人工智能量化参数对亚实性结节肺腺癌浸润程度的预测价值

目的：探讨人工智能(AI)肺结节定量参数预测亚实性结节(SSN)肺腺癌浸润程度的临床价值。方法：回顾性分析经手术病理证实的89例(共94个结节)SSN肺腺癌患者的临床及胸部CT资料。根据病理结果,将其分为非浸润性病变组：原位腺癌(AIS)6个、微浸润性腺癌(MIA)29个;浸润性病变组：浸润性腺癌(IAC)59个。比较2组临床资料及结节AI定量参数间的差异,采用单因素与多因素二元logistic回归分析筛选SSN肺腺癌浸润程度的独立因素并建立预测模型,以ROC曲线分析模型预测概率和独立预测因子对肺腺癌浸润程度的预测价值。结果：2组间年龄、长径、短径、恶性概率、体积、质量、最大CT值、平均CT值、CT值方差、球型度、最大面面积、表面积、3D长径、长短径平均值、紧凑度差异均有统计学意义(均P<0.05)。logistic回归分析显示,质量(OR=1.002,P=0.005)和平均CT值(OR=1.006,P=0.001)是SSN肺腺癌浸润程度的独立预测因子,诊断阈值分别为202.2 mg、-463.5 HU。预测模型为logit(P)=0.002X₁+0.006...     

亚实性结节肺腺癌的研究进展

【摘要】亚实性结节即磨玻璃密度结节（GGN）作为一个非特异性征象,可以出现在非典型腺瘤样增生（AAH）、原位腺癌（AIS）、腺癌和良性病变（如炎症、局部纤维化、局灶性肺出血）等多种病理状态下。GGN的良恶性鉴别诊断主要依靠其生长特性、密度、形态特征和影像组学技术等。计算机辅助诊断（CAD）已初步应用于肺结节良恶性的判别。本文对GGN的相关研究及CAD进展进行综述。     

人工智能辅助诊断系统对肺腺癌亚型的预测价值

 目的 探讨人工智能(artificial intelligence, AI)辅助诊断系统分析磨玻璃结节(ground glass nodule, GGN)的CT定量参数对肺腺癌亚型的预测价值。方法 回顾性选取新疆医科大学第一附属医院昌吉分院2017-01至2021-12经手术病理证实的肺内磨玻璃结节患者97例,根据病灶的浸润程度分为非浸润组(44例)和浸润组(53例)。提取GGN的AI定量参数特征,采用独立样本t检验比较两组间统计学差异;预测GGN病灶侵袭程度用受试者特征曲线(receiver operator characteristic curve, ROC)和二元Logistics回归模型评估AI定量参数的诊断效能。结果 非浸润组和浸润组比较,GGN最大径、体积、平均CT值和实性成分所占比均有差异(P<0.05),CT定量参数的预测价值从高到低依次为实性成分占比、平均CT值、最大径、体积。Logistics回归分析显示实性成分占比(OR=1.262,P<0.05)及平均CT值(OR=1.010,P<0.05)在预测GGN侵袭中的诊断价值较高,可作为独立预测因子,诊断阈值为1.085%和-557.00 HU。结论 AI可通过分析GGN的实性成分占比和平均CT值对肺腺癌亚型做出有效预判。     

能谱CT虚拟平扫在肺结节AI辅助诊断系统预测亚实性结节恶性概率中的应用

【摘要】目的：通过与能谱平扫（TNC）图像对比,探究能谱CT虚拟平扫（VNC）图像在AI肺结节辅助诊断系统预测亚实性结节恶性概率中的效能表现。方法：本研究共纳入86例因肺内亚实性结节而行手术切除的患者,其中男26例、女60例,年龄（61.33±11.66）岁。按病理组织学结果将结节分为3组：A组为浸润前病变;B组为微浸润腺癌;C组为浸润性腺癌。将患者术前TNC和VNC图像上传至AI肺结节辅助诊断系统进行结节检测并记录结节的恶性概率预测值、体积及CT值,进一步行三组间结节数值的非参数检验（Kruskal-Wallis H检验）及每组TNC与VNC图像配对样本的非参数检验（Wilcoxon检验）。结果：入组病例中共切除88个亚实性结节,其中A组、B组和C组分别有27个、28个及33个结节。在TNC和VNC图像中3组结节均可被AI系统检出。利用TNC图像时,AI系统对A组、B组和C组中结节恶性概率的预测值分别为74.60%±19.76%、89.97%±8.55%和94.25%±7.04%;在利用VNC图像时,对三组中恶性概率预测值分别为70.01%±23.43%、88.20%±10.35%和94.51%±5.17%;2种图像上三组间预测值的差异均有统计学意义（P＜0.001）。在TNC和VNC图像上,三组间结节的CT值及体积的差异亦有统计学意义（P＜0.05）。每组结节在TNC和VNC图像上恶性概率预测值之间的差异无统计学意义（P>0.05）。结论：利用肺结节AI辅助诊断系统预测亚实性结节的恶性概率预测值时,VNC图像与TNC图像的预测效能相似。     

