目的 研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值.方法 从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究.根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄).采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P＜0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素.结果 ①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P＜0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P＜0.05),而2组GGN患者年龄差异无统计学意义(P＞0.05).②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P＜0.05),其他无差异.③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值.结论 基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断.人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳.

目的 探讨增强CT在预测胃肠道神经内分泌肿瘤淋巴结转移中的价值.方法 回顾性分析33例经手术病理证实的胃肠道神经内分泌肿瘤的增强CT的表现,比较有淋巴结转移组与非淋巴结转移组的定性差异及测量其相关CT值的定量差异,并对其进行卡方检验、Fisher精确性检验、Mann-Whitney U检验及Logistic回归分析.结果 胃肠道神经内分泌肿瘤是否坏死、内壁外壁是否受侵犯、强化程度、强化均匀度、分层强化、淋巴结转移及远处转移在组间均无显著统计学差异.静脉期最大CT值(P=0.035)、静脉期平均CT值(P=0.043)、静脉期-平扫CT值(P=0.015)、静脉期-平扫CT值除以平扫CT值(P=0.011)组间差异具有统计学意义.ROC曲线分析,得出静脉期最大CT值、静脉期平均CT值、静脉期-平扫CT值、静脉期-平扫CT值除以平扫CT值在参数的曲线下面积其AUC值分别约为0.741、0.731、0.778、0.792,静脉期-平扫CT值除以平扫CT值诊断效能最好.结论 增强CT部分参数在预测胃肠道神经内分泌肿瘤淋巴结转移上具有一定价值.

目的 探讨术前输尿管结石嵌顿的CT预测因素,进一步提高术前预测的准确性.方法 选取 81 例输尿管结石患者的影像学资料.根据结石嵌顿定义将患者分为嵌顿组和非嵌顿组,分别记录性别、年龄、结石部位;在轴位CT图像评价结石的最大径、CT值,结石部位输尿管壁厚度,结石上下层面输尿管最大径及CT值,冠状位图像测量结石最大径.两组间数据比较,差异有统计学意义(P<0.05).结果 结石嵌顿组 38 例,结石非嵌顿组 43 例.结石嵌顿组与结石非嵌顿组比较:轴位结石的最大径、结石CT值,结石部位输尿管壁厚度,结石上方层面输尿管最大径、结石下方层面CT值差异有统计学意义(P<0.05),患者年龄、结石位置、结石下方层面输尿管最大径、结石上方层面输尿管CT值两组间差异无统计学意义(P>0.05).结论 术前CT平扫预测输尿管结石嵌顿是可行的,尤其是结石大小及密度、结石处输尿管壁厚度、结石上方层面输尿管最大径、结石下方层面输尿管CT值可作为重要术前预测因素.

目的 探讨胸腔积液量在评估急性胰腺炎(AP)严重程度中的应用价值.方法 选取本院收治的急性胰腺炎并发胸腔积液患者 43 例,按照急性胰腺炎亚特兰大分类将患者分为重症急性胰腺炎(SAP组)24 例,非重症急性胰腺炎(NSAP组)19 例,并运用 3Dslicer技术测量各例AP患者的胸腔积液量,微软 EXCEL及IBM SPSS 26.0 版进行统计分析,分析胸腔积液量与AP严重程度的相关性并寻找SAP与NSAP的最佳临界值.结果 胸腔积液量两组比较,SAP组明显高于NSAP组,差异有统计学意义(P<0.05),且AP患者左侧更容易发生胸腔积液.胸腔积液量≥130.5 ml是确定SAP的最佳临界值,敏感性为 62.5%,特异性为 84.2%.结论 胸腔积液的量化有助于评估AP患者的病情,可以作为早期预测AP严重程度的可靠影像学指标.

目的 探讨MSCT肺动脉成像(MSCTPA)右心功能参数评估急性肺栓塞(APE)严重程度的临床价值.方法 选取我院行MSCTPA诊断为急性肺动脉栓塞的患者 60 例,按肺动脉栓塞指数分为低危组 33 例、高危组 27 例,另选取同期MSCTPA检查结果阴性者 30 例作为对照组.测量并比较三组右心功能参数:右心室、左心室短轴最大径及其比值(RV、LV、RV/LV);肺动脉主干直径及其与主动脉直径比值(PA、PA/AO).结果 60 例急性肺栓塞患者MSCTPA主要表现为肺动脉内中心性或偏心性低密度充盈缺损,以"靶征"或"双轨征"为主 37 例,以"锐角征"为主 23 例,右心增大 49例,肺少血征 13 例,肺不张 5 例,胸腔积液 17 例,心包积液 6 例.60 例共显示 478 支肺段动脉栓塞.低危组显示肺段动脉栓塞 148 支,占 30.96%;高危组显示肺段动脉栓塞 330 支,占 69.04%.右心功能参数RV、RV/LV、PA、PA/AO低危组大于对照组,高危组大于对照组、低危组,三组间差异有统计学意义(P<0.05).结论 右心功能参数可评估急性肺栓塞的严重程度,为临床治疗方案的选择和患者预后的预判提供依据,具有重要的临床价值.

