不同CT图像重建算法下基于深度学习的肺结节检测算法效能

目的 探索CT图像重建算法对于基于深度学习（DL）的肺结节检测算法的影响。方法 选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果 基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%（313/339）、86.97%（287/330）及92.73%（319/344）,准确率分别为23.55%（313/1 329）、37.91%（287/757）及27.84%（319/1 146）,F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义（P均>0.05）。结论 基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。     

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。     

基于深度学习的乳腺X线肿块自动检测系统诊断乳腺肿块

目的 探讨基于深度学习（DL）的乳腺X线肿块自动检测系统诊断乳腺肿块的价值。方法 回顾性分析298例接受乳腺X线检查的女性患者。以3名高年资放射科医师对X线片的评估结果为参照标准,对比分析2名工作时间<5年的放射科医师在无（简称医师1和医师2）或有人工智能（AI）（简称医师1+AI和医师2+AI）辅助下的肿块检出率及检出稳定性。结果 医师1+AI、医师2+AI肿块检出率分别高于医师1、医师2（P均<0.05）。医师+AI检出乳腺肿块不受美国放射学院（ACR）肿块腺体构成、乳腺影像报告和数据系统（BI-RADS）分类及其形状、密度等因素影响（P均>0.05）。结论 基于DL的乳腺X线影像肿块检测系统可有效提高低年资医师的肿块检出率,提升医师对不同类型肿块检出的稳定性。     

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。     

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。     

对比自适应图像接收线圈与常规前部阵列线圈采集肺结节零回波时间序列图像质量

目的 对比以自适应图像接收（AIR）线圈与常规前部阵列（CAA）线圈采集的肺结节零回波时间（ZTE）序列图像质量。方法 采用相同扫描参数,分别以AIR线圈、CAA线圈,对32例CT显示肺结节（共42枚结节,包括16枚实性结节、17枚磨玻璃结节及9枚混杂磨玻璃结节）患者采集ZTE序列图像,获得AIR-ZTE及CAA-ZTE;比较2种图像主动脉弓上份、肺动脉分叉及肺底层面的肺实质信号强度（SI）、肺内血管SI、肺实质信噪比（SNR）及对比度噪声比（CNR）,记录其显示不同成分肺结节数目;以CT结果为标准,比较其结节检出率、SNR及CNR及图像质量主观评分差异。结果 2种图像中,主动脉弓上份、肺动脉分叉及肺底层面肺实质SI、肺内血管SI差异均有统计学意义（P均<0.01）,SNR_肺差异均无统计学意义（P均>0.05）;主动脉弓上份及肺动脉分叉层面CNR_肺差异均有统计学意义（P均<0.05）,肺底层面差异无统计学意义（P>0.05）。CAA-ZTE检出实性结节16枚、磨玻璃结节12枚、混杂磨玻璃结节9枚,AIR-ZTE分别检出16、13及9枚,差异无统计学意义（P>0.05）。2种图像所示磨玻璃结节及混杂磨玻璃结节实性成分的CNR差异均有统计学意义（P均<0.05）,其余图像质量客观指标差异均无统计学意义（P均>0.05）;AIR-ZTE图像质量主观评分高于CAA-ZTE （P<0.05）。结论 以AIR线圈采集的肺结节ZTE图像质量优于CAA线圈。     

基于深度学习的乳腺X线摄影病灶检出系统的临床价值

目的 评估基于深度学习（DL）的人工智能（AI）乳腺X线影像病灶检出系统的临床价值。方法 回顾性分析484例乳腺X线影像及诊断报告,对其中存在BI-RADS 3类及以上病灶者评估AI检出敏感度,并结合双向表χ²检验,验证AI对不同类型和BI-RADS分类病灶的敏感度差异。由3名高年资医师对诊断报告显示BI-RADS 1类和2类、但AI提示阳性病例进行审核,并按照不同类型和BI-RADS分类进行统计。结果 BI-RADS 3、4a、4b、4c、5类病灶分别为103、79、23、40和11个,AI检出敏感度分别为82.52%（85/103）、97.47%（77/79）、100%（23/23）、100%（40/40）和100%（11/11）,总敏感度为92.19%（236/256）。AI系统对不同类型（钙化、肿块、非对称、结构扭曲）和BI-RADS分类病灶的敏感度差异均无统计学意义（P均>0.05）。254例BI-RADS 1类和2类病例中,203例AI提示阳性发现,其中75例（80个病灶）为BI-RADS 0类,需结合其他检查确认,21例（23个病灶）为BI-RADS 3类及以上,多检出BI-RADS 3类及以上病灶类型差异无统计学意义（P均>0.05）。结论 AI系统对BI-RADS 3类及其以上病灶有较高敏感度,可有效辅助影像医师减少漏诊。     

