CT薄层影像特征制定的肺结节分级评估系统区分良恶性肺结节的应用价值

目的探究CT薄层影像特征制定的肺结节分级评估系统区分孤立性肺结节(SPN)良恶性的应用价值。方法回顾性分析我院2018年9月至2020年7月确诊的122例SPN患者的临床资料。采用CT薄层影像特征制定的肺结节分级评估系统进行分级评定,并以病理诊断结果为“金标准”,分析其准确性、敏感度及特异度,并通过Kappa检验分析其与病理诊断结果的一致性。结果病理诊断证实良性SPN 56例,占45.9%(56/122),多为不典型增生及错构瘤,占28.6%(16/56),恶性SPN 66例,占54.1%(66/122),多为腺癌及鳞癌;肺结节分级标准分类2级31例、3级29例、4A级9例、4B级53例;肺恶性结节中,空泡征、宝石征、肿瘤血管征、毛刺征的发生率明显高于肺良性结节(均P<0.05),而病灶周围有卫星病灶的发生率明显低于肺良性结节(P<0.05);将肺结节分级标准中3级及以下归为阴性结节,4级及以上归为阳性结节,诊断准确率为90.2%。肺结节分级标准诊断肺良性结节与病理结果表现出了较好的一致性(Kappa=0.803),以肺结节分级标准诊断肺良性结节的结果与“金标准”(病理诊断结果)比较,得到的敏感度87.9%(58/66)和特异度92.9%(52/56)。结论影像诊断时,合理利用基于CT薄层影像特征制定的肺结节分级评估系统能有效地分类CT筛查出的肺结节,较好区分SPN的良、恶性。     

薄层螺旋CT容积生长率联合最大密度投影对肺小结节的诊断意义

目的分析薄层螺旋CT容积生长率联合最大密度投影(MIP)对孤立性肺小结节(SPN)的诊断价值。 方法选取2017年2月至2020年2月我院经常规螺旋CT或临床检查疑似SPN患者82例,以穿刺活检或手术病理诊断,行薄层螺旋CT扫描,计算容积生长率,并进行MIP重建。统计病理结果,比较良恶性SPN容积生长率,统计MIP重建图像SPN良恶性结果及分布特点,评估薄层螺旋CT容积生长率联合MIP重建对SPN的诊断价值。 结果82例疑似SPN患者中经病理检查恶性21例,其中腺癌9例、鳞癌6例、支气管肺泡癌2例、转移瘤1例、小细胞癌1例、类癌1例、大细胞癌1例;良性61例,其中结核球25例、慢性炎性肉芽肿性病变21例、肌纤维母细胞瘤9例、错构瘤3例、肺曲菌球2例、动静脉瘘1例。82例疑似SPN患者共进行284次薄层CT检查,平均3.46次/例,恶性SPN患者平均结节容积、容积生长率均大于良性SPN患者(P<0.05);82例疑似SPN患者经MIP重建图像检出恶性26例,随机分布结节14例,小叶中心结节9例,淋巴管周围结节3例;良性56例,随机分布结节30例,小叶中心结节17例,淋巴管周围结节9例。 结论薄层螺旋CT容积生长率与MIP有助于SPN的诊断,二者联合的诊断价值较高。     

螺旋CT对孤立性肺结节的诊断价值

对86例孤立性肺结节(SPN;恶性59例,良性27例)患者的螺旋CT(SCT)影像学特点进行分析.结果 CT征象中深分叶征和棘突或毛刺征多出现于恶性结节,与病理和随访结果对比,该法判断肺小结节性质的准确率、灵敏度、特异性及阳性、阴性预测值分别为75.6%、76.3%、74.1%、86.5%、58.8%.提示SCT薄层扫描并多层面重建及增强扫描对SPN性质的判断有较高价值.     

容积再现技术在孤立性肺结节鉴别诊断中的价值

目的探讨容积再现技术(Volume rendering,VR)在孤立性肺结节(Solitary Pulmonary Nodules,SPN)鉴别诊断中的价值。方法收集我院门诊就诊,经术后病理证实的SPN患者482例,通过VR分析良恶性SPN的影像学特征。结果 482例患者包括恶性SPN 416例,良性SPN 66例。在恶性SPN中肿瘤微血管CT成象征(卡方值225. 51,P 0. 001)、血管集束征(卡方值19. 79,P 0. 001)、毛刺(卡方值14. 83,P 0. 001)和支气管充气征(卡方值3. 48,P 0. 05)检出率高于良性SPN,随着SPN密度的增加,肿瘤微血管CT成像征(趋势卡方值55. 08)的检出率逐渐降低(P 0. 001),而血管集束征(趋势卡方值92. 78),分叶征(趋势卡方值35. 87)及毛刺(趋势卡方值55. 62)的检出率逐渐增高(P 0. 001)。结论肿瘤微血管CT成象征在非实性结节和部分实性结节定性诊断中起到重要作用,而血管集束征、分叶征及毛刺在实性结节的定性诊断中更有价值。通过VR来评判SPN与血管之间的关系对恶性SPN早期诊断更有意义。     

