探讨CT扫描剂量对人工智能检测肺结节效能的影响

目的：探讨影响人工智能检测肺结节效能的因素,力求为不同性质的结节提供个性化的扫描剂量及人工智能系统,同时为各人工智能系统适宜的扫描条件提供参考。方法：标准成人男子胸部X线/CT影像模型,内部随机分布15个不同密度和大小的模拟肺结节,采用不同的管电压和管电流对模型进行扫描,共扫描50次。应用不同公司的人工智能系统进行肺结节检测,采用Pearson χ²检验或Fisher确切概率法比较各组检出率和假阴性率;采用Kruskal-Wallis H检验比较假阳性率。结果：①不同管电压条件下,公司A和公司C对不同性质肺结节的检出率无统计学差异;公司B对+100HU结节的检出率,70kV（100%）组高于120kV（80%）和140kV（80%）组;公司B对3mm结节的检出率,70kV组（33.33%）高于120kV（0%）和140kV（0%）组,差异有统计学意义。②各管电压组内不同管电流间及各管电压组间,检出率、假阴性率的差异无统计学意义。各管电压组间假阳性率的差异具有统计学意义。③公司A在70kV组检出率（64.44%）低于公司B（80.00%）、假阴性率（35.56%）高于公司B（20.00%）;公司A的假阳性率高于公司B和公司C;公司B和公司C间检出率、假阴性率、假阳性率无统计学差异。结论：人工智能辅助肺结节检测的灵敏度与CT扫描剂量无关,与结节性质及AI系统性能有关。本研究中公司B和公司C整体性能高于公司A,最佳扫描管电压分别是70kV、70kV和100kV。     

影像组学在诊断肺结节中的研究进展

近年来随着医疗水平的发展,人们对自身健康的重视程度不断提高,使得肺结节等占位性病变能够被更早的检出,但在全球范围内,肺部恶性病变造成的死亡人数仍然在不断攀升且居高不下。影像组学是一个新兴的领域,旨从医学图像中获得自动定量成像特征,无创地预测结节和肿瘤行为。与传统的视觉图像特征相比,影像组学可以提取更多数量的结节特征,具有更好的重现性。科学系统地运用影像组学手段不仅能够防止过度的医疗行为,减轻患者经济负担,同时也能使肺部病变患者得到尽早的治疗以获得最佳的预后。     

基于瓶颈残差注意力机制U-net的肝脏肿瘤分割

医学CT图像中含有的大量噪声以及肝脏肿瘤大小不均一、位置因人而异且与相邻器官较相似的组织密度等都造成肝脏肿瘤分割困难。现有传统全卷积神经网络（FCN）方法,通过为输入CT图像中每个像素分配类别标签来实现肝脏肿瘤分割,但在分割精度上仍会出现小目标漏检或目标边界分割模糊的问题。针对这些问题,本文提出一种瓶颈残差注意力机制U-net（BRA U-net）的肝脏肿瘤分割方法,通过引入瓶颈残差模块可在非常深的网络中大幅减少计算量的同时解决梯度消失问题,此外堆叠的注意力模块可以增大有效特征的比重。本文在公共MICCAI2017肝肿瘤分割数据集上测试了该框架,戴斯相似性系数值达到0.788,高于其他对比分割网络,并利用3D-IRCADb数据集来验证该方法的一般性,结果表明本文方法分割效果良好,能够为临床诊断提供可靠依据。     

基于CT表现的孤立性肺结节良恶性预测模型的研究

目的:筛选并分析影响肺结节良恶性的因素,建立预测模型、验证该模型并与梅奥模型、Brock模型对比。方法:回顾性分析2015年1月至2017年12月深圳市人民医院有病理结果的孤立性肺结节病例319例,其中229例作为建模组（A组）,90例作为验证组（B组）,分析A组病例性别、年龄、直径、吸烟史、毛刺、位于上叶、边界不清楚、分叶征、空泡征、血管集束征、胸膜凹陷征、含磨玻璃密度及钙化,通过单因素分析及Logistic回归分析,筛选出独立影响因子,并建立回归方程。用B组资料进行验证并将B组资料分别代入本研究模型、梅奥模型及Brock模型进行对比。结果:单因素分析示年龄、直径、毛刺、上叶、边界不清楚、分叶、空泡、血管集束征、胸膜凹陷征、是否含有磨玻璃密度在良恶性结节中的差异具有统计学意义（P<0.05）,Logistic回归分析示有毛刺、有分叶、边界不清楚和含有磨玻璃密度为恶性孤立性肺结节的独立影响因素,并据此建立的回归方程ROC曲线下面积为0.894,其灵敏度为91.3％,特异度为77.3％,阳性似然比为4.02,阴性似然比为0.11,阳性预测值为80.8％,阴性预测值为89.5％;本研究模型与梅奥模型的差异有统计学意义（P=0.0049）,与Brock模型差异没有统计学意义（P=0.79）。结论:有毛刺、有分叶、边界不清楚和含有磨玻璃密度为恶性孤立性肺结节的独立影响因素,据此建立的回归方程具有较高的诊断效能。本研究建立的模型诊断效能优于梅奥模型,与Brock模型诊断效能相当。      

