基于深度学习的检测算法对不同肺叶肺结节的检出效果

目的 基于深度学习（DL）的检测算法对不同位置肺结节的检出效果。方法 对肺部CT扫描中符合入组条件的493例病例进行肺结节标注。利用基于DL的肺结节检测算法得到检出结果,并将之与医师标注结节进行匹配;分别统计各处检出结节与医师标注结节的匹配度等指标。最后由医师对未匹配上的算法检出框进行审核,确定算法检出框类别分布。结果 基于DL的肺结节检测算法对于4.1~30.0 mm肺结节与医师标注结节的匹配度分别为左肺上叶96.05%（73/76）、左肺下叶96.91%（94/97）、右肺上叶96.94%（95/98）、右肺中叶98.59%（70/71）、右肺下叶95.95%（71/74）及叶间胸膜96.30%（26/27）,其间匹配度差异均无统计学意义（P均>0.05）。未能匹配的算法检出框中,经审核确定50.92%（747/1467）为结节,其位置分布差异有统计学意义（P均<0.05）。结论 基于DL的肺结节检测算法对于肺结节的检出效果不受其所在位置的影响;算法多检出的结节的位置分布符合临床认知。     

基于深度学习的肺结节检测算法对不同大小肺结节的检出效果

目的 探讨基于深度学习（DL）的肺结节检测算法对不同大小肺结节的检出效果。方法 回顾性分析344例肺结节患者的胸部CT图片,计算并比较基于DL的肺结节检出模型对不同大小肺结节的检出率（相对于医师诊断结果）,分析模型检出假阳性结节的类别。结果 344份CT图像中,医师共诊断710个0~30 mm肺结节。模型共检出2 495个候选肺结节,其中真阳性675个（相对于医师诊断结果）,模型对结节的检出率为95.07%（675/710）。模型对0~4 mm肺结节的检出率为82.80%（77/93）,0~5 mm结节为90.15%（238/264）,0~6 mm结节为92.94%（395/425）,5~10 mm结节为97.94%（381/389）,10~20 mm结节为98.21%（55/56）,20~30 mm结节为100%（1/1）,模型对不同大小肺结节的检出率差异无统计学意义（χ²=21.72,P>0.05）。模型检出假阳性结节中,50.38%（917/1 820）为医师最初诊断漏诊者,32.53%（592/1 820）为血管断面。结论 DL肺结节检出模型对肺结节的整体检出率较高（95.07%）,且不受结节大小的影响。     

基于深度学习的乳腺X线摄影钙化检测系统对乳腺可疑钙化的检出效能

目的 评价基于深度学习（DL）的乳腺X线摄影钙化检测系统对乳腺可疑钙化的检出效能。方法 回顾分析932例接受乳腺X线检查患者的头足位（CC）和内外斜位（MLO）资料,由2名低年资医师和DL系统盲法独立阅片,一名高年资医师审核结果。比较DL系统与低年资医师检出敏感度差异,结合双向表χ²检验,评价不同BI-RADS分类、钙化形态和分布影响。结果 针对3 728幅影像（932例）,标记可疑钙化274例。2名低年资医师和DL系统的检出敏感度分别是76.64%（210/274）、82.12%（225/274）和99.64%（273/274）。DL系统检出敏感度不受钙化形态、分布、BI-RADS分类等因素的影响（P均>0.05）,而低年资医师对无定形钙化和团簇分布钙化的敏感度明显降低（P均<0.05）。结论 基于DL的乳腺X线影像钙化检出系统检出对可疑形态钙化的敏感度高且稳定,可辅助临床医师减少漏检。     

空洞检测算法自动化检测肺结节内空泡和空洞的可行性

目的 探讨利用空洞检测算法自动化检测肺结节内空泡和空洞的可行性。方法 收集经病理或随访证实的49例肺结节,其中良性16例,恶性33例,所有患者均接受胸部CT检查。由2名高年资影像科医师盲法对CT图像进行主观评价,得出有无空泡和空洞的结论。利用基于阈值的空洞检测算法对CT图像中指定的肺结节进行有无空泡和空洞的客观评价。对两种评价方法所得结果进行对比分析。结果 利用空洞检测算法对肺结节内空泡和空洞征象前后2次提取的数据稳定（Kappa=1）,与高年资医师主观判读结果差异无统计学意义（χ²=0.862,P=0.353）,且一致性较好（Kappa=0.785）,并可明显节约每个结节数据提取时间[(7.72s±2.26)s vs (24.48±8.24)s,t=14.64,P<0.001]。结论 利用空洞检测算法提取肺结节内空洞和空泡征象稳定、快捷,有望成为低年资医师诊断肺结节的辅助检测工具。     