肺内恶性孤立性小结节的CT征像特征分析与诊断

目的通过对肺内恶性孤立性小结节CT影像特征的分析,不断提高CT对恶性孤立性肺结节的检出率。方法全面、系统地回顾、分析134例肺内孤立性小结节患者的临床资料。结果 134例肺内孤立性小结节患者中,病检恶性80例(59.70%);病检和CT均诊断为恶性者78例,CT与病检符合率为97.5%,病检确诊为恶性而CT征像不支持者2例(2.50%),CT诊断为恶性,而首次病检不支持,再次病检支持者1例(1.25%);81例结节≥2.0 cm者,恶性75例(92.59%);53例结节2 cm者,恶性3例(5.66%);右肺结节恶性率为73.21%,明显高于左肺的43.59%(P0.05);恶性结节CT影像表现中胸膜凹陷征、引流线征、血管集束征、毛刺征、棘突征、分叶征、空泡和细支气管充气征,征像所占比例明显高于良性结节(P0.05);85.90%的恶性结节病例表现为3种以上基本影像征像并存。结论肺内孤立性结节恶性率高,其发病的部位和影像表现均具有其一定的特征性,CT诊断具有较高的检出率,在CT诊断过程中,要紧紧围绕结节的部位和影像征像进行仔细分析鉴别,对一时难以定论的结节要积极开展动态观察,以提高恶性孤立性肺结节的检出率,减少误诊和漏诊。     

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

目的探讨肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值。方法回顾性分析医院2018年3月～2019年3月收治的178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型,所有患者均经手术治疗,肺结节均经病理检查明确良恶性,恶性结节也均明确病理类型。统计肺部影像人工智能诊断系统的鉴别诊断结果;分析该方法与病理检查结果的一致性。结果本组患者中恶性结节占比38.78%,肺癌患者占比17.98%,且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%;经肺部影像人工智能诊断系统鉴别有152个良性肺结节,有93个恶性肺结节,有148例患者被诊断为良性肺结节病,有30例患者被诊断为肺癌,其中有21例被诊断为腺癌,有6例被诊断为小细胞癌,有2例被诊断为鳞癌,有1例被诊断为大细胞癌;经Kappa一致性检验,肺部影像人工智能诊断系统鉴别肺结节良恶性、肺癌病理类型结果与病理检查结果的一致性良好(Kappa值=0.801,P=0.015;Kappa值=0.763,P=0.024)。结论肺部影像人工智能诊断系统鉴别诊断肺结节性质及肺癌病理类型结果与病理检查结果一致性均较高,效能良好,值得推广。     

多层螺旋CT结合靶区HRCT及多种重建技术对新发现SPN良恶性的诊断价值探讨

目的 探讨多层螺旋CT结合靶区高分辨率CT （HRCT）及多种重建技术对新发现的孤立性肺结节（SPN）良恶性的诊断价值.方法 直径＜3 cm的新发现SPN患者110例,均先行常规胸部CT扫描,然后以结节为中心对靶区行HRCT扫描,再对靶区进行MPR、SSD等技术重建.根据CT所显示的结节大小、内部结构、边缘征、周围征、强化程度及临床资料作出诊断.结果 影像诊断良性结节22例（其中结核球12例、错构瘤6例、肺囊肿3例、硬化性血管瘤1例）,倾向良性结节36例,倾向恶性结节26例,恶性结节（周围型肺癌）26例.经病理及临床确诊恶性结节51例,影像诊断为周围型肺癌及倾向恶性结节49例,符合率96.1％;良性结节59例,影像诊断为良性及倾向良性结节56例,符合率94.9％.结论 多层螺旋CT结合靶区HRCT及多种重建技术能够对新发现的SPN良恶性作出客观有效的评价.     

