深度学习在肺结核影像诊断中的应用

肺结核的影像学形态往往呈多样性,因此,如何鉴别诊断肺结核一直以来是常规影像学研究的重点与难点。近年来,深度学习在辅助影像诊断方面有了飞快发展。深度学习擅长识别大量图像数据中的复杂模式,可大大提高医师的诊断准确性及工作效率。笔者将对深度学习在影像诊断及肺结核影像诊断中的应用、不足及展望进行综述。

肺部超声评分联合CT定量指标对ICU重症肺炎患者病情严重程度和预后的评估价值

目的:分析肺部超声评分(LUS)联合CT定量指标对重症监护病房(ICU)重症肺炎患者病情严重程度和预后的评估价值。方法:本研究为病例对照研究,采用目的抽样的方法纳入2020年9月至2023年9月陕西省第五人民医院收治的119例ICU重症肺炎患者作为重症肺炎组,另选择100例同期普通肺炎患者作为普通肺炎组。所有患者接受肺部超声、胸部CT检查。比较重症肺炎组与普通肺炎组的性别、年龄、感染类型、基础疾病、CURB-65评分、LUS、CT定量指标[病变体积(LV)、病变区域平均密度(MLD)、病变区域肺质量(LQ)]。根据CURB-65评分不同将119例ICU重症肺炎患者分为3分组(33例)、4分组(58例)、5分组(28例)。比较普通肺炎组、3分组、4分组、5分组的LUS和CT定量指标。根据患者28 d内是否死亡将119例ICU重症肺炎患者分为死亡组(31例)和存活组(88例),比较2组患者性别、年龄、病程、病变部位、基础疾病、住院时间、合并症、LUS、CT定量指标。采用logistic回归分析影响ICU重症肺炎患者预后的影响因素。采用受试者操作特征曲线分析LUS、LV、LQ和三者联合检测预测ICU重症肺炎患者28 d内死亡的价值。结果:重症肺炎组中男73例,女46例,年龄(63.38±10.25)岁,年龄范围43~84岁;普通肺炎组中男58例,女42例,年龄(62.50±10.42)岁,年龄范围44~84岁。重症肺炎组CURB-65评分较普通肺炎组高[(4.03±0.32)分比(2.71±0.69)分],差异有统计学意义(t=18.63,P<0.001);2组患者在性别、年龄、感染类型和基础疾病方面差异均无统计学意义(均P>0.05)。重症肺炎组LUS、LV、MLD、LQ均较普通肺炎组高,差异均有统计学意义(均P<0.001)。3分组、4分组、5分组LUS、LV、MLD、LQ均较普通肺炎组高,4分组、5分组LUS、LV、MLD、LQ均较3分组高,5分组LUS、LV、MLD、LQ较4分组高,差异均有统计学意义(均P<0.05)。与存活组相比,死亡组年龄更大[(67.05±10.42)岁比(59.71±10.33)岁],LUS更高[(20.96±2.73)分比(16.77±1.71)分],LV更大[(52.89±8.57)ml比(40.00±8.95)ml],MLD更高[(-135.03±46.17)HU比(-222.59±60.11)HU],LQ更重[(58.71±6.37)g比(47.53±7.01)g](均P<0.001)。死亡组和存活组在性别、病程、病变部位、基础疾病、住院时间和合并症方面比较差异均无统计学意义(均P>0.05)。多因素logistic回归分析结果显示LUS增大、LV增大、LQ增大是ICU重症肺炎患者死亡的独立危险因素。受试者工作特征曲线分析显示LUS、LV、LQ和三者联合检测预测ICU重症肺炎患者28 d内死亡的曲线下面积分别为0.774、0.720、0.766、0.831。三者联合预测ICU重症肺炎患者28 d内死亡的敏感度、特异度分别为81.55%、64.10%。结论:LUS、LV、LQ与ICU重症肺炎患者病情严重程度和预后密切相关,三者联合检测可作为预测ICU重症肺炎患者预后的重要手段。