基于两种AI软件对肺结节的诊断价值评价研究

目的：探讨两种AI软件在≥5 mm肺结节中的临床应用价值。方法：选取2021年6月至2021年10月延安大学附属医院体检肺结节患者92例（共483个结节）。AI软件检测到的结节由影像学医师进行评估并记录其个数及结节类型;人工阅片由两名高年资影像学医师进行视觉评估,并以此作为识别结节的金标准。计算两个软件的检出率、假阳性率和假阴性率,评价两种AI软件的结节诊断价值;卡方检验和Fisher精确检验来比较不同软件与金标准之间的差异;最后,评价两种AI软件联合对肺结节的诊断价值。结果：软件A和软件B结节检出率为92.1%和87.0%;软件A与人工阅片的吻合度一般（Kappa=0.213）,软件B与人工阅片的吻合度较弱（Kappa=0.150）;软件A相比人工阅片对实性结节和钙化结节的检出有统计学差异;软件B相比人工阅片纯磨玻璃结节的检出有统计学差异;联合两种AI软件结节的检出率为97.1%,两种软件的联合与人工阅片比,结节类型的检出没有统计学差异。两种AI软件联合与人工阅片的吻合度较好（Kappa=0.439）。结论：两种AI软件联合会提高结节诊断及分类分析的能力;推荐联合诊断的方法用于临床,...     

能谱CT成像瞬时切换技术对于肺结节的临床价值

目前的研究已证实能谱CT成像技术可用于评价病灶性质的判断。对于肺结节,能谱CT成像技术有助于肺结节良恶性的鉴别;对于肺癌患者,能谱CT成像技术也可以提供有关定性、分期及疗效监测的信息。本文对目前肺结节的能谱CT成像技术的临床应用进行综述;包括肺结节的能谱CT成像扫描技术、肺结节的鉴别诊断、肺癌分期、与临床指标的相关性以及其在疗效监测等方面的应用。      

螺旋CT扫描高分辨薄层对肺内微小结节诊断的评价

本文通过对２０例小于１ｃｍ的肺内微小结节病灶的分析，比较了螺旋ＣＴ扫描，常规ＣＴ扫描，及胸部平片在临床应用的价值，认为螺旋ＣＴ扫描高分辨薄层重建可以提高肺内微小结节的检出率，并有利于研究结节的内部，边缘和结节的周围情况，从而对早期肺癌的定性诊断和鉴别诊断有重要价值。     

AI在双源CT不同管电压下对肺结节的检测效能

目的：探讨人工智能辅助诊断系统在双源CT不同管电压下对肺结节的检测效能。方法：回顾性的搜集行双源CT的门诊患者200例,经排除最终筛选得到198例符合标准的图像,将图像进行后处理,得到100kVp,融合120kVp和140kVp下的胸部CT图像;根据结节大小、密度及位置分组,比较在不同管电压下人工智能检测肺结节的假阳性与假阴性个数。结果：AI在双源CT 100kVp下对于磨玻璃结节具有较好的分辨能力;在双源CT融合120kVp图像中,对肺结节的误诊率最高,但具有较低的漏诊率;然而,在双源CT 140kVp下对肺结节自动检出效能最差。结论：人工智能在融合120kVp下对肺结节的检测的假阴性率较低,可以降低医师诊断肺结节的漏诊率。     