颅内上皮样血管内皮瘤1例

目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法。方法 采用基于模糊建模思想和迭代相对模糊连接度（IRFC）算法的自动解剖识别（AAR）方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息。结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60%、95.24%、95.97%和4.03%。结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好。     

自适应迭代重建技术结合高分辨算法提高儿童低剂量胸部CT肺脏病变显示的能力

目的 探讨自适应迭代重建技术（ASIR）结合高分辨算法对儿童低剂量胸部CT肺部结构显示的影响。方法 回顾性分析接受低剂量胸部CT检查且存在肺内病变的患儿42例,0~12个月预设噪声指数12,>1~2岁预设噪声指数15,3~6岁预设噪声指数17,≥7岁预设噪声指数20。将所有图像应用Soft、Standard、Lung、Chest分辨率模式重建为层厚0.625 mm的图像。以10%为步涨值,重建ASIR权重为0%~100%的11组图像。由2名医师分别用5分制评分法主观评价肺窗图像质量,包括图像主观噪声、正常肺结构及病变的显示能力,5分为最佳。统计学分析比较最佳的后处理算法,以及与之匹配的最佳ASIR权重。结果 Lung模式为观察肺部病变最佳的高分辨算法,ASIR 60%权重重建图像主观评分最佳。结论 采用ASIR 60%权重结合Lung高分辨算法可更好地显示儿童低剂量胸部CT的肺部结构。     

低管电流联合迭代重建算法对胸部体模T12骨密度值准确性和胸部图像质量的影响

目的 探讨低管电流联合迭代重建算法对仿真胸部体模T12骨密度（BMD）的准确性和胸部图像质量的影响。方法 选用成年男性胸部体模,管电压120 kV,管电流分别为20、30、40、50、60 mAs,联合滤波反投影算法（FBP）、混合迭代重建技术（iDose⁴,Level 4）及迭代模型重建（IMR,Level 2）行胸部扫描。比较采用不同管电流和重建技术时胸部体模T12的BMD及客观评价结果;比较管电流20 mAs、采用IMR算法与管电流60 mAs、采用FBP迭代算法的纵隔窗和肺窗图像质量的主观评分,并评价观察者间的一致性。结果 管电流、重建技术不同时,胸部体模T12的BMD和CT值差异均无统计学意义（P均>0.05）,而SD值差异有统计学意义（P均<0.001）。相同管电流下,采用IMR算法获得的SD值明显低于iDose⁴和FBP（P均<0.001）。管电流60 mAs、采用FBP算法时,2名观察者观察纵隔窗的一致性较好（Kappa=1,P<0.001）,观察肺窗的一致性中等（Kappa=0.64,P=0.002）;管电流20 mAs、采用IMR时,2名观察者观察纵隔窗的一致性中等（Kappa=0.64,P=0.002）,观察肺窗的一致性较好（Kappa=1,P<0.001）。结论 低管电流联合迭代重建算法可降低辐射剂量,同时满足骨密度测值的准确性及胸部图像诊断。     

新一代基于模型的迭代重建中肺特异性设置在亚mSv胸部CT检查中的应用

目的 比较自适应统计迭代重建（ASIR）、常规基于模型的迭代重建（MBIRc）、新一代基于模型的迭代重建（MBIRn）中肺特异性设置（MBIR_RP20和MBIR_NR40）重建算法对亚mSv胸部CT图像质量的影响。方法 收集接受两次胸部CT平扫的受检者30例。初检采用常规剂量（噪声指数=14） ASIR重建。复查采用低辐射剂量方案（噪声指数=28）,分别采用标准算法和肺算法ASIR、MBIRc、MBIR_RP20和MBIR_NR40重建,重建层厚0.625 mm。在标准算法ASIR、MBIRc和MBIR_NR40重建图像上测量胸廓入口层面、气管隆突下层面和肝门层面背部肌肉、皮下脂肪相同部位ROI的CT值与噪声（SD）,并计算SNR,采用单因素方差分析比较各重建算法SD和SNR。于肺窗ASIR、MBIRc、MBIR_RP20和纵隔窗标准算法ASIR、MBIRc、MBIR_NR40进行噪声和细节结构清晰度5分法主观评分,并采用Wilcoxon符号等级检验进行统计学分析。结果 初检有效剂量为（3.01±1.89） mSv,复查有效剂量为（0.88±0.83） mSv,下降约70.76%。MBIR_NR40图像噪声明显低于常规剂量ASIR、低剂量ASIR和MBIRc（P均< 0.05）。MBIR_NR40图像SNR绝对值明显大于常规剂量ASIR、低剂量ASIR和MBIRc（P均< 0.05）。MBIR_NR40的主观图像噪声评分低于常规剂量ASIR和MBIRc（P均< 0.05）;MBIRn可更清晰地显示肺、纵隔及上腹部细节结构,评分高于MBIRc和ASIR（P < 0.05）。结论 在胸部CT平扫时,与ASIR、MBIRc相比,MBIRn肺特异性设置中MBIR_NR40可显著降低图像噪声并提高SNR,可减少辐射剂量约70％,在低剂量条件下,MBIR_RP20可更好地显示肺内、MBIR_NR40可更好地显示纵隔、上腹部细节结构。     

