关键词：肺结节 深度学习 重建算法 体层摄影术 x线计算机 

摘要：目的探索CT图像重建算法对于基于深度学习(DL)的肺结节检测算法的影响。方法选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%(313/339)、86.97%(287/330)及92.73%(319/344),准确率分别为23.55%(313/1329)、37.91%(287/757)及27.84%(319/1146),F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义(P均>0.05)。结论基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。

中国医学影像技术杂志要求:

{1}作者简介包括：姓名、服务单位、学历、学位、职称、职务等。另外，请注明通信地址、联系电话、电子信箱。

{2}本刊实行专家盲审制度，稿件正文中不宜出现任何个人信息。

{3}一级标题用一、二、三……；二级标题用（一）、（二）、（三）……；三级标题用阿拉伯数字编号1.、2.、3.……；四级标题用（1）、（2）、（3）……。

{4}使用资料、数据、引文务求核查无误，并注明出处、版本、页码。例句、引文等出处（书名、报刊名）一律用书名号，依次为：作者、书名或文章名、出版社或报刊名、时间、页码。

{5}来稿附中/英文摘要（200字以内）和中英文对照关键词（3-5个）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社