摘要：目的观察深度信念网络(DBN)方法识别PET/CT图像良恶性肺结节的效果。方法收集216例肺结节患者的PET/CT图像,共339个肺结节,其中良性190个、恶性149个;共截取2055张ROI图像,良性1069张,恶性986张。对ROI图像进行灰度、大小归一化处理后,采用DBN方法进行分类诊断。通过实验方法确定网络结构及训练参数,并以混淆矩阵、总体精度、Kappa系数等指标评价分类结果。提取同一批图像数据非下采样双树复轮廓波变换(NSDTCT)的小波纹理参数,构建支持向量机分类模型(SVM),对比分析其与DBN的检测结果。结果DBN和SVM方法测试集检测结果分别为总体精度0.94和0.72、灵敏度0.96和0.66、特异度0.92和0.96及Kappa系数0.87和0.42。结论DBN识别肺结节良恶性的准确性高于SVM方法。

关键词：肺肿瘤 诊断 人工智能 正电子发射断层显像术 

单位：首都医科大学公共卫生学院流行病与卫生统计学系北京市临床流行病学重点实验室; 北京100069; 北京大学肿瘤医院暨北京市肿瘤防治研究所核医学科恶性肿瘤发病机制及转化研究教育部重点实验室; 北京100036; 首都医科大学宣武医院核医学科; 北京100053; 爱尔兰科克大学数学学院; 爱尔兰科克T12; K8AF