目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和...目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和继发性肺结核组(934例)。按照随机分组(通过R语言的sample函数实现训练集和测试集的完全随机分组)的方式,将数据集划分为训练集(1402例,70.0%)和测试集(602例,30.0%)。所有图像采用肺野自动分割算法,获得肺野区域。进一步采用BasicNet和DenseNet算法进行三组间的分类研究。采用曲线下面积(area under curve,AUC)、敏感度、特异度和准确率评价模型的分类性能。最后,在测试数据中,将最优模型与3位不同年资的放射科医生的诊断结果进行比较。结果:602例独立测试集中,DenseNet模型的性能优于BasicNet模型,两种模型的平均AUC、敏感度、特异度和准确率分别为92.1%和89.4%、79.7%和74.0%、89.4%和86.6%、86.2%和83.3%。其中,DenseNet模型的诊断性能优于低年资医生(准确率分别为90.7%和89.1%,Kappa=0.677),与中年资和高年资医生的诊断水平(准确率分别为90.7%、92.2%和95.3%,Kappa值分别为0.746和0.819)保持高度一致性。结论:DenseNet模型能较准确地识别继发性肺结核,与放射科中年资医师的诊断水准相当,可以作为继发性肺结核的辅助诊断工具。展开更多
目的:建立老年肺结核患者衰弱风险预测列线图模型并进行验证。方法:选择2022年6月1日至2022年10月28日深圳市第三人民医院肺病科收治的448例老年肺结核患者作为建模集,再选择2022年12月1日至2023年2月28日收治的129例老年肺结核患者作...目的:建立老年肺结核患者衰弱风险预测列线图模型并进行验证。方法:选择2022年6月1日至2022年10月28日深圳市第三人民医院肺病科收治的448例老年肺结核患者作为建模集,再选择2022年12月1日至2023年2月28日收治的129例老年肺结核患者作为验证集。采用一般资料调查问卷、FRAIL量表、Barthel指数评定量表、老年肺结核患者自我管理量表、结核病相关病耻感量表、患者健康问卷、领悟社会支持量表和查尔森并发症指数进行调查。根据FRAIL量表得分,将建模集患者分成衰弱组和无衰弱组,比较两组患者各项指标,并根据二分类logistic回归分析结果建立风险预测模型。采用R 4.0.2软件绘制老年肺结核患者衰弱风险评估列线图,采用1000次Bootstrap自抽样法和验证集数据分别进行列线图模型的内部验证和外部验证。结果:老年肺结核患者衰弱的发生率为50.78%(293/577),二分类logistic回归分析结果显示:年龄(OR=1.054,95%CI:1.020~1.089)、病程(OR=1.092,95%CI:1.013~1.177)、痰菌情况(OR=1.916,95%CI:1.136~3.229)、白细胞计数(OR=1.129,95%CI:1.031~1.235)、超敏-C反应蛋白(OR=1.007,95%CI:1.002~1.011)、日常生活能力(activities of daily living,ADL)(OR=0.970,95%CI:0.958~0.982)、抑郁(OR=1.110,95%CI:1.064~1.159)、自我管理能力(OR=0.944,95%CI:0.903~0.986)和并发症指数(OR=1.477,95%CI:1.180~1.849)是老年肺结核患者衰弱的独立影响因素。建模集和验证集ROC曲线下面积为0.842(95%CI:0.807~0.876)和0.859(95%CI:0.797~0.921)。结论:老年肺结核患者衰弱发生率较高,增强日常生活能力和自我管理能力,发生衰弱的风险降低;随着年龄、病程、炎症指标、并发症指数和抑郁得分增加及痰菌阳性,发生衰弱的风险增加。根据上述因素建立的列线图模型可用于老年肺结核患者衰弱的预测。展开更多
文摘目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和继发性肺结核组(934例)。按照随机分组(通过R语言的sample函数实现训练集和测试集的完全随机分组)的方式,将数据集划分为训练集(1402例,70.0%)和测试集(602例,30.0%)。所有图像采用肺野自动分割算法,获得肺野区域。进一步采用BasicNet和DenseNet算法进行三组间的分类研究。采用曲线下面积(area under curve,AUC)、敏感度、特异度和准确率评价模型的分类性能。最后,在测试数据中,将最优模型与3位不同年资的放射科医生的诊断结果进行比较。结果:602例独立测试集中,DenseNet模型的性能优于BasicNet模型,两种模型的平均AUC、敏感度、特异度和准确率分别为92.1%和89.4%、79.7%和74.0%、89.4%和86.6%、86.2%和83.3%。其中,DenseNet模型的诊断性能优于低年资医生(准确率分别为90.7%和89.1%,Kappa=0.677),与中年资和高年资医生的诊断水平(准确率分别为90.7%、92.2%和95.3%,Kappa值分别为0.746和0.819)保持高度一致性。结论:DenseNet模型能较准确地识别继发性肺结核,与放射科中年资医师的诊断水准相当,可以作为继发性肺结核的辅助诊断工具。
文摘目的:建立老年肺结核患者衰弱风险预测列线图模型并进行验证。方法:选择2022年6月1日至2022年10月28日深圳市第三人民医院肺病科收治的448例老年肺结核患者作为建模集,再选择2022年12月1日至2023年2月28日收治的129例老年肺结核患者作为验证集。采用一般资料调查问卷、FRAIL量表、Barthel指数评定量表、老年肺结核患者自我管理量表、结核病相关病耻感量表、患者健康问卷、领悟社会支持量表和查尔森并发症指数进行调查。根据FRAIL量表得分,将建模集患者分成衰弱组和无衰弱组,比较两组患者各项指标,并根据二分类logistic回归分析结果建立风险预测模型。采用R 4.0.2软件绘制老年肺结核患者衰弱风险评估列线图,采用1000次Bootstrap自抽样法和验证集数据分别进行列线图模型的内部验证和外部验证。结果:老年肺结核患者衰弱的发生率为50.78%(293/577),二分类logistic回归分析结果显示:年龄(OR=1.054,95%CI:1.020~1.089)、病程(OR=1.092,95%CI:1.013~1.177)、痰菌情况(OR=1.916,95%CI:1.136~3.229)、白细胞计数(OR=1.129,95%CI:1.031~1.235)、超敏-C反应蛋白(OR=1.007,95%CI:1.002~1.011)、日常生活能力(activities of daily living,ADL)(OR=0.970,95%CI:0.958~0.982)、抑郁(OR=1.110,95%CI:1.064~1.159)、自我管理能力(OR=0.944,95%CI:0.903~0.986)和并发症指数(OR=1.477,95%CI:1.180~1.849)是老年肺结核患者衰弱的独立影响因素。建模集和验证集ROC曲线下面积为0.842(95%CI:0.807~0.876)和0.859(95%CI:0.797~0.921)。结论:老年肺结核患者衰弱发生率较高,增强日常生活能力和自我管理能力,发生衰弱的风险降低;随着年龄、病程、炎症指标、并发症指数和抑郁得分增加及痰菌阳性,发生衰弱的风险增加。根据上述因素建立的列线图模型可用于老年肺结核患者衰弱的预测。