肺癌患者肺内小结节良恶性的CT诊断价值

目的探讨CT诊断原发性肺癌患者肺内小结节灶良恶性的价值。资料与方法回顾性分析316例肺癌患者CT图像,筛选存在符合要求的结节灶(≤2个)共82例患者,分析其临床分期、病理类型及肺内结节性质、位置、大小、边缘,并以此来分析良恶性结节的特点。结果 82例患者共98个结节,39个为恶性。直径﹥0.5cm的结节较≤0.5cm的结节恶性可能性大(P=0.012);与肺内原发肿瘤位于同一肺叶的结节较其他肺叶的恶性可能性大(P=0.001),且较多为转移,距离原发灶越近(≤4cm),恶性的可能性越大;Ⅰ期肺癌肺内结节恶性可能性较其他期低(P=0.000);转移性结节较良性结节边缘多较光整(P=0.000);原发性腺癌的转移形态可类似原发灶。结论多层螺旋CT可帮助诊断肺癌伴肺内结节的良恶性。     

肺内孤立结节周边结构CT征象对良、恶性病变的诊断价值

孤立肺结节（Ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙ　ｎｏｄｕｌｅ,ＳＰＮ）是指肺内直径在３ｃｍ以内的类圆形病灶,无肺不张、肺炎、卫星灶和局部淋巴结肿大［１］。其常见疾病为周围型肺癌、结核瘤、炎性假瘤,也可见于错构瘤、转移瘤肺囊肿等。在孤立肺结节的各种影像检查中,螺旋ＣＴ薄层扫描能显示更多、更细致的ＣＴ征象,对定性诊断有重要帮助。因此,准确认识和分辨肺内孤立结节周边结构ＣＴ征象是十分重要的。检查方法常规ＣＴ对肺内孤立隐结节的诊断远较胸部平片敏感,尤其是对胸片Ｌ所谓隐匿区的小病灶的检出。８０年代中后期,…     

肺结节CT影像评价

肺结节的鉴别诊断是肺部疾病诊断难点之一,如何有效地显示其特征是准确诊断的前提。用于肺结节检查的CT应用技术有多种,关键是薄层,特别以靶扫描技术最佳。应该主要从三方面显示肺结节的特征：（1）内部特征,包括形态、密度等;（2）结节－肺界面;（3）邻近结构改变。肺结节中以肺癌诊断最重要,肺癌的重要征象有分叶、毛刺和胸膜凹陷征等,动态增强扫描有其特征的时间－密度曲线。其他病变也各有其特点。     

基于DenseNet网络深度学习法CT图像人工智能分析技术判断肺结节良恶性

【摘要】目的：通过与单纯人工阅片进行比较，探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法：搜集2015年1月－2017年12月本院510例肺结节CT检查病例，由医师组（按照从事胸部CT诊断的年限分为高级医师组和初级医师组）和人工智能组（基于DenseNet网络深度学习的人工智能系统）分别对所有肺结节进行良恶性的诊断，以病理结果为金标准，分别统计各组在不同大小肺结节（直径≤10mm、10mm<直径≤20mm以及直径>20mm）良恶性诊断上的敏感度、特异度及符合率，并通过卡方检验进行统计分析。结果：在510例肺结节的诊断中，人工智能组诊断敏感度（93.14%）与高级医师组（91.14%）间差异无统计学意义（P>0.05），与初级医师组（61.43%）间的差异具有统计学意义（P=0.000）；而诊断特异度（95.63%）及符合率（93.92%）均高于医师组（初级56.25%、59.80%；高级58.75%、80.98%），差异均有统计学意义（P=0.000）。在≤10mm的肺结节中，人工智能组的诊断敏感度、特异度及符合率均高于高级医师组（90.38%，92.96%，91.43%；78.85%，64.79%，73.14%；所有P=0.000）；在10mm<直径≤20mm和直径>20mm肺结节组中，人工智能组的诊断敏感度（92.25%，97.12%）与高级医师组（95.77%，97.12%）间的差异均无统计学意义（P=0.211和1.000），但诊断特异度（98.33%，96.55%）及符合率（94.06%，96.99%）均高于高级医师组（51.67%，58.62%；82.67%，88.72%），差异均有统计学意义（P<0.05）。在不同大小的三组结节中，人工智能组诊断敏感度、特异度及符合率均高于初级医师组（敏感度：90.38% vs. 17.31%，92.25% vs. 70.42%，97.12% vs. 93.27%；特异度：92.96% vs. 85.92%，98.33% vs. 43.33%，96.55% vs. 10.34%；符合率：91.43% vs. 45.14%，94.06% vs. 62.38%，96.99% vs. 75.19%），除两组在≤10mm肺结节中的诊断特异度（P=0.361>0.05）和>20mm肺结节中的诊断敏感度（P=0.211>0.05）的差异无统计学意义外，其它指标的组间比较差异均有统计学意义（P均<0.05）。结论：相较于人工诊断，应用人工智能（DenseNet网络深度学习）技术对肺结节的良、恶性进行诊断具有良好、可靠的诊断准确性。     

