资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]首都医科大学公共卫生学院北京市临床流行病学重点实验室
[2]北京市体检中心
[3]首都医科大学宣武医院
首都医科大学宣武医院
[4]北京市肿瘤防治研究所
出处：
ISSN：
关键词：
稀疏编码
卷积神经网络
肺部肿瘤
机器辅助诊断
摘要：
目的 分析基于多模态PET/CT图像肺部良恶性肺结节影像学差异特征，构建稀疏编码分类诊断模型。方法 基于肺结节PET/CT图像应用稀疏编码算法与卷积神经网络联合构建良恶性诊断模型并进行模型评价。结果 本研究通过分析326名患者3254张肺结节图像，肺部良恶性结节在肺结节直径、最大标准摄取值、分叶征和毛刺征等因素具有统计学差异（P＜0.05）,稀疏编码模型在训练集中准确率可以达到90.63%,灵敏度、特异度分别为90.71%、88.56%。结论 基于多模态PET/CT图像构建良恶性肺结节稀疏编码分类模型能够获得较高的准确率与灵敏度。
基金：
国家自然科学基金项目（82173617）；
第一作者：
第一作者机构：
[1]首都医科大学公共卫生学院北京市临床流行病学重点实验室
共同第一作者：
通讯作者：
推荐引用方式(GB/T 7714)：
李伟铭,李强,高艳,等.基于多模态pet/ct图像构建良恶性肺结节稀疏编码分类模型[J].中国卫生统计.2023,40(01):95-98+102.
