呼吸音数字化分析在体格检查及呼吸系统疾病诊断中的研究进展

肺部听诊是体格检查的重要手段,自1816年Laennec发明听诊器以来,听诊广泛应用于临床尤其是呼吸系统疾病中,成为呼吸科医师诊断和评估疾病的重要检查手段。近年来,随着传感芯片以及人工智能技术的迅速发展,呼吸音数字化分析,即通过记录存储呼吸音并应用人工智能算法对呼吸音进行定量分析,为呼吸音指导临床诊疗提供了新的选择。本文就听诊目前面临的挑战、呼吸音数字化分析概述、呼吸音数字化分析在肺部体格检查中的意义以及其在呼吸系统疾病诊断中的辅助价值进行综述,旨在提高呼吸学界对呼吸音数字化分析技术的重视。

慢性呼吸系统疾病患者吸入用药依从性现状及用药记录器在其中的作用

患者吸入用药的依从性是影响慢性呼吸系统疾病疗效的重要因素。慢性呼吸系统疾病患者吸入用药依从性差与患者高病死率、高医疗花费密切相关。用药记录器作为用药依从性评估的金标准,可为临床医务工作者提供客观准确的用药数据,进而辅助临床决策。文章就吸入给药在慢性呼吸系统疾病中的意义、用药依从性在慢性呼吸系统疾病中所面临的挑战、用药依从性的评估方法以及用药记录器提高患者用药依从性的作用及其应用现状进行综述。

基于胸部CT的人工智能技术在COPD中的临床应用价值及进展

慢性阻塞性肺疾病(COPD)是一种严重危害人类健康的常见病和多发病。目前对COPD的诊断和严重程度判定主要依赖于肺功能与计算机断层扫描影像结合。传统的人工阅片方式存在着人力负担重、主观性强等缺陷。基于人工智能的深度学习技术通过运用大量已知结果的个体数据进行训练、建立模型,从而对COPD的影像进行精准的识别和评估,大大提高了COPD的筛查和诊断效率。目前已经有多个模型应用胸部影像在COPD的识别、慢性阻塞性肺疾病全球倡议分级评估和急性加重风险预测等方面展现了良好的临床应用前景。本文希望通过对胸部影像学及人工智能技术在COPD诊断、严重程度分级、分型等方面的进展及临床应用价值进行综述,以帮助呼吸学界提高对COPD的认知。

慢阻肺患者CT图像中肺内血管分割及定量分析

目的肺内血管形态结构的改变是慢性阻塞性肺疾病(慢阻肺)的一种重要病理改变。针对慢阻肺中肺血管疾病的定量评估问题,提出一种基于各向异性连续最大流的肺内血管自动分割方法,并定量分析不同半径的肺内血管体积分布,以研究慢阻肺病程中肺血管重塑规律。方法使用U-Net分割肺体,获取肺脏区域,减少后续血管增强与分割的运算量;借助基于多尺度Hessian矩阵的血管增强方法,获得血管的似然增强结果和轴向方向;将血管似然结果和轴向信息以数据保真项和各向异性正则项的形式融入到连续最大流分割框架,实现肺血管的自动分割。结果在公开数据集ArteryVein和仿真数据集VascuSynth上对肺内血管分割方法的有效性进行测试;在从4家医院收集的614例临床影像数据上分析小半径血管体积占比情况,对比慢阻肺组与非慢阻肺组之间肺血管重塑差异。肺血管分割方面,对于增加不同程度的高斯噪声(σ=5,10,15,20,25,30,35)的VascuSynth仿真数据,本文方法获得的Dice值分别为0.87,0.80,0.77,0.75,0.73,0.71,0.69;对于低剂量数据集ArteryVein,Dice值为0.79。肺血管定量分析方面,非慢阻肺组和慢阻肺组的小血管体积平均占比值为0.656±0.067,0.589±0.074。不同慢阻肺分级GOLD1—4组小血管占比为0.612±0.051、0.600±0.078、0.565±0.067、0.528±0.053。结论本文提出的肺内血管算法可以用于肺血管重塑研究,通过实验分析验证了非慢阻肺组与慢阻肺组小血管体积占比存在显著差异;基于慢阻肺分级指数(global initiative for chronic obstructive pulmonary disease,GOLD)的不同慢阻肺病人之间,小血管体积占比在轻症和重症之间也存在显著差异。