Vision-LSTM模型在甲状腺影像报告与数据系统4b类甲状腺结节超声影像诊断中的应用与评估

摘要

目的 探讨基于Vision-LSTM的人工智能(artificial intelligence, AI)技术对甲状腺影像报告与数据系统4b (Thyroid Imaging Reporting and Data System Category 4b, TI-RADS 4b)类甲状腺结节的超声诊断准确性，评估其辅助临床决策的可行性。方法 收集我院401例TI-RADS 4b类甲状腺结节的超声影像数据，并利用这些数据对Vision-LSTM模型进行训练和验证。将AI模型的诊断结果与初级医生及高级医生的诊断结果进行对比，评估其在诊断准确性、稳定性等方面的表现；采用曲线下面积(area under the curve, AUC)、精确率-召回率(precision-recall, PR)曲线等指标对模型性能进行量化分析。结果 在独立验证中，Vision-LSTM模型的AUC(0.88)与准确率(89.4%)均显著高于初级医生(AUC:0.624),并达到与高级医生(AUC:0.787)相当的水平，证明了其辅助诊断的应用潜力。AI模型能够准确识别超声影像中的复杂特征，稳定输出一致的诊断结果，展现出较高的准确性和可靠性。结论 基于Vision-LSTM模型的AI技术可显著提升TI-RADS 4b类甲状腺结节的诊断效率与准确性，为医生提供有效辅助，减轻工作负担。

关键词

甲状腺影像报告与数据系统 / 甲状腺结节 / Vision-LSTM模型 / 诊断准确性 / 人工智能