肺部CT智能诊断报告系统软件的体模结节大小测量研究

目的评价肺部CT智能诊断报告系统软件测量体模结节大小的准确性。资料与方法应用64层螺旋CT机对植入直径2.5、5.0、10.0、20.0mm孤立结节的商用体模进行扫描。结节标准体积采用公式V=(4/3)πr3计算。应用肺部CT智能诊断报告系统软件对体模扫描数据进行分析,测量体模结节的体积、长径、宽径和高径。结果直径2.5mm结节体积测量的平均相对误差为21.1%,结节体积明显高估,结节的宽径和高径高估;直径5.0、10.0、20.0mm结节体积测量的平均相对误差分别为-4.7%、-1.6%和-2.3%,结节体积均低估。直径5.0、10.0、20.0mm结节与直径2.5mm的结节大小测量的平均相对误差比较,差异均有统计学意义(P<0.05)。结论肺部CT智能诊断报告系统软件对体模结节的大小测量和标准值之间虽然存在误差,但对直径5.0、10.0、20.0mm的体模结节测量误差较小。

两种CAD软件对体模肺结节CT体积测量的比较研究

目的:评估肺部CT智能诊断报告系统软件和Lung VCAR软件在测量体模结节体积方面的准确性和一致性。方法:使用植入直径为2.5、5.0、10.0和20.0mm的孤立结节的商用体模,采用64层螺旋CT机进行体模扫描。结节标准体积采用公式V=4/3πr3计算。分别使用肺部CT智能诊断报告系统软件和Lung VCAR软件对体模扫描数据进行分析,测量体模结节的体积。结果:两种软件对肺结节体模中16个结节均能进行相应的分析和体积测量。肺部CT智能诊断报告系统软件测量直径2.5、5.0、10.0和20.0mm结节体积的平均相对误差分别为21.1%、-4.7%、-1.6%和-2.3%;Lung VCAR软件的平均相对误差分别为15.5%、3.1%、2.7%和1.4%。通过Bland-Altman分析,显示两种软件对体模结节体积测量的相对误差具有较好的一致性。结论:肺部CT智能诊断报告系统软件虽然比Lung VCAR软件在体模结节体积测量上准确性稍低,但两者对于体模结节体积测量具有较好的一致性。

探究胸部CT影像学特征在艾滋病合并肺结核中的诊断价值

目的:对艾滋病合并肺结核患者进行诊断的过程中,胸部CT影像学特征的诊断价值进行深入的研究。方法:选择我院于2017年12月—2019年6月期间收治的艾滋病合并肺结核患者来开展研究,患者共计68例。对患者进行胸部CT检查,以此为基础对胸部CT影像学特征进行分析,并对其诊断价值进行探讨。结果:通过对患者进行临床分型发现,患者中共有Ⅰ型肺结核患者6例,Ⅱ型肺结核患者8例,Ⅲ型肺结核患者38例,Ⅳ型肺结核患者16例;在对患者进行胸部CT检查的过程中,患者的CT影像学表现为多叶段受累及,同时存在片状阴影以及腺泡样结节阴影,在患者的病灶中心呈浓密状,病灶周边模糊。结论:对艾滋病合并肺结核患者进行诊断的过程中,胸部CT影像学特征通常会呈现为多种性质的病灶共存,同时还具有多形态多叶段分布、斑片状影、纵隔淋巴结增大以及胸腔积液等问题,相对而言,纤维化、钙化或者结核增殖灶较为少见。

壹期矽肺与肺结核双肺上叶病灶 CT 影像学分析

回顾性分析2019年1月—2022年9月苏州市第五人民医院收治的46例壹期矽肺和经病原学确诊的54例肺结核患者的胸部CT资料,对双肺上叶病灶的分布、大小、空洞、钙化、瘢痕旁气肿、支气管扩张、纤维条索灶、胸膜增厚以及淋巴结肿大等CT表现进行分析。矽肺组病灶右肺上叶多于左肺上叶,多未累及胸膜,两者差异具有统计学意义(P<0.05);肺结核组>5 mm结节发生率高于矽肺组,差异具有统计学意义(P<0.05);矽肺组结节聚集、纤维灶条索边缘不清楚、胸膜钙化、纵隔淋巴结密度增高(>60 HU)、纵隔淋巴结钙化发生率均高于肺结核组;肺结核组结节内钙化、纤维灶条索边缘清楚、磨玻璃、支气管扩张、斑片、空洞、瘢痕旁肺气肿发生率均高于矽肺组,两者差异具有统计学意义(P<0.05)。

基于临床和CT特征的诺模图早期识别重症新型冠状病毒肺炎的研究

目的探讨基于初诊的临床和CT特征的诺模图在早期识别重症新型冠状病毒肺炎(COVID-19)中的应用价值。方法回顾性分析108例COVID-19患者的临床和CT资料。所有患者按照病程中严重程度分为轻症组(76例)和重症组(32例),并分析其临床特征和CT特征。对两组间差异有统计学意义的临床和CT特征进行多因素Logistic回归分析,确定重症COVID-19相关的独立危险因素。将独立危险因素引入R软件,构建预测重症COVID-19的诺模图,并进行ROC曲线分析,通过绘制校准曲线及进行Hosmer-Lemeshow拟合优度检验进行模型验证。结果重症组的年龄(55.78±14.45)岁明显大于轻症组(43.46±14.84)岁(P<0.05)。重症患者的CT严重性评分[8(5.2~10.0)]高于轻症患者[4(2.0~5.0)],差异有统计学意义(P<0.001)。两组患者的糖尿病、冠心病、白细胞计数、中性粒细胞计数、C反应蛋白、位置、分布、形态、密度、血管束增粗、空气支气管征、铺路石征、马赛克灌注征的差异均有统计学意义(P<0.05)。多因素Logistic回归结果显示年龄、白细胞计数、空气支气管征和CT严重性评分是重症COVID-19的独立危险因素。诺模图的曲线下面积为0.939(95%置信区间:0.895~0.983),敏感性和特异性分别为96.9%和84.2%。标准曲线显示预测概率与实际概率符合度良好。Hosmer-Lemeshow拟合优度检验(χ^(2)=10.136,P=0.256)显示诺模图预测重症COVID-19具有较好准确性。结论基于初诊的临床和CT特征构建的诺模图在早期识别重症COVID-19有较大的应用价值,可为临床个体化评估COVID-19患者病情提供一定的帮助。