双能量CT联合金属伪影削减算法显示微弹簧圈定位肺结节

目的 评价双能量能谱CT（DESCT）扫描获得的虚拟单色谱（VMS）图像联合金属伪影削减（MAR）算法在CT引导微弹簧圈定位肺结节中的应用价值。方法 选取80例CT引导微弹簧圈定位的肺结节患者,微弹簧圈置入后,对其行DESCT扫描。选择最佳光子能量水平,在最佳能量水平重建VMS图像及经MAR算法处理的VMS图像（VMS+MAR）,比较VMS、VMS+MAR图像质量主观评分的差异。结果 选择74 keV为最佳能量水平。74、90、110、140 keV VMS+MAR图像质量优于50 keV图像（P均<0.05）;74、90、110、140 keV水平VMS+MAR图像质量评分差异均无统计学意义（P均>0.05）。74 keV VMS+MAR图像质量优于VMS图像（P<0.05）。2名观察者主观评分一致性较好（Kappa值=0.78）。结论 74 keV VMS图像联合MAR算法可有效抑制微弹簧圈金属伪影,清晰显示肺结节。     

基于模型的迭代重建算法应用于80 kV低剂量儿童胸部CT的可行性

目的 评价基于模型的迭代重建算法（MBIR）应用于80 kV低剂量儿童胸部CT检查的可行性。方法 收集44例因脊柱侧弯治疗后复查的患儿资料,所有患儿接受脊柱CT检查,扫描电压80 kV,固定管电流50 mA。对所得胸部图像采用MBIR重建（观察组）。所有患儿术前脊柱CT检查,扫描管电压120 kV,对所得胸部图像采用滤波反射投影（FBP）重建（对照组）。两组图像质量主观评价由2名医师采用1~3分制,评价图像主观噪声及肺组织图像质量;图像质量客观评价为测量左心室最大层面的肺野、背部肌肉的噪声值,并计算肺野的SNR及CNR。并记录两次检查的容积CT剂量指数（CTDIvol）。结果 观察组主观噪声评分明显高于对照组（P<0.05）。观察组较对照组肺野噪声降低40.36%,SNR提高72.37%,CNR提高78.69%,CTDIvol降低66.52%,两组差异均有统计学意义（P均<0.001）。结论 80 kV低剂量儿童胸部CT可以满足诊断要求。     

SAFIRE重建算法对胸部CT图像质量和辐射剂量的影响

目的 利用仿真胸部体模,比较原始数据域迭代重建(SAFIRE)算法与滤波反投影(FBP)算法对胸部CT图像质量和辐射剂量的影响。方法 在新双源CT(Somatom definition flash CT)设备上预设80、100、120 kV三组管电压值,采用自动毫安秒care dose 4D技术对仿真胸部体模进行扫描,分别用FBP及SAFIRE重建算法(等级1~5)重建图像,比较胸部不同组织结构的噪声及CT值,并由2名放射科医师独立评价图像质量。每组扫描结束后,记录CT剂量加权指数(CTDIvol)和剂量长度乘积(DLP),计算并比较有效剂量。结果 相同扫描参数检查时,SAFIRE重建算法较FBP算法图像噪声明显降低(P<0.05);不同扫描参数检查时,无论FBP算法或SAFIRE重建算法,图像噪声均随管电压增加而降低;胸部各组织结构的噪声会随重建算法和管电压改变而发生变化;100 kV/SAFIRE(等级3)的主观和客观图像质量指标均优于120 kV/FBP,且辐射剂量降低37.61%。结论 胸部CT扫描中,采用SAFIRE重建算法能有效提高图像质量,降低辐射剂量。     