肺多发肿瘤性局灶性磨玻璃结节CT征象与病理结果的对照分析

目的 分析肺部多发肿瘤性局灶性磨玻璃结节（fGGN） CT征象与病理结果,探讨CT征象对肺内多发fGGN的诊断价值。方法 回顾性分析29例经病理证实的肺内多发肿瘤性局灶性磨玻璃结节患者的CT及病理资料,每例至少包括2个fGGN,根据结节内是否含有实性成分将其分为纯磨玻璃密度结节（pGGN）和混合磨玻璃密度结节（mGGN）,分析结节的形状、大小、内部特征（空气支气管征、空泡征、血管改变）、外部特征（分叶征、毛刺征、胸膜凹陷征）,并与病理结果对照。结果 29例患者共64个结节,其中pGGN 36个,mGGN 28个。两种结节间形状差异无统计学意义（P=0.059）;mGGN最大径大于pGGN （P < 0.05）。各种征象中,分叶征、毛刺征、胸膜凹陷征、血管改变差异有统计学意义（P均 < 0.05）,空气支气管征和空泡征差异无统计学意义（P均 > 0.05）。pGGN以不典型腺瘤样增生多见（12/36,33.33%）;mGGN以浸润性腺癌多见（15/28,53.57%）。结论 观察肺内多发性局灶性磨玻璃结节大小以及分叶、毛刺、胸膜凹陷征及血管改变征象,可判断结节是否具有侵袭性,有助于帮助临床制定合理的治疗方案。     

AmCAD-UT Detection在甲状腺结节超声诊断中的应用

目的 评估计算机辅助诊断（CAD）系统AmCAD-UT Detection（安克侦）用于甲状腺超声的诊断效能及临床价值。方法 采集171例甲状腺结节患者的甲状腺超声图像，分别由安克侦及4名超声科医师（A、B、C、D，分别具有10年、5年、1年及1个月以上甲状腺超声诊断经验）单独及以安克侦辅助医师分析图像，并根据美国放射学会甲状腺影像报告和数据系统（ACR-TIRADS）指南进行分类；以病理结果为金标准，绘制安克侦及4名医师辅以安克侦前后根据ACR-TIRADS指南对结节进行分类的ROC曲线，计算ACR-TIRADS指南诊断良恶性结节的最佳截断值及AUC，评价其诊断效能。结果 共纳入205个甲状腺结节，89个良性、116个恶性病变。ACR-TIRADS指南诊断良恶性结节的最佳截断值为TR5级。安克侦诊断甲状腺恶性结节的敏感度与医师B差异无统计学意义（P=1.00），特异度则低于医师A及B（P均<0.05），其AUC与医师A、B、D差异均有统计学意义（Z=4.34、3.71、2.76，P均<0.05）。辅以安克侦后，4名医师诊断甲状腺结节的敏感度（93.10%、90.52%、85.34%、75.00%）及AUC值（0.95、0.93、0.86、0.86）均较前提高（P均<0.05），特异度则仅医师C、D较前改善（P均<0.05）。结论 安克侦对诊断甲状腺结节具有一定价值，敏感度与具有5年诊断经验的超声科医师相似，用以辅助可提高超声科医师、尤其是低年资医师对于甲状腺结节的诊断效能。     

