基于改进EfficientNet的肺结节CT图像辅助诊断分类研究
摘要
目的 本研究核心是探寻嵌入ECA注意力机制的改良EfficientNet模型，于肺结节CT影像良恶性甄别中的实际效用及样本条件下的优劣。方法 选取2025年1-12月本院100例肺结节患者，纳入112枚病理确诊结节及低剂量CT影像，划分训练集78枚、验证集23枚、独立测试集11枚，在统一实验环境下对比改进EfficientNet、原始EfficientNet-B0、ResNet-50模型分类性能。结果 在独立测试集（11枚）中，改进模型准确率为90.91%（10/11），灵敏度为75.00%（3/4），特异度为100.00%（7/7）；其准确率与特异度均优于基线模型，灵敏度持平；各模型指标置信区间存在重叠，组间差异无统计学意义（P＞0.05）。结论 本研究的改进模型在肺结节良恶性分类任务中展现出成效，临床价值需多中心、大样本外部验证进一步佐证。
机构地区
河南医药大学 河南新乡 453003
发表时间
2026年07月09日（期刊网平台发表日期，不代表实际的发表时间）