前置自适应统计迭代重建技术对胸部CT辐射剂量和图像质量的影响:体模与临床研究

目的 探讨前置基于多模型的自适应统计迭代重建（ASiR-V）技术对胸部CT辐射剂量和图像质量的影响。方法 采用GE Revolution CT对胸部仿真体模和120例胸部CT平扫患者（分为6组,每组20例）分别设定前置ASiR-V权重为0、20%、40%、60%、80%、100%进行扫描。管电压120 kV,管电流采用自动毫安（Smart mA 10-500）技术,噪声指数设为11。记录胸部体模及各组患者扫描的剂量长度乘积,计算并比较各组有效剂量（ED）。以胸部体模不同组织结构（肺组织、脊柱旁软组织、主动脉和椎体）的CT值和标准差（SD）作为客观指标,结合对各组患者的图像主观评分,比较图像质量的组间差异。结果 随着前置ASiR-V权重的增加,体模及患者的ED均呈对数降低,体模不同组织CT值、图像噪声均未见明显改变。ASiR-V权重为40%时纵隔窗和肺窗的主观评分开始下降;60%时纵隔窗和肺窗图像主观评分相对40%时出现明显下降（P<0.05）。ASiR-V权重为40%,ED降至ASiR-V权重为0时的57.21%。结论 前置ASiR-V可以降低辐射剂量,同时又不影响图像客观指标;前置ASiR-V权重为40%时,图像仍可保证临床诊断需求,且辐射剂量明显降低,临床应用价值最高。     

应用计算机人工神经网络系统结合CT与PET鉴别良、恶性肺结节

目的 利用肺结节CT、PET特征,开发计算机人工神经网络(ANN)辅助诊断系统,评价其对肺结节良恶性的鉴别能力。方法 连续收集112例肺内单发小结节(<3.0 cm)患者,均接受PET/CT及胸部CT检查,二者间隔小于1个月。112例患者中恶性肺结节52例,良性60例,均经组织学或临床随诊证实。利用结节的CT特征及PET特征开发计算机ANN辅助诊断系统。计算机ANN的训练及测试采用Round-Robin方法。采用ROC方法评价计算机ANN输出结果并进行统计学分析。结果 CT计算机ANN程序采用20个输入单元,包括4个临床特征及16个CT特征,ROC曲线下面积(Az)为0.83;PET计算机ANN程序采用4个临床特征及1个PET特征作为5个输入单元,Az值为0.91;CT+PET计算机ANN程序采用临床特征CT及PET所有21个输入单元,Az值为0.95。与CT计算机ANN程序、PET计算机ANN程序相比,CT+PET计算机ANN程序输出结果明显提高(P＝0.015、0.037)。 结论 CT+PET ANN计算机辅助诊断程序输出结果优于单纯PET或CT计算机ANN结果。当PET对肺结节诊断有困难时,结节的CT特征有助于鉴别诊断。     

多排螺旋CT纵轴分辨力和图像噪声影响因素研究

目的研究多排螺旋CT不同成像参数对图像噪声、纵（Z）轴分辨率或断层灵敏度曲线（SSP）的影响,确定多排螺旋CT成像质量影响因素及其优化匹配关系。方法采用标准头部和腹部扫描条件,选取不同的重建层厚、准直器宽度、螺距、卷积重建算法对不同测试体模进行扫描,比较不同参数对断层灵敏度曲线和图像噪声的影响。结果①SSP测试结果：当螺距和重建层厚保持不变,使用三种卷积重建算法重建测量得到的SSP曲线的半高宽（FWHM）,即有效层厚基本保持不变。对于相同的重建层厚,改变螺距时SSP的FWHM基本保持不变。②图像噪声测试结果：准直器宽度、螺距相同时,随着层厚的增大,图像噪声有明显降低;层厚、螺距相同时,准直器宽度减小,图像噪声降低（P〈0.05）。对于相同的准直器宽度,螺距改变时,图像噪声没有显著差别（P〉0.05）。结论对于多排螺旋CT,卷积重建算法、螺距和准直器宽度的变化对SSP的影响很小。螺距的变化对噪声的影响不大,而层厚和准直器宽度的选择对图像噪声影响明显。在临床实际操作中,需要综合考虑影响图像质量诸因素之间的关系,根据临床需要选择最佳方案。     