目的 探讨利用胸部CT能谱成像测量骨密度参数对慢性阻塞性肺疾病(chronic obstructive pulmonary dis-ease,COPD)患者合并骨质疏松的诊断价值.方法 选取我院COPD患者 171 例,均行双能X线吸收仪(DXA)骨密度检查及胸部能谱CT检查.以DXA检查结果为"金标准"分为骨质疏松组 96 例,非骨质疏松组 75 例.基于胸部CT能谱成像于所有患者中段胸椎(T5～T8)中间层面松质骨区选取感兴趣区(ROI),测量松质骨羟基磷灰石[HAP(水)、钙(水)]、HAP(脂)基物质对密度值及能谱曲线斜率(λ),各参数得出其中段胸椎平均值.比较两组间HAP(水)、钙(水)、HAP(脂)及λ的差异性,利用二元Logistic回归联合ROC曲线分析HAP(水)、钙(水)、HAP(脂)及λ诊断COPD患者合并骨质疏松的效能及临界值.结果 骨质疏松组的HAP(水)、钙(水)、HAP(脂)及λ均低于非骨质疏松组(z=-9.664,-9.625,-9.508,-9.508;P<0.001);HAP(水)诊断效能最佳,AUC 93.1%,灵敏度 85.4%,特异度 85.3%,临界值 84.27.结论 利用胸部CT能谱成像诊断COPD患者合并骨质疏松的价值较高,HAP(水)为最佳参数.

目的 分析各种品牌医用防护口罩的适合性检验通过率,探讨快速根据头面尺寸匹配医用防护口罩的方法.方法 选择天津市定点医院的 202 名医务人员作为研究对象,对A、B、C、D、E 5 种品牌口罩采用气溶胶凝结核计数器进行定量适合性检验.采用二维摄影测量获取研究对象形态面长及面宽,对应颜面分栏将研究对象脸型归为#1～#10 类.比较各颜面分区研究对象口罩通过率、不同品牌口罩测试通过率、不同脸型研究对象各种口罩测试通过率的差异.结果 共有 202 名测试人员参加本研究.根据颜面分栏,其中#1 类脸型占比最多[43.6%(88/202)],其次为#3 类脸型[18.2%(37/202)],研究对象多为#1、#2、#3、#4 类脸型,共 176 名,占 87.1%.202 名测试者共进行 914 次测试,通过次数 678 次,整体口罩通过率为 74.18%.A、B、C3 种品牌口罩通过率明显高于D、E口罩[87.03%(161/185)、85.57%(166/194)、82.02%(146/178)比 62.98%(114/181)、51.70%(91/176),均P＜0.05],头戴式可调节口罩通过率明显高于不可调节口罩[79.54%(587/738)比 51.70%(91/176),P＜0.05],B品牌口罩对＜#1～#5 类脸型的适合因数(FF)明显高于#6～#10 类脸型[200(163,200)比 132(86,200),P＜0.05].结论 通过二维摄影测量可以快速获得研究对象面部信息并匹配相应口罩,医院在配置时可根据医务人员脸型分区占比情况匹配测试通过率较高的口罩.在口罩选择中,尽量选择头戴式可调节口罩.

目的:探讨CT定量参数联合中性粒细胞/淋巴细胞比值(NLR)与慢性阻塞性肺疾病(COPD)合并Ⅱ型呼吸衰竭患者肺功能的相关性及预后预测价值.方法:将2021年1月—2022年12月在本院诊治的122例COPD合并Ⅱ型呼吸衰竭患者作为研究对象.治疗前所有患者行1.0 mm薄层胸部CT扫描,使用Philips IntelliSpacePortal工作站内的COPD软件,测量并记录肺总容量、肺气肿容量、最大吸气末容积(MIV)、最大呼气末容积(MEV),并计算肺体积百分比(LVP).对患者血液内的中性粒细胞和淋巴细胞浓度进行检测,计算并记录两者的比值(NLR).采用耶格肺功能检测仪对患者的肺功能进行评估,记录用力肺活量(FVC)和一秒用力呼气容积(FEV1).观察患者自入院治疗起90天内是否发生难以纠正的呼吸衰竭、心绞痛、心肌梗死、心力衰竭、心源性猝死、多脏器功能障碍及死亡等不良事件,将患者分为预后不良组和预后良好组.采用t检验方法比较2组间CT定量参数及NLR的差异,应用Pearson相关性分析评估CT定量参数、NLR与肺功能指标的相关性,采用受试者工作特征(ROC)曲线评估CT定量参数和NLR在患者预后预测中的效能.结果:MIV、MEV、NLR分别与FVC、FEV1呈负相关(P均<0.05),而肺体积百分比与FVC、FEV1均无统计学相关性(P均>0.05).预后良好者89例,预后不良者33例.预后良好组的MIV、MEV和NLR显著低于预后不良组,差异均有统计学意义(P<0.05);而肺体积在两组间比较差异无统计学意义(P>0.05).CT定量参数(MIV、MEV)及NLR预测患者COPD合并Ⅱ型呼吸衰竭患者预后的AUC分别为0.709(95％CI:0.601～0.816)、0.820(95％CI:0.744～0.895)和0.895(95％CI:0.825～0.965),三者联合预测患者预后的AUC达0.935(95％CI:0.882～0.988).结论:CT定量参数(MIV、MEV)及NLR与COPD合并Ⅱ型呼吸衰竭患者的肺功能具有相关性,且三者联合对预测患者预后具有较的效能.