比较数字断层融合与数字X线摄影检出模拟肺结节的能力

目的利用仿真体模对比分析数字断层融合(DTS)与数字X线摄影(DR)检出模拟肺结节的能力。方法采用五种规格(直径3、5、8、10、12mm)、三种密度(CT值100、-630及-800HU)的模拟肺结节共15个,先后分别置于体模两肺的上、中、下肺野,形成模拟肺结节共计90个(15个×6)。以常规曝光参数分别进行DTS和DR,由2名放射科医师独立评价DTS及DR对肺结节的检出率;测量DTS的辐射剂量,转换为有效剂量,与文献报道的DR有效剂量进行对比。结果 DTS对模拟肺结节的检出率为78.89%(71/90),DR的检出率为28.89%(26/90),DTS检出率高于DR(P<0.01);对于三种不同密度(CT值100、-630和-800HU)的模拟结节,DTS与DR的检出率差异均有统计学意义(P<0.01)。DTS的有效剂量高于文献报道的DR剂量。结论对于肺结节,DTS较DR具有更高的检出率。     

基于体素观察慢性阻塞性肺疾病肺叶损伤程度及空间分布

目的 探讨基于体素定量CT分析慢性阻塞性肺疾病（COPD）患者肺叶损伤程度及空间分布的价值。方法 在"数字肺"多研究中心连续性纳入接受双气相扫描COPD患者，测定小气道病变（fSAD）和肺气肿（Emph）的定量值；分析患者各肺叶之间Emph、fSAD肺叶损伤程度及肺叶分布的差异，以及各肺叶定量CT分布与肺功能的相关性。结果 最终纳入50例COPD患者。Emph和fSAD均以右肺中叶最重，两肺上叶次之，两肺下叶程度最轻；Emph和fSAD均主要分布于左肺上叶，其次为右肺上叶，右肺中叶分布最少。两肺下叶Emph和fSAD与FEV₁%的相关性较好。结论 COPD患者肺叶损伤程度以右肺中叶及两肺上叶为重，尤其是右肺中叶；Emph和fSAD主要分布于左肺上叶，其次是右肺上叶；两肺下叶损伤对COPD患者肺功能的影响更著。     

弥漫性泛细支气管炎的CT表现

目的 提高弥漫性泛细支气管炎的CT诊断及鉴别诊断能力.方法 回顾性分析我院2001年-2007年收治的83例弥漫性泛细支气管炎的CT表现.结果 77例表现为两肺弥漫分布,5例为两肺野内散在斑片状分布,1例局限于两肺下叶.83例均见小叶中心小结节,部分伴有树芽征; 54例细支气管扩张,伴有管壁不规则增厚,9例扩张的细支气管内可见黏液栓塞;38例见周围性空气潴留;36例见斑片状影,2例合并右肺中叶不张;肺间质纤维化7例,肺动脉高压7例,合并胸腺瘤和肺癌各1例. 结论 CT是诊断弥漫性泛细支气管炎的重要依据,结合临床有助于鉴别诊断.     

肺部CT图像的结节检测和类型判别准则设计及应用

目的 探讨肺结节自动检测算法和结节类型判别准则对肺结节检测及其类型判别的可行性。方法 首先利用结构分析、高通滤波、高斯拟合实现候选肺结节的检测,然后进行候选结节的假阳性筛除得到肺结节筛查结果。最后,在肺结节检测基础上设计了肺结节类型判别准则自动将肺结节分为磨玻璃样（GGO）、混合型GGO、实性结节三类。结果 本研究对107个肺结节进行实验,其总体检测率为87.85%,将结节分类结果与LIDC数据库的分类进行对比,一致性较高。结论 本文方法可针对不同类型的肺结节进行有效检测并自动分类,进而辅助临床进行肺癌的早期诊断。     

