ＪＭｅｄＴｈｅｏｒ＆ＰｒａｃＶｏｌ３７ꎬＮｏ９ꎬＭａｙ２０２４２０２４年第３７卷第９期医学理论与实践５１２层螺旋ＣＴ薄层扫描结合计算机人工神经网络对小肠病变的诊断价值研究∗廖忠剑文兴林刘艳平邓星星范存庚雷剑江西省赣州市人民医院ＣＴ室３４１０００摘要目的:运用图像识别和图像描述技术ꎬ研究５１２层螺旋ＣＴ薄层扫描结合计算机人工神经网络在小肠病变诊断上的应用价值ꎮ方法:建立基于ＲｅｓＮｅｔ１０１、ＦａｓｔｅｒＲ￣ＣＮＮ、ＬＳＴＭ的小肠ＣＴ图像识别描述人工神经网络模型ꎬ采用ＲｅｓＮｅｔ１０１和ＦａｓｔｅｒＲ￣ＣＮＮ联合提取图像特征信息进行ＲＯＩ融合建立图像编码ꎬ采用ＬＳＴＭ进行图像解码输出ＣＴ图像诊断报告ꎮ设计１１个病变图像特征标签ꎬ选择我院２０２０年１月—２０２２年１月行５１２层螺旋ＣＴ薄层扫描病例材料１５７２套ꎬ材料覆盖正常图像及出血、炎性息肉等９种病变类型ꎬ按７∶３随机分为训练组和测试组ꎬ对模型进行训练并展开性能测试ꎬ评价模型输出的ＣＴ诊断文字报告质量、诊断准确率及病变部位提取正确率ꎮ结果:文字报告质量评分为(４.０３２５±０.６８４)分ꎬ出现错误评估项样本占比０.８％ꎬ仅语句结合约３５％存在不合理现象ꎻ各病变类型诊断准确率均在９７％左右ꎬ仅腺癌存在轻微的诊断为腺瘤性息肉现象ꎬ整体病变类型诊断正确率９７.１７％ꎻ病变部位正确识别提取率９９.４３％ꎮ结论:基于ＲｅｓＮｅｔ１０１、ＦａｓｔｅｒＲ￣ＣＮＮ、ＬＳＴＭ建立人工神经网络模型ꎬ进行小肠５１２层螺旋ＣＴ扫描图像的诊断识别ꎬ可准确定位图像病变部位ꎬ根据病变部位图像特征准确进行病变类型诊断ꎬ并就１１个ＣＴ图像特征进行文字化描述ꎬ输出符合医师阅读理解的图像诊断报告ꎬ并发现部分医师人工阅片遗漏错误的地方ꎬ可为医师提供更为丰富、有效、准确的ＣＴ图像诊断信息ꎬ有利于医师作出正确的诊断ꎮ∗基金项目:赣州市卫生健康委员会市级科研计划项目(２０２００５)关键词小肠病变人工智能薄层扫描ＣＴ图像诊断描述中图分类号:Ｒ４４５文献标识码:Ａｄｏｉ:１０１９３８１/ｊｉｓｓｎ１００１￣７５８５２０２４０９００５ＴｈｅＶａｌｕｅｏｆ５１２ＳｌｉｃｅＳｐｉｒａｌＣＴＴｈｉｎＬａｙｅｒＳｃａｎｎｉｎｇＣｏｍｂｉｎｅｄｗｉｔｈＣｏｍｐｕｔｅｒＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｉｎｔｈｅＤｉ￣ａｇｎｏｓｉｓｏｆＳｍａｌｌＩｎｔｅｓｔｉｎａｌ...
