn.1006-5725.2025.06.018
发布时间
2025-04-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览62
- 被引5
- 下载57
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