多参数设置对低剂量胸部CT扫描图像质量及辐射剂量的影响

目的 探讨当iCT管电流设置为17 mAs时,其他参数设置对低剂量胸部CT扫描图像质量及辐射剂量的影响。方法 选取低剂量胸部CT筛查的200名志愿者,设定管电流为17 mAs,根据管电压及自动曝光控制（DoseRight）设置分为4组：A组为120 kV,DoseRight扫描;B组为100 kV,DoseRight扫描;C组为120 kV,固定管电流扫描;D组为100 kV,固定管电流扫描。对所有扫描图像分别采用混合迭代重建（iDose⁴）和全模型迭代重建（IMR）进行肺窗及纵隔窗算法重建。比较4组的有效剂量及图像质量。结果 4组肺窗、纵隔窗的iDose⁴、IMR重建图像质量评分及有效剂量差异均有统计学意义;A、B组图像质量均较C组图像质量好（P均<0.05）,与其余3组比较D组图像质量最差（P均<0.05）;C组纵隔窗及D组肺窗、纵隔窗的iDose⁴重建图像质量评分较低;A、B、C、D组SNR值依次降低（P均<0.01）;A组有效剂量最高（P均<0.01）,D组有效剂量最低（P均<0.01）,B组和C组间有效剂量差异无统计学意义（P=0.055）。结论 iCT管电流为17 mAs时,采用100 kV管电压、DoseRight扫描及IMR重建方式可获得较满意的图像质量和较低的辐射剂量。     

人工智能肺结节辅助诊断系统预测亚实性肺结节恶性概率

目的 评价人工智能（AI）肺结节辅助诊断系统预测肺亚实性结节（SN）恶性概率的效能。方法 将86例接受手术治疗SN患者分为3组：组1为浸润前病变，组2为微浸润腺癌，组3为浸润性腺癌。将术前胸部CT数据导入AI肺结节识别软件，记录其自动测量的SN的CT值、体积及恶性概率预测值。比较3组SN在CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率预测值，并对各组进行平扫与增强后配对样本检验。分析根据各期CT对各组SN恶性概率预测值与CT值及体积的相关性。结果 共纳入88个SN，组1、组2和组3分别含27、28及33个SN。AI系统检测SN的敏感度为100%（88/88）。AI系统检测根据CT平扫、增强后动脉期、延迟期对组1 SN的恶性概率预测值分别为[85.18（56.64，92.08）]%、[67.15（58.99，90.30）]%和[89.82（56.64，92.23）]%，组2分别为[93.10（85.72，95.75）]%、[89.61（74.44，95.35）]%和[92.21（86.74，95.59）]%，组3分别为[97.05（92.81，98.74）]%、[96.89（90.40，98.60）]%和[96.49（89.89，98.69）]%。3期CT扫描对3组SN恶性概率预测值差异均有统计学意义（P均<0.01），且3组SN间CT值、体积差异均有统计学意义（P均<0.01）。各组平扫与增强CT恶性概率预测值比较无统计学差异（P均>0.05），各期CT对SN的恶性概率预测值与其CT值及体积均呈正相关（P均<0.01）。结论 基于深度学习的AI肺结节辅助诊断系统可协助判定肺腺癌SN侵袭程度；平扫CT数据可用于辅助预测SN恶性概率，而增强CT对判断SN性质无明显帮助。     

双能CT单能谱70keV图像与常规CT120kVp图像的等效性

目的 探讨双能CT单能谱70 keV图像与常规CT 120 kVp图像的等效性。方法 采用CTU-41型头颈躯干仿真体模,行DECT虚拟单能谱和常规CT成像,联合原始数据迭代重建法SAFIRE(3)和FBP重建算法得到70 keV/FBP、70 keV/SAFIRE(3)、120 kVp/FBP、120 kVp/SAFIRE(3)共4组图像,按部位采用配对t检验比较各组织和器官CT值和噪声。结果 丘脑、颅骨外空气、胆囊、肝实质、脾脏、前列腺在70 keV与120 kVp图像上CT值的差异均无统计学意义(P均>0.0083);70 keV图像上侧脑室、小脑、胸腺、心脏、肺、胃泡和直肠肠管内空气的CT值低于120 kVp 图像,下颌骨、胸椎、腰椎、股骨头中央部70 keV图像CT值高于120 kVp 图像,差异均有统计学意义(P<0.006);SAFIRE(3)与FBP算法的70 keV单能谱图像、120 kVp 图像CT值的差异无统计学意义(P均>0.0083)。70 keV图像与120 kVp图像噪声的差异无统计学意义(P均>0.0083);SAFIRE(3)算法单能谱70 keV图像、常规CT 120kVp图像与其FBP重建算法相比较,噪声降低约(25.29±9.39)%和(27.93±8.39)%(P均<0.0083)。结论 70 keV与120 kVp图像的CT值在部分组织器官不等效; 70 keV 与120 kVp图像的噪声水平无明显差异;迭代算法对DECT单能谱成像和常规CT成像均能明显降低图像噪声,提高图像质量。