16排螺旋CT扫描并MPR在孤立性肺结节影像诊断中的价值

目的探讨16排螺旋CT扫描并多平面重建(MPR)在孤立性肺结节(SPN)影像诊断中的价值。方法回顾性分析经病理证实的周围型小肺癌21例和良性SPN 29例的CT影像资料,所有患者均行16排螺旋CT容积扫描并MPR。结果 MPR图像比常规横断位扫描更能显示病灶的特殊征象,如胸膜凹陷、血管集束、小钙化、毛刺征、空泡征、棘状突起等。结论 16排螺旋CT扫描并MPR发现SPN的特殊征象更多,对区分SPN的良恶性具有重要价值。     

胸部CT增强扫描对肺内孤立性结节鉴别诊断探讨

目的探讨胸部CT增强扫描对肺内孤立性结节(SPN)鉴别诊断价值。方法对80例经针吸活检、手术病理证实的良、恶性SPN患者CT影像及增强扫描CT影像进行回顾性分析,分别测定注射造影剂前及造影剂后同一层面的CT值,并根据病理分组测定其强化值。对其均数进行统计学比较。结果①恶性SPN的CT强化值平均升高32.56±7.07,良性SPN的CT强化值平均升高8.25±2.64,表明两组病理性质不同的SPN在增强扫描时病灶中心层面的CT强化值有显著的差异(P<0.05);②将强化值20Hu作为下限判断恶性SPN其敏感性为92.1%,特异性77.5%。结论良、恶性SPN在CT增强扫描时存在不同的强化表现,正确认识及分析强化值及强化方式对良、恶性SPN鉴别诊断有一定帮助。     

CT血管征对肺微小结节定性诊断运用探究

目的探究CT血管征对肺微小结节定性诊断运用,为肺微小结节的定性诊断提供理论指导,以便选取更为合适的扫描参数。方法选取我院收治的肺微小结节患者127例,按照病变类型分为恶性病变组(n=82)和良性病变组(n=45),进行分组分析。结果 CT扫描可有效显示SPN情况,并可将血管征及其分型有效显示;CT血管征对恶性病变肺微小结节敏感性显著高于良性病变,其在恶性病变中构成比及分型均高于后者。结论 CT血管征对肺微小结节的定性诊断具有良好的辅助作用,能够有效指导恶性病变的判断。     

孤立性肺结节的临床分析

目的研究孤立性肺结节(SPN)的临床特征,探讨SPN诊断与治疗。方法胸腔镜手术治疗肺结节64例,分析年龄、性别、症状、吸烟史、肺内结节的影像学表现、手术情况、术后病理等因素。结果 SPN的恶性病变与吸烟史,肿瘤直径,肿瘤的边界,肿瘤钙化有关。64例患者中诊断为恶性病变36(56.25%)例。28(43.75%)例术中快速病理诊断为良性病变,其中错构瘤4例,结核球14例,炎性假瘤10例。结论 SPN的良恶性与吸烟史,结节大小,肿瘤边界,是否钙化有关;胸腔镜手术有助于SPN病理诊断与治疗。     

高分辨CT、胸部平片及病理学诊断肺磨玻璃结节临床分析

目的分析高分辨CT与胸部平片联合用于肺磨玻璃结节鉴别诊断的价值,以提高肺磨玻璃结节早期检出率,为临床合理治疗提供影像学依据。 方法选择2018年1月至2019年12月经手术病理结果或穿刺活检证实860例肺磨玻璃结节患者作为分析对象,全部患者在术前均接受胸部平片检查与高分辨CT检查,且均经高分辨率CT与胸部平片发现有肺部结节征象;记录手术病理及穿刺活检结果;观察患者胸部平片与高分辨CT检查主要征象,分析各检查方法单独及联合用于肺磨玻璃结节鉴别诊断的价值。 结果860例患者中经证实恶性385例,其中289例经手术病理确诊,96例经穿刺活检明确,包括原位腺癌135例,微浸润腺癌155例,浸润性腺癌72例,其他23例,恶性率为44.8%;860例肺磨玻璃结节患者经胸部平片检查结果显示,肺结节直径范围为1.0～3.0 cm;肺结节的分布：326例左肺,534例右肺;经高分辨CT检查结果显示,良恶性病变肺磨玻璃结节病灶大小比较,差异无统计学意义(P>0.05),恶性结节表现出不规则形、毛刺征、分叶征、界面清楚光整、空泡征、支气管征等征象占比均高于良性组(P<0.05);胸部平片、高分辨CT单独及联合诊断肺磨玻璃结节的曲线下面积分别为0.847、0.876、0.940,均>0.8,诊断价值好,且联合诊断的曲线下面积最大。 结论胸部平片与高分辨CT联合检测,并结合病理学对提高肺磨玻璃结节早期良性病变及恶性肿瘤进行鉴别诊断的正确率有重要价值。     

