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
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0.9032。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。