基于医学图像研发医疗器械AI软件算法——以肺部CT图像为例

摘要

目的 介绍基于医学图像的医疗器械产品研发常用方法，分析并评价目前人工智能产品研发过程中的核心分类算法。方法 基于肺部CT图像应用ResNet50、VGG16、EfficientNet、DenseNet121、InceptionV3、Xception、MobileNet等常见AI产品设计的算法构建肺结节性质分类诊断模型并进行模型评价并以肺部CT图像为例进行各类产品的设计与比较，筛选医学影像AI产品常见方法的最优模型。结果 本研究通过326例患者3254张肺结节图像，构建肺结节诊断AI产品，MobileNet模型获得的AUC可达0.96(95%CI:0.92～0.99),略优于Xception模型的0.94(95%CI:0.91～0.96),且具有更快的模型反应速度。结论 基于肺部CT图像为例进行各类产品的比较，Xception、MobileNet等算法均能够获得较高的准确率与灵敏度。

关键词

AI产品 / 深度学习 / AI软件算法 / MobileNet / 肺部CT图像