采用双能CT构建肺结节良恶性预测模型及碘图定量参数的临床分析

目的联合临床特征、双能量CT影像学特征及定量参数分析肺结节良恶性鉴别的危险因素,构建预测模型,分析碘图定量参数对肺结节定性诊断中的意义。 方法选择2015年1月至2021年6月我院收治的经双能量CT(DECT)检查≤3 cm的肺结节844例为对象,以病理结果为金标准分为良性组181例,恶性组673例,采用SPSS 23.0分析获取定性诊断的危险预测因子。Logistic回归多因素分析评估组间关系;ROC曲线评估模型的诊断价值。 结果844例有872个符合条件的肺结节,良性组182个肺结节、恶性组690个结节,单因素分析提示年龄、CT值、RECIST直径、碘浓度、碘比值、性别、吸烟史、结节数、密度、空洞征、含气支气管征在良恶性结节鉴别中有统计学差异(P<0.05),碘浓度≥1.05 mg/ml(AUC＝0.632,灵敏度＝77.4%、特异度＝45.1%)、碘比值≥13.9%(AUC＝0.604,灵敏度＝89.9%、特异度＝29.1%)时肺结节倾向于恶性。Logistic回归分析显示RECIST直径、碘浓度、密度、空泡征、含气支气管征被纳入预测模型,ROC曲线提示AUC＝0.808(Cut-off值＝0.49,灵敏度＝81.4%、特异度＝67.6%),去除碘图定量参数后重新构建的预测模型ROC曲线(AUC＝0.802,P＝0.000,Cut-off值＝0.481,灵敏度＝79.4%、特异度＝68.7%)。 结论年龄、CT值、RECIST直径、碘浓度、碘比值、性别、吸烟史、结节数、密度、空洞征、含气支气管征为肺结节定性诊断的危险预测因素,碘浓度≥1.05 mg/ml、碘比值≥13.9%时肺结节倾向于恶性;构建预测模型具有诊断意义,碘浓度在整体模型中贡献较小。     

Development and validation of diagnostic prediction model for solitary pulmonary nodules

BACKGROUND AND OBJECTIVE: The aim of this study was to develop a simple prediction model for the underlying diagnosis of solitary pulmonary nodules (SPN) based on clinical characteristics and thin-section CT findings. METHODS: Retrospective analysis was carried out on 452 patients with SPN (113 benign and 339 malignant) smaller than 30 mm, who underwent thin-section CT followed by surgical resection and histological diagnosis. The clinical characteristics were collected from medical records, and radiographic characteristics from thin-section CT findings. The prediction model was determined using multivariate logistic analysis. The prediction model was validated in 148 consecutive patients with undiagnosed SPN, and the diagnostic accuracy of the model was compared with that of an experienced chest radiologist. RESULTS: The prediction model comprised the level of serum CRP, the level of carcinoembryonic antigen, the presence or absence of calcification, spiculation and CT bronchus sign. The areas under the receiver-operating characteristic curve in training and validation sets were 0.966 and 0.840, respectively. The diagnostic accuracies of the prediction model and the experienced chest radiologist for the validation set were 0.858 and 0.905, respectively. CONCLUSION: The simple prediction model consisted of two biochemical and three radiographic characteristics. The diagnostic accuracy of an experienced chest radiologist was higher compared with the prediction model.     

孤立性肺结节危险因素及良恶性预测模型

目的分析孤立性肺结节的危险因素并探讨肺部结节良恶性预测模型。 方法收集雅安市人民医院2017年1月至2018年8月经胸外科手术切除且有明确病理诊断的112例孤立性肺结节患者的临床资料。回顾性分析其年龄、性别、吸烟史、肿瘤家族史、既往肿瘤史、血清癌胚抗原(CEA)、神经元特异性烯醇化酶(NSE)、细胞角蛋白19片段(CYFRA21-1),以及肺部结节密度、直径、位置、分叶、毛刺、胸膜凹陷征、血管集束征、空泡征、空气支气管征、钙化等影像学特征。根据病理诊断分为良性、恶性两组,进行单因素分析,将单因素分析中有显著性差异的临床信息纳入Logistic回归分析,筛选出恶性结节的独立危险因素并建立预测模型。 结果单因数分析中年龄、既往肿瘤史、CEA、CYFRA21-1、结节密度、分叶、毛刺、胸膜凹陷征、血管集束征、空泡征、钙化征有统计学差异(P<0.05)。Logjistic回归分析显示患者年龄、CEA、CYFRA21-1、磨玻璃密度、分叶为恶性结节的独立危险因素。恶性肺部结节的预测模型公式为：P＝e^x/(1+e^x),x＝-8.816+(3.018×密度)+(0.073×年龄)+(0.482×CEA)+(0.426×CRFRA21-1)+(1.421×分叶)。 结论患者年龄、血CEA、血CYFRA21-1、磨玻璃密度、分叶为恶性结节的独立危险因素,预测模型对恶性肺结节有较好的敏感性及特异性,诊断准确性较高。     

