基于深度学习的CAD系统结合低剂量CT在孤立性肺结节良恶性鉴别中的价值<sup>*</sup>

doi:10.3969/j.issn.1674-4985.2026.15.023

中国医学创新

2026, Vol. 23

Issue (15): 108-112 DOI: 10.3969/j.issn.1674-4985.2026.15.023

经验交流

本期目录 | 过刊浏览 | 高级检索

基于深度学习的CAD系统结合低剂量CT在孤立性肺结节良恶性鉴别中的价值^*

肖宇^①　黄仕华^①　吴鸿波^①　张燕香^①　易玉涛^①

①宜春市人民医院放射科　江西　宜春　336000

Value of Deep Learning-Based CAD System Combined with Low-dose CT in Differential Diagnosis of Benign and Malignant Solitary Pulmonary Nodules

XIAO Yu, HUANG Shihua, WU Hongbo, ZHANG Yanxiang, YI Yutao

First-author's address: Department of Radiology, Yichun People's Hospital, Yichun 336000, China

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (1223 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要目的：探讨基于深度学习的计算机辅助检测（CAD）系统结合低剂量CT在孤立性肺结节良恶性鉴别中的价值，为临床早期肺癌筛查及精准诊断提供参考。方法：回顾性选取2023年1月—2025年6月宜春市人民医院收治的82例孤立性肺结节患者作为研究对象，所有患者均接受低剂量CT扫描并经病理检查确诊。收集患者的低剂量CT影像数据及临床资料，以病理检查结果为金标准，对比基于深度学习的CAD系统与传统影像诊断（主治医师阅片）对孤立性肺结节良恶性鉴别诊断的效能，并对比二者在不同大小、位置结节中的良恶性鉴别诊断准确率。结果：经病理诊断，82例肺结节患者中，良性62例，恶性20例。以病理结果为金标准，基于深度学习的CAD系统在肺结节良恶性鉴别中的敏感度、特异度、阳性预测值、阴性预测值均高于传统影像诊断，但差异无统计学意义（P>0.05），两种检测方法准确率比较差异有统计学意义（P<0.05）。按结节大小分，<5 mm结节34个，5~10 mm结节46个，>10 mm结节2个；按结节位置分，肺上叶结节46个，肺中叶结节6个，肺下叶结节30个；两种诊断方式在不同位置结节中的鉴别准确率差异无统计学意义（P>0.05）；5~10 mm结节中，基于深度学习的CAD系统诊断准确率高于传统影像诊断（P<0.05），其他大小结节两种诊断方法准确率比较，差异无统计学意义（P>0.05）。结论：基于深度学习的CAD系统结合低剂量CT，鉴别孤立性肺结节良恶性整体效能优于传统影像诊断，尤其对5~10 mm结节优势显著。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：低剂量CT, 孤立性肺结节, 深度学习, 计算机辅助检测系统

收稿日期: 2026-01-14

基金资助:*基金项目：江西省卫生健康委科技计划项目（202511183）

引用本文:

肖宇①　黄仕华①　吴鸿波①　张燕香①　易玉涛①. 基于深度学习的CAD系统结合低剂量CT在孤立性肺结节良恶性鉴别中的价值^*[J]. 中国医学创新, 2026, 23(15): 108-112.
XIAO Yu,HUANG Shihua,WU Hongbo,ZHANG Yanxiang,YI Yutao. Value of Deep Learning-Based CAD System Combined with Low-dose CT in Differential Diagnosis of Benign and Malignant Solitary Pulmonary Nodules. 中国医学创新, 2026, 23(15): 108-112.

链接本文:

http://www.zgyxcx.com/CN/10.3969/j.issn.1674-4985.2026.15.023 或 http://www.zgyxcx.com/CN/Y2026/V23/I15/108