人工智能与放射科医师判读肺实性肿块CT征象的一致性研究

目的 分析人工智能与放射科医师判读肺内实性肿块CT征象的一致性,探索人工智能在临床应用中的价值。方法 回顾性分析徐州医科大学附属淮安医院2020年1月至2022年1月经病理确诊的58例肺内实性肿块,重建CT薄层数据包并使用人工智能软件分析肿块的征象(包括分叶征、毛刺征、空泡征、血管集束征、胸膜凹陷征),同时两位放射科医师分别分析肿块的以上特征,采用一致性检验分析放射科医师与人工智能判读结果的一致性。结果 放射科医师两次判读肿块是否存在分叶征、毛刺征、空泡征、血管集束征、胸膜凹陷征、支气管充气征的一致性优(Kappa值0.862～0.965,P均<0.001),两名放射科医师判读结果的一致性优(Kappa值0.8262～0.928,P均<0.001)。放射科医师与人工智能判读的肿块CT征象一致性优(Kappa值0.770～0.906,P均<0.001),其中分叶征的一致性最高(Kappa=0.906),血管集束征的一致性最低(Kappa=0.770)。结论 人工智能可以可靠的评估肺内实性肿块的CT征象,并提高放射科医师的阅片效率。     

病理性肺音的研究进展

近年来，随着电子学和声学的迅速发展，医学界对肺音特别是病理性肺音，进行了深入的研究，在临床肺部疾病诊断和观察及疾病的病理生理方面取得了新的进展。本着重介绍了病理性肺音的发生机制及其临床特征，同时对肺音研究中存在的一些问题作了简述。     

肺音图在呼吸系统疾病诊治中的应用

肺音是反映肺部生理和病理特性的一项重要指标，建立能记录，分析，储存肺音的肺音分析系统－肺音图机及其分析软件，能客观地描述肺音，有助于医学教学。由于其参数受年龄，身高，气流速度和局部肺通气量影响，并与ＦＥＶ１密切相关，故可作为肺部疾病早期诊断和鉴别诊断的有效方法。用于评估肺功能和支气管激发，并有助于危重病人肺通气功能的管理，使远程医疗成为现实。     

病理性肺音的研究进展

近年来,随着电子学和声学的迅速发展,医学界对肺音特别是病理性肺音,进行了深入的研究,在临床肺部疾病诊断和观察及疾病的病理生理方面取得了新的进展。本文着重介绍了病理性肺音的发生机制及其临床特征,同时对肺音研究中存在的一些问题作了简述。     

健康人群的肺部听诊情况调查及结果分析

目的：获得正常健康人群肺部听诊结果分布情况。方法用专用肺部听诊设备对1896名健康成人行肺部听诊并录音,由呼吸专业医师根据录音判断肺部听诊情况。肺部听诊采集录取肺部喉部、左上、右上、左中、右中、左下、右下、左后、右后9个部位肺音。统计分析各部位啰音分布百分比。结果符合入选条件者1450人,9个听诊部位全部正常者1014人(69.9%),至少有1个部位听诊有啰音者436人(30.06%),至少有2个部位有啰音者190人(13.10%),至少有3个部位有啰音者81人(占5.58%)；出现干啰音比例由高至低依次为：左上(13.4%)、左中和左后(1.4%)、喉部和右上和左下(1.2%)、右下(1.0%)、右后(0.9%)；湿啰音比例由高至低依次为：右下(6.6%)、左后(5.9%)、右中(5.8%)、左下(5.1%)、右后(2.8%)、喉部(2.1%)、右上(1.9%)、左上(0.8%)；左中、右下和左后同时具有干啰音和湿啰音各2例(0.1%)。各听诊部位间听诊啰音分布及听诊部位间啰音分布情况差异无统计学意义(P >0.05)。结论健康成人肺部啰音并非少见,其临床意义有待进一步研究。     

人工智能辅助心脏听诊技术的研究与应用现状

人工智能辅助听诊是以电子听诊器和计算机辅助的心音分析算法为基础的心血管疾病辅助检查技术。人工智能通过对心音信号进行去噪、分段、特征提取和分类, 能够准确识别异常心音, 判断特定的疾病。应用目前最先进的深度学习方法诊断心脏瓣膜病、先天性心脏病等均可达到较高的准确性。人工智能所具备的高度准确性, 加之听诊本身便具有的无创、费用低、便捷等优点, 为该技术在心血管疾病的早期筛查方面带来了极大的临床应用价值。该文将对心脏听诊、电子听诊器以及计算机辅助的心音信号的处理分析方法进行简要介绍, 概述人工智能辅助听诊技术的研究现状与临床应用前景。     

