摘要：目的:研究以深度殘差網(wǎng)絡(luò)(ResNet)為基礎(chǔ)架構(gòu)建立深度學(xué)習(xí)模型,對(duì)X線胸片(CXR)做出“有發(fā)現(xiàn)”與“無發(fā)現(xiàn)”鑒別診斷的可行性。方法:回顧性收集2017年1月1日至2018年7月1日的連續(xù)CXR圖像及診斷報(bào)告,經(jīng)過數(shù)據(jù)清洗后分為“無發(fā)現(xiàn)”組(無任何異常發(fā)現(xiàn),診斷印象為“兩肺心膈未見異常”,共9765例)與“有發(fā)現(xiàn)”組(診斷印象中提及了一種以上影像所見,共9956例)。使用ResNet152(152 layers)作為二分類模型的基礎(chǔ)架構(gòu),結(jié)合Grad-CAM技術(shù)生成模型激活熱圖,訓(xùn)練二分類模型。數(shù)據(jù)隨機(jī)分為訓(xùn)練集(70%)、調(diào)優(yōu)集(20%)和測(cè)試集(10%)。以測(cè)試集的預(yù)測(cè)結(jié)果檢測(cè)CXR二分類模型的效能。結(jié)果:在測(cè)試集中(“有發(fā)現(xiàn)”者1018例,“無發(fā)現(xiàn)”者995例),CXR二分類模型鑒別“有發(fā)現(xiàn)”與“無發(fā)現(xiàn)”的精確度分別為0.885和0.894,召回率分別為0.898和0.880,F1-分?jǐn)?shù)分別為0.891和0.887,ROC曲線下面積均為0.96。結(jié)論:使用CXR二分類模型可對(duì)X線胸片做出“無發(fā)現(xiàn)”與“有發(fā)現(xiàn)”的預(yù)測(cè)。