孤立性肺结节CT征像在鉴别良恶性结节中的价值

目的 探讨孤立性肺结节的各种CT征像对良恶性结节鉴别的意义.方法 选取41例术后病理结果的孤立性肺结节CT征像,依据病理结果把病例分成恶性结节组23例,良性结节组18例,对两组患者的性别、年龄及结节直径对比分析,对孤立性肺结节的毛刺征、分叶征、胸膜尾征、血管集束征、空泡征、磨玻璃结节及钙化等CT征像进行单一CT征像及组...     

肺良恶性结节的CT表现分析

目的：探讨肺结节的CT征象与其良恶性的关系。方法：回顾性分析122例肺结节的CT表现及其手术切除后的病理类型,比较分析良恶性肺结节之间各CT征象（毛刺征、分叶征、空泡征、支气管充气征、血管集束征、胸膜牵拉征）的检出率,并用Sperman秩相关分析4种不同浸润程度的早期肺腺癌（不典型腺瘤样增生、原位腺癌、微浸润腺癌、浸润性腺癌）与3种不同密度结节（纯磨玻璃密度结节、部分实性结节、实性结节）之间的关系。结果：良性结节的毛刺征、分叶征、空泡征、血管集束征、胸膜牵拉征检出率均明显低于恶性结节（均P<0.05）,而气管充气征检出率差异无统计学意义（P>0.05）。早期肺癌的侵袭性与结节的实体成分检出率存在正相关（Sperman相关系数=0.533,P=0.000）。结论：毛刺征、分叶征、空泡征、血管集束征、胸膜牵拉征及随访过程中结节实性成分的出现及增加可作为恶性肺结节的特异性CT征象。     

甲状腺囊实性结节良恶性的高频超声鉴别诊断价值

目的 探讨甲状腺囊实性结节良恶性的高频超声鉴别诊断价值.方法 回顾性选取2017年3月至2018年11月70例甲状腺囊实性结节患者的临床资料,以手术病理检查结果为金标准,所有患者均行高频超声检查,分析高频超声图像特征、检出率、灵敏度及特异度.结果 高频超声检查诊断甲状腺囊实性结节良恶性检出率为100％(98/98)、特...     

IVIM-DWI全域直方图参数鉴别孤立性肺结节良恶性的价值

目的:探讨体素内不相干运动扩散加权成像(IVIM-DWI)全域直方图参数对良、恶性孤立性肺结节(SPN)的鉴别诊断价值。方法:回顾性将CT难以明确诊断而进一步行MRI检查的90例SPN患者纳入研究。根据病理结果将SPN分为良性组(30例)和恶性组(60例)。采用两独立样本t检验(正态分布)或Mann-Whitney U检验(非正态分布)比较良、恶性组的ADC和IVIM-DWI参数(D、D^*、f)的全域直方图参数值的差异;采用受试者工作特征(ROC)曲线评估直方图参数的诊断效能并确定最佳阈值,采用DeLong法比较各直方图参数AUC的差异;采用Spearman秩相关检验分析全域直方图参数与恶性SPN的相关性。结果:恶性SPN组的D值和ADC值的多项全域直方图参数(均值、标准差、P10、P90、四分位间距、最大值、中位数、最小值、范围、能量、熵、均匀性和异质性)的测量值均显著低于良性SPN组(P<0.05);且这些直方图参数均与恶性SPN呈负相关(P<0.05)。D和ADC的直方图参数均能有效鉴别SPN的良恶性,且各项直方图参数AUC的差异无统计学意义(P...     