CT 血管征对肺微小结节定性诊断运用探究简

目的 探究CT血管征对肺微小结节定性诊断运用,为肺微小结节的定性诊断提供理论指导,以便选取更为合适的扫描参数.方法 选取我院收治的肺微小结节患者127例,按照病变类型分为恶性病变组（n=82）和良性病变组（n=45）,进行分组分析.结果 CT扫描可有效显示SPN情况,并可将血管征及其分型有效显示;CT血管征对恶性病变肺微小结节敏感性显著高于良性病变,其在恶性病变中构成比及分型均高于后者.结论 CT血管征对肺微小结节的定性诊断具有良好的辅助作用,能够有效指导恶性病变的判断.     

39例飞行人员肺结节临床特点及诊治初探

目的探讨飞行人员肺结节的临床诊治特点及鉴定原则。方法回顾性分析2000年1月至2019年3月空军特色医学中心39例肺结节患者的病史、X线胸片、胸部CT、PET/CT等结果,以及肺结节的诊治经过、飞行鉴定等资料,进行统计分析。结果39例飞行人员肺结节患者中,发现时22例(56.4%)无呼吸道症状,X线胸片检查31例,所有患者均行胸部CT检查,其中16例(51.6%)X线胸片检查与胸部CT检查一致,PET/CT检查14例(35.9%)。首次影像学检查显示恶性结节与良性结节、性质待定结节相比,发现时最大径最大、长短径比值最小(P值均<0.05),随访影像学显示,恶性结节与其它两类结节相比,最大径变化幅度、面积变化幅度均为最高(P值均<0.05)。胸部CT检查提示良、恶性结节密度、空泡征、边缘、分叶、毛刺比较,差异均有统计学意义(P值均<0.05);二者分布、边界及与血管关系比较差异均无统计学意义(P值均>0.05)。发现结节就诊时,27例(69.2%)均在3个月以上的地面观察后做出飞行结论。结论X线胸片用于肺结节的常规评估容易漏诊,胸部CT可进行评估和随访,PET/CT检查是CT检查的良好补充,有助于区分良恶性。发现肺结节后,无统一的飞行结论时间及流程、标准。     

人工智能在肺结节良恶性鉴别诊断中的价值分析

目的评价人工智能(artificial intelligence, AI)风险评估对肺结节良恶性鉴别诊断的价值。 方法收集2018年8月至2019年12月唐都医院行胸部CT检查，发现肺结节患者310例，将患者CT影像数据DICOM文件拷贝输入到"FACT人工智能"软件系统对结节进行分析，获得结节的部位、数量、特征(磨玻璃、亚实性、实性)、大小、密度、以及恶性风险概率AI值和Lung-rads分级；其中39例肺结节经过多学科讨论，建议采用外科手术、经皮肺穿刺或者支气管镜下活检等，271例患者进行随访。 结果31例肺结节病理诊断良性14例，分别为结核8例，隐球菌2例，炎性结节4例；恶性25例，分别肺鳞癌2例，腺癌23例。进一步分析，恶性病变的AI风险概率明显高于良性病变(P<0.05)；结节AI风险概率与肺结节特点(磨玻璃、亚实性、实性)显著相关(P<0.05)，而与数量及边缘毛刺征无显著相关性(P>0.05)；肺结节特点(磨玻璃、亚实性、实性)在良恶性之间存在显著性差异(P<0.05)，而密度和体积之间在在良恶性之间无显著性差异(P>0.05)。肺结节Lung-rads分级与AI风险概率之间具有显著的相关性(P<0.05)。 结论依据人工智能自动分析良恶性概率AI值对肺结节良恶性鉴别诊断具有一定的价值，值得临床借鉴。