肺亚实性结节CT图像定量变化对浸润的判断

目的：定量评估肺亚实性结节（SSN）内非实性成分从基线到随访CT扫描之间的变化,以鉴别诊断有浸润表现的SSN,即微浸润性腺癌（MIA）和浸润性腺癌（IAC）。材料与方法：回顾性纳入有基线和复查CT,并有组织学结果的SSN。测量指标为SSN整体最大直径,非实性成分CT值均值、最大CT值、最小CT值和CT值标准差。以时间为因变量,用线性回归评估SSN测量值从基线到复查扫描的进展。采用受检者工作特征曲线（ROC）和曲线下面积（AUC）评价测量值年化改变对有浸润表现SSN的诊断能力。结果：71名患者（男32,女39）中纳入78个SSN,其中良性19个,原位腺癌10个,微浸润腺癌36个,浸润腺癌13个。所有SSN分类的直径均与时间呈显著正相关（P<0.05）。有浸润表现SSN的非实性成分CT值标准差与时间显著正相关（P=0.037）。良性和原位腺癌中,所有4个CT值指标与时间无相关性（P>0.05）。ROC分析提示CT值标准差年化改变可以明显诊断有浸润表现的SSN（P=0.014）,诊断敏感性、特异性和AUC分别为68.7％,77.8％和0.747。结论：在SSN的复查过程中,良性、原位腺癌、MIA和IAC的直径都有增加,评估CT值标准差的变化能够鉴别诊断有浸润表现的SSN（MIA和IAC）。     

基于人工智能的胸部CT肺结节检出及良恶性诊断效能评估

目的：评估基于深度学习的人工智能（AI）软件在胸部CT肺结节检出及良恶性诊断的价值。方法：收集2018年6月至2020年4月本院经手术确诊的肺结节患者172例,共切除204枚结节。将172例术前高分辨胸部CT图像导入人工智能识别系统,分别采用人工智能和影像医师阅片检出肺结节及良恶性诊断,对比两种阅片方法的敏感度、阳性预测值及假阳性结节个数。以病理结果为诊断金标准,对比AI与影像医师在恶性肺结节诊断中的敏感度、特异度及受试者工作特征（ROC）曲线下面积。结果：172例胸部高分辨CT共检出796枚真结节;AI与影像医师检出结节的敏感度分别为90.5%和75.0%,阳性预测值分别为74.5%和99.7%,假阳性结节总数分别为247个和2个。204枚经手术切除的结节中,AI、影像医师及AI联合影像医师诊断恶性肺结节的敏感度分别为93.3%、78.5%和98.6%,特异度分别为34.8%、79.7%和79.7%;AI、影像医师及AI联合影像医师诊断恶性肺结节的ROC曲线下面积分别为0.641、0.791和0.819。结论：AI检测肺结节的敏感度明显高于影像医师,但AI假阳性率亦较高;AI联合影像医师诊断恶性肺结节效能高于AI或影像医师单独诊断;建议AI联合影像医师共同检出肺结节和良恶性诊断,可以降低漏诊率、提高诊断正确率。     

肺部良性肿块的CT表现

目的是分析了肺部良好性肿块的ＣＴ表现,探讨病变的鉴别诊断,方法用１０例病人中,硬化性血管瘤１例,孤立性肺囊肿２例,１０例均行常规胸部ＣＴ扫描,其中８例行增强扫描。结果得到硬化性血管瘤边缘光滑锐利,密度致密均匀,增强扫描强化特别明显,错构瘤呈爆花米样钙化或梅花瓣样钙化,呈浅分叶状,可有血管连接征,曲菌球,２例在空洞内呈游离状态,１例菌球占满空腔呈分叶状,形似肺癌,但增强扫描无强化,２例肺隔离症分别位     

肺结节CT图像纹理特征的初步研究

目的:探讨图像纹理特征分析法在肺结节诊断中的作用。方法:收集104例经临床手术病理证实的肺结节患者,采用水平集模型自动分割、提取肺结节,用灰度共生矩阵法对肺结节的能量、相关、对比度、逆差距和熵等图像纹理特征进行提取,将良、恶性结节的纹理特征进行比较。结果:肺良恶性结节的能量、相关、对比度、逆差距和熵均存在统计学差异(P＜0.05),其中肺良性结节的能量、逆差距、相关性均大于恶性结节,良性结节对比度及熵的均值小于恶性结节。结论:肺良性结节纹理灰度分布均匀、纹理规则、局部灰度反差不大,而肺恶性结节纹理灰度分布不均匀、纹理杂乱、灰度反差明显,因此图像纹理特征对肺结节的诊断有重要的价值。     