目的 基于肝脏病变,探讨Revolution CT不同期相虚拟平扫(VNC)与真实平扫(TNC)的等效性及影响因素.资料与方法 回顾性收集东南大学附属中大医院2021年12月—2022年4月行肝脏平扫及动脉(A)、静脉(V)及延迟(D)三期能谱增强的62例患者,测量直径≥5 mm的肝脏病灶,按TNC的CT值分为1组(≤20 Hu)及2组(>20 Hu),按强化程度分为a组(三期增强强化程度均≤20 Hu)和b组(三期增强中至少有一期强化程度>20 Hu),分别比较TNC和三期VNC组病灶的CT值、最大径及病灶检出率,使用多因素回归分析观察VNC与TNC CT值差值的影响因素.结果 各组病灶CT值差异有统计学意义(χ2/F=14.712、18.603、7.334,P均<0.01),仅1a组病灶VNCV和VNCD与TNC差异无统计学意义(P均>0.05),其余病灶与TNC相比,a类病灶VNC偏低,b类病灶VNC偏高(P均<0.05).各组病灶VNCA和VNCV与TNC的最大径差异无统计学意义且呈极强相关(P 均>0.05;r 均>0.8,P 均<0.001).4 组检出率差异有统计学意义(χ2=47.660,P<0.001),VNCV高于VNCA及VNCD(P均<0.05).VNC与TNC的CT值差值与增强CT值呈正相关(r2修正=0.209、0.142、0.062,P均<0.001).结论 对于肝脏病变,Revolution CT静脉期VNC是替代TNC的最佳期相,并能通过静脉期CT值行一定矫正.

目的:探讨不同等级深度学习图像重建(DLIR)算法对肾上腺肿瘤的检出、组学特征可重复性和组学模型鉴别肿瘤类型效能的影响.方法:回顾性收集41例肾上腺功能性腺瘤(FAA)和46例肾上腺转移瘤(AM)患者的临床和影像资料.CT增强扫描完成后,对静脉期的原始数据采用4种强度等级(DL1、DL2、DL3、DL4)的DLIR算法进行重建.首先采用主、客观指标比较4种等级间图像质量的差异;然后使用Research Portal V1.1科研平台对各组重建图像上肾上腺肿瘤进行分割并提取450个影像组学特征,包括原始图像特征90个和拉普拉斯(LoG)滤波后的高阶特征(高斯核:0.5、1.0、1.5、2.0)360个.采用一致性相关系数(CCC)评估采用不同图像重建等级测量的FAA和AM组学特征的可重复性.最后,在各组重建图像中采用逐步特征选择策略,筛选出最优特征集并构建鉴别FAA和AM的组学模型.利用五折交叉验证法验证4个组学模型的鉴别效能,利用分层交叉验证法测评4个模型的泛化能力.结果:DL2和DL3在肾显示上腺肿瘤的清晰度方面最优,得分为4(4,5),优于DL1相应得分4(3,5)和DL4相应得分4(3,4),且差异具有统计学意义(F=139.045,P<0.05).随着DLIR降噪等级的提升,原始特征CCC值>0.85的个数逐渐减少,DL4中FAA和AM特征可重复的比例仅占39.3％(21/90)和50.9％(29/90).组学特征经过LoG滤波(高斯核2.0)处理后,CCC值>0.85的个数增加,DL4中FAA和AM特征可重复的比例占91.1％(82/90)和93.3％(84/90).4个组学模型在测试集中的曲线下面积(AUC)和符合率均>0.75,DeLong检验显示AUC的差异无统计学意义(Z=0.177～1.284,P=0.199～0.859).但分层交叉验证显示,DL4重建图像的泛化能力最弱,AUC和符合率均<0.75.结论:高降噪等级的DLIR算法会降低对肾上腺肿瘤显示的清晰度以及组学模型的泛化性.虽然LoG滤波器(高斯核:2.0)有助于提升组学特征测量的可重复性,但仍建议在肾上腺影像诊断和组学模型训练时,使用中低降噪等级的DLIR图像.