胞内分枝杆菌肺病CT特征:与堪萨斯、脓肿/龟分枝杆菌肺病比较

目的 探讨胞内分枝杆菌肺病的CT特征,并与堪萨斯分枝杆菌、脓肿/龟分枝杆菌肺病比较。方法 回顾性分析经临床及实验室检查证实的35例胞内分枝杆菌肺病、18例堪萨斯分枝杆菌肺病和22例脓肿/龟分枝杆菌肺病的胸部CT表现,比较其CT特征。结果 胞内分枝杆菌肺病病灶多分布于双肺（33/35,94.29%）、累及多个肺叶（18/35,51.43%）或全部肺叶（16/35,45.71%）,主要表现为索条影（34/35,97.14%）、实变（33/35,94.29%）、小叶中心结节和树芽征（32/35,91.43%）、胸膜增厚（32/35,91.43%）、磨玻璃密度影（31/35,88.57%）、牵拉性支气管扩张（30/35,85.71%）、非牵拉性支气管扩张（25/35,71.43%）、结节（24/35,68.57%）、肺内钙化（24/35,68.57%）和空洞（23/35,65.71%）。胞内分枝杆菌肺病磨玻璃密度影多于堪萨斯分枝杆菌（P=0.001）、脓肿/龟分枝杆菌肺病（P<0.001）。胞内分枝杆菌肺病空洞壁厚于堪萨斯分枝杆菌（P=0.019）、脓肿/龟分枝杆菌肺病（P=0.024）。胞内分枝杆菌肺病肺内钙化多于堪萨斯分枝杆菌（P=0.014）、脓肿/龟分枝杆菌肺病（P=0.007）。结论 相比堪萨斯、脓肿/龟分枝杆菌肺病,胞内分枝杆菌肺病CT表现具有一定特征性,有助于鉴别诊断。     

MR动态增强图像纹理分析判断乳腺结节良恶性的价值

目的 探讨MR动态增强图像纹理分析鉴别诊断乳腺结节良恶性的价值。方法 回顾性分析经手术病理证实的78例患者共80个乳腺结节的MR动态增强图像,每个结节获得63个纹理特征参数。绘制纹理参数鉴别诊断良恶性乳腺结节的ROC曲线,并与MR乳腺影像报告和数据系统（BI-RADS）的诊断效能比较。结果 78例患者的80个乳腺结节中,纹理参数中灰度游程长不均匀度判断乳腺结节良恶性的AUC值（0.836）最大且诊断准确率高,其诊断恶性乳腺结节的敏感度为82.93%（34/41）、特异度为94.87%（37/39）、准确率为88.75%（71/80）、阳性预测值为94.44%（34/36）、阴性预测值为84.09%（37/44）。MR BI-RADS分类诊断恶性乳腺结节的敏感度为95.12%（39/41）、特异度为87.18%（34/39）、准确率为91.25%（73/80）、阳性预测值为88.63%（39/44）、阴性预测值为94.44%（34/36）。MR BI-RADS分类和纹理分析判断恶性乳腺结节准确率差异无统计学意义（P=0.11）。与单独应用BI-RADS分类比较,两者联合应用可明显提高诊断恶性乳腺结节的特异度（P<0.001）。结论 MR纹理分析可作为传统诊断乳腺良恶性结节的补充。     

支气管肺发育不良的CT表现

目的 观察支气管肺发育不良患儿胸部CT表现。方法 收集经临床确诊的支气管肺发育不良患儿42例,根据胎龄和吸入氧浓度分为轻、中、重度,均接受64层螺旋CT扫描及薄层重建,回顾性分析所有患儿的胸部CT表现。结果 胸部CT多表现为囊泡影(27/42,64.29%),双肺透光度减低、呈广泛或局部磨玻璃样改变(26/42,61.90%),条片状致密影(23/42,54.76%)及条索状、网格状、蜂窝状(16/42,38.10%);胸膜增厚4例,胸腔积液2例。囊泡影发生于双肺上下叶者15例(15/27,55.56%),其中10例发生于右肺中叶;仅发生于肺下叶者8例;仅发生于肺上叶者3例(3/27,11.11%);发生于双肺下叶及右肺中叶者1例。轻、中、重度支气管肺发育不良患儿中,囊泡影检出率分别为53.33%(8/15)、57.14%(8/14)、84.62%(11/13),差异无统计学意义(P=0.094);累及肺叶数(中位数)分别为1.0、1.5、4.0,差异有统计学意义(P<0.05)。结论 支气管肺发育不良常见的CT征象为囊泡影、局部或广泛磨玻璃影、致密影、条索状、网格状、蜂窝状影。囊泡影可发生于双肺,以肺下叶居多,胸膜下多见;囊泡影累及肺叶数越多,提示患儿临床表现越严重。