CT纹理特征分析在孤立性肺结节诊断中的研究进展

肺癌是我国发病率位居首位的恶性肿瘤,胸部CT扫描能提高肺癌的检出率和正确诊断率。早期或没有症状的肺癌大多表现为孤立性肺结节,因此肺部结节的鉴别诊断非常重要。传统CT诊断基于肺结节影像外部及密度特征,对于部分结节,尤其是磨玻璃密度结节的鉴别较困难。CT纹理特征分析基于内部灰度特点变化等多种特征的量化,为孤立性肺结节的良恶性鉴别、预后判断及基因突变预测提供有用参考,从而弥补了传统CT量化评估不足的缺点。本文总结CT纹理特征分析的基本原理、方法和工作流程及其在孤立性肺结节诊断中的应用。     

新冠肺炎疫情期间肺结节影像网络公益图文问诊特点分析

目的:探讨新冠状病毒肺炎疫情期间,肺结节网络影像学图文问诊情况的分析。方法:新冠肺炎疫情期间,开放针对肺部病变的网络公益图文问诊,共收到83例肺部疾患患者中的肺结节患者的影像学网络就诊信息,包括年龄、性别、问诊原因等,对肺结节的影像学表现、诊断等进行统计分析,反映新冠肺炎疫情期间公益肺结节影像学网络图文问诊肺结节的特征。结果:新冠肺炎期间的网络公益图文问诊的肺结节患者73人,有71例患者的87枚肺结节满足网络图文问诊要求,问诊患者平均年龄约35岁,影像学发现良性的肺结节占87.4%(76/87),不确定结节占8.1%(7/87),恶性肺结节占4.6%(4/87),并给予了相应的处理意见。结论:新冠肺炎疫情期间肺结节的影像网络图文问诊是可行的,问诊以青年人为主、肺结节影像学表现绝大多数为良性肺结节,也发现了早期肺癌。     

CT引导同轴定位活检针经皮肺穿刺活检术对孤立性肺结节诊断价值

目的:探讨CT引导下同轴定位针经皮穿刺活检在孤立性肺结节良恶性的诊断价值,分析影响诊断准确性的因素。方法:选择2017年9月至2019年7月于我院CT室发现孤立性肺结节患者40例,随机分为研究组(接受CT引导同轴定位活检针经皮肺穿刺)和对照组(在CT引导下采用巴氏切割针取材),每组20例,根据CT扫描图像选择最佳穿刺层面及穿刺点获取标本。比较两组患者穿刺活检成功率、诊断准确率及穿刺并发症。结果:研究组患者穿刺活检成功率及诊断准确率高于对照组患者的(P <0.05);孤立性肺结节(SPN)恶性病变诊断敏感度、特异度分别为92.86%、90.00%,显著高于对照组患者。Kappa检验CT引导下穿刺活检与手术或随访结果一致性较高(Kappa=0.725,P=0.000)。穿刺病灶大小是影响CT引导下穿刺活检诊断SPN的因素。结论:CT引导下同轴定位针经皮穿刺活检可提高穿刺活检成功率及诊断准确率,降低穿刺相关并发症风险,对SPN诊断与手术病理结果一致性较高。     

人工智能体积密度法判断肺亚实性结节的浸润性研究

目的:探讨人工智能（AI）体积密度法判断肺亚实性结节（SSNs）浸润性的价值。方法:回顾性分析106例患者的108枚SSNs的CT和病理结果,将结节分为腺体前驱病变组和腺癌组。通过肺结节AI软件测量并比较两组的最大CT值、最小CT值、平均CT值、峰度、偏度、Perc.25％、Perc.50％、Perc.75％、Perc.95％、结节体积、结节平均径等CT定量参数。使用Medcalc软件得出受试者工作特征曲线（ROC）,评价诊断SSNs浸润性的敏感度、特异度、阳性预测值及阴性预测值,用逻辑回归分析评估他们的诊断性能。结果:SSNs的多数CT定量参数差异存在统计学意义,其中,诊断效能最高的是Perc.25％,AUC达0.797;其次为Perc.50％ 和平均CT值,AUC均为0.787。Logistic回归分析显示,将诊断效能最高的Perc.25％ 分别与Perc.50％ 和平均CT值两两建立联合诊断模型1,其中Perc.25％ 与平均CT值的模型诊断效能最高,且联合诊断模型诊断效能高于Perc.25％ 与平均CT值单独的诊断效能。Medcalc软件分析显示,Perc.25％≥-578 HU和平均CT值≥-468 HU的SSNs病理表现为腺癌的可能性大。将Perc.25％ 与结节平均径结合,可获得对判断SSNs浸润性非常有价值的联合诊断模型2。结论:AI体积密度法对SSNs的浸润性有较高的诊断价值,联合使用Perc.25％ 与平均CT值比单独使用更能准确地判断浸润性。