AI在涎腺肿瘤二维超声图像良恶性分类中的应用价值.pdf

摘要

涎腺肿瘤是一种相对少见的疾病，为实现更准确的涎腺肿瘤良恶性分类的超

声图像诊断，避免不必要的术前穿刺活检，本次研究在卷积神经网络的基础上，提

出了一种涎腺肿瘤二维超声图像良恶性分类的方法。

第一部分研究是在984幅涎腺二维超声图像上进行良恶性分类实验，所提方

法的训练集最高准确率为92.43%，测试集准确率、敏感度、特异度、阳性预测值、

阴性预测值、AUC值分别可以达到85.44%、86.67%、86.27%、0.701、0.915、0.863，

尤其显示出对恶性样本有较好的学习效果，结果表明了卷积神经网络对涎腺肿瘤

良恶性分类的可行性，以及通过深度学习与人工提取特征图像结合的方法可以获

得更高的识别准确率。

第二部分研究是在423幅涎腺二维超声肿瘤图像上进行良恶性分类的外部验

证实验，将数据导入第一部分研究成果所得的涎腺超声智能辅助诊断系统，外部验

证集得到的准确率、敏感度、特异度、阳性预测值、阴性预测值、AUC值分别为

81.36%、72.06%、86.80%、0.510、0.942、0.791。

结果表明，本研究所提的基于卷积神经网络的涎腺肿瘤良恶性分类方法可以

较为准确地对涎腺肿瘤进行良恶性分类，使涎腺病灶的检出与鉴别更加直观、清晰，

辅助使用者提高诊断效率，具有一定的价值。

关键词：涎腺肿瘤，人工智能，深度学习，卷积神经网络，涎腺超声图像

ABSTRACT

Salivaryglandtumorisarelativelyraredisease,inordertoachievemoreaccurate

ultrasoundimagediagnosisforbenignandmalignantclassificationofsalivarygland

tumorandavoidunnecessarypreoperativepuncturebiopsy,thisstudyproposesamethod

forbenignandmalignantclassificationofsalivaryglandtumortwo-dimensional

ultrasoundimagesbasedonconvolutionalneuralnetwork.

Thefirstpartofthestudyisabenign-malignantclassificationexperimenton9842D

ultrasoundimagesofsalivaryglands,andtheproposedmethodhasamaximumaccuracy

of92.43%forthetrainingset,andtheaccuracy,sensitivity,specificity,positivepredictive

value,negativepredictivevalueandAUCvalueofthetestsetcanreach85.44%,86.67%,

86.27%,0.701,0.915and0.863,especiallyshowingabetterlearningeffectformalignant

samples.Theresultsdemonstratethefeasibilityofconvolutionalneuralnetworkfor

benignandmalignantclassificationofsalivaryglandtumors,aswellasthehigher

recognitionaccuracythatcanbeobtainedthroughthecombinationofdeeplearningand

manuallyextractedfeatureimages.

Thesecondpartofthestudyisanexternalvalidat