DCE-MRI对孤立性肺结节良恶性诊断价值的Meta分析

目的 采用Meta分析方法评价动态增强磁共振成像(DCE-MRI)对孤立性肺结节(SPN)良恶性的鉴别诊断价值.方法 计算机检索PubMed、EBSCO、Cochrane Library、Ovid、CBM、VIP、万方和CNKI数据库,检索关于DCE-MRI用来诊断SPN的中英文文献.按照Cochrane协作网推荐的诊断试验纳入标准筛选文献,提取纳入研究文献的特征信息.文献评价采用诊断研究评价工具QUADAS-2.数据采用Stata 12.0和Meta-Disc 1.4软件进行Meta分析,检验异质性和发表偏倚,根据异质性的结果选择相应效应量,计算汇总敏感度、特异度、阳性似然比、阴性似然比以及诊断比值比,绘制汇总受试者工作特征(SROC)曲线并计算曲线下面积(AUC).结果 共纳入17篇文献,包含了1255个病灶,Meta分析结果显示:DCE-MRI对SPN良恶性的诊断价值的汇总灵敏度、特异度、阳性似然比、阴性似然比和诊断比值比分别为0.95、0.81、4.9、0.06、85.SROC曲线AUC为0.97.结论 DCE-MRI对SPN良恶性的鉴别诊断具有较高的灵敏度和特异度,是一种诊断效能较高的影像学检查方法.     

肺亚实性结节不同维度CT定量特征对病理等级的预测价值

目的 探讨不同维度下病理为腺癌的肺亚实性结节(SSN)大小及其实性成分的大小对病理等级的预测价值.方法 回顾性分析病理为肺腺癌的125例患者肺内127个SSN的术前胸部高分辨率CT.将所有SSN分为2组,A组共69个,包含22个原位癌(AIS)和47个微浸润性腺癌(MIA);B组包含58个浸润性腺癌(IAC).使用计算机辅助软件测量所有SSN的肺窗实性一维长径(1D-SCLW)、肺窗实性二维长径(2D-SCLW)、纵隔窗实性一维长径(1D-SCMW)、纵隔窗实性二维长径(2D-SCMW)、肺窗结节一维长径(1D-WNLW)、肺窗结节二维长径(2D-WNLW)和-300 HU阈值实性成分体积(SCT).结果 B组的1D-SCLW、2D-SCLW、1D-SCMW、2D-SCMW、1D-WNLW、2D-WNLW和SCT显著>A组(P=0.000).通过受试者工作特征(ROC)曲线分析得出,在以上7种CT定量特征中,SCT对病理等级的诊断价值最高[曲线下面积(AUC)=0.887,敏感度为81%,特异度为93%];1D-SCLW、2D-SCLW、1D-SCMW、2D-SCMW、1D-WNLW、2D-WNLW和SCT的最优阈值分别为17.50 mm、14.75 mm、9.50 mm、7.75 mm、0.50 mm、1.25 mm和139.00 mm3.多因素Logistic回归分析结果表明,SCT是SSN病理等级的独立预测因素(OR=4.978,95%CI=1.430~17.331,P=0.012),当SCT≥139.00 mm3时,高度提示SSN为IAC.结论 在不同维度SSN的大小及其实性成分大小中,SCT是AIS、MIA和IAC间的独立预测因素,能够为手术方式的选择提供参考.     

C-TIRADS联合人工智能辅诊系统对甲状腺结节良恶性的诊断价值

目的：探讨甲状腺结节超声恶性危险分层中国甲状腺影像报告和数据系统（Chinese-Thyroid Imaging Reporting and Data System,C-TIRADS）联合甲状腺结节人工智能（artificial intelligence,AI）辅诊系统对良恶性结节的诊断价值,并分析桥本甲状腺炎（Hashimoto thyroiditis,HT）背景对诊断结果的影响。方法：纳入817个甲状腺结节,以组织病理学检查结果为金标准,对比AI辅诊系统、不同年资医师应用C-TIRADS及联合应用的诊断效能;将结节分为HT背景组/非HT背景组,比较结节背景对AI辅诊系统、不同年资医师诊断结果的影响。结果：817个甲状腺结节中,恶性462个,良性355个。与高年资医师应用C-TIRADS相比,AI辅诊系统诊断的特异度较高（89.58%vs81.69%,P=0.003）,准确度两者相当（92.29%vs 90.58%,P=0.151）;与低年资医师应用C-TIRADS相比,AI辅诊系统诊断的特异度较高（89.58%vs56.90%,P=0.002）,准确度较高（92.29%vs80.0...