肺结节人工智能判读与术后病理的对比分析

目的 评价人工智能对肺结节的良恶性鉴别能力及在临床上应用价值。方法 回顾性分析本院2019年—2021年经手术治疗且有术后病理的肺结节患者464人，包含485个结节；将所有患者的胸部CT图像导入人工智能(Artificial Intelligence, AI)系统，统计得到的肺结节相关参数，分析不同类型结节AI参数之间的关系。结果 恶性结节的AI恶性概率及准确率均明显高于良性结节，差异均具有显著统计学意义(P<0.01);恶性混杂磨玻璃结节的长径值越大，恶性概率越大；恶性混杂磨玻璃结节的AI准确率均明显高于纯磨玻璃及实性结节，差异有显著统计学意义(P<0.01);长径>1 cm的恶性结节中，混杂磨玻璃的恶性概率均要明显大于纯磨玻璃及实性结节，差异均具有统计学意义(P<0.05);术前穿刺活检准确率与AI比较，差异无统计学意义。结论 AI对良性结节的鉴别能力较低，对混杂磨玻璃结节良恶性鉴别有较高的临床应用价值，且长径对混杂磨玻璃结节的鉴别有一定的参考价值，但临床上AI是否可代替穿刺活检仍不确定。     

人工智能肺结节辅助诊断软件在肺CT检查结节分析中的临床应用

<正>肺癌是发病率及致死率最高的恶性肿瘤,每年新增确诊患者以百万计为单位。大部分肺癌患者由于各种原因其发现和治疗时已属于晚期,采用单纯药物治疗或手术治疗,其5年生存率均不高[1-4]。怎样才能更早发现肺部疾病,更早对肺结节进行定位及定性,早期精准医疗,一直是影像科及肺部医师讨论和研究的方向。随着计算机断层扫描(computed tomography,CT)的大量使用,提高了肺结节的检出率,CT低剂量技术及薄层技术的广泛应用使肺部低剂量筛查检查变成一种常规检测手段,人工智能(artificial Intelligence,AI)技术一直被定义为精准医疗的典范,其强大的后处理能力及进一步学习和分析的能力逐渐得到认可。     

人工智能影像系统预测肺结节良恶性及浸润性的临床初探

目的 评估人工智能辅助诊断系统对肺结节定性诊断的准确性及预测肺腺癌浸润程度的临床应用价值。方法 回顾性分析本院2021年1月至2022年1月经手术病理证实的肺结节患者。将肺结节分为恶性肿瘤组和良性病变组，其中肺腺癌又分为浸润性腺癌组和非浸润性腺癌组。将各组肺结节影像资料导入人工智能辅助诊断系统，记录量化参数、恶性概率及预测病理亚型，并采用受试者工作特征曲线评估人工智能诊断系统鉴别良恶性肺结节的效能及预测肺腺癌侵袭程度的临床价值。结果 人工智能诊断与病理结果的一致性检验的Kappa值为0.676(P<0.001)。人工智能组鉴别良恶性肺结节的ROC曲线下面积为0.91,敏感度94.3%,特异度70.2%;医师阅片组的ROC曲线下面积为0.767,敏感度80.5%,特异度63.3%。两组患者临床资料比较，年龄、性别、恶性概率、CT平均值和CT最大值差异有统计学意义(P<0.05)。人工智能自动预测肺腺癌侵袭程度的ROC曲线下面积为0.808,敏感度71.0%,特异度89.7%。结论 人工智能系统对肺结节定性诊断与肺结节病理结果的一致性好，对早期肺癌诊断具有重要意义，并且能自动预...     

人工智能在肺结节良恶性鉴别诊断中的价值分析

目的评价人工智能(artificial intelligence, AI)风险评估对肺结节良恶性鉴别诊断的价值。 方法收集2018年8月至2019年12月唐都医院行胸部CT检查，发现肺结节患者310例，将患者CT影像数据DICOM文件拷贝输入到"FACT人工智能"软件系统对结节进行分析，获得结节的部位、数量、特征(磨玻璃、亚实性、实性)、大小、密度、以及恶性风险概率AI值和Lung-rads分级；其中39例肺结节经过多学科讨论，建议采用外科手术、经皮肺穿刺或者支气管镜下活检等，271例患者进行随访。 结果31例肺结节病理诊断良性14例，分别为结核8例，隐球菌2例，炎性结节4例；恶性25例，分别肺鳞癌2例，腺癌23例。进一步分析，恶性病变的AI风险概率明显高于良性病变(P<0.05)；结节AI风险概率与肺结节特点(磨玻璃、亚实性、实性)显著相关(P<0.05)，而与数量及边缘毛刺征无显著相关性(P>0.05)；肺结节特点(磨玻璃、亚实性、实性)在良恶性之间存在显著性差异(P<0.05)，而密度和体积之间在在良恶性之间无显著性差异(P>0.05)。肺结节Lung-rads分级与AI风险概率之间具有显著的相关性(P<0.05)。 结论依据人工智能自动分析良恶性概率AI值对肺结节良恶性鉴别诊断具有一定的价值，值得临床借鉴。     

人工智能在肺血管疾病诊治中的研究进展

肺血管疾病(PVD)指影响肺内血管的各种疾病,主要包括肺动脉高压和肺栓塞。PVD的病理生理学和临床表现复杂,存在异质性,疾病负担严重,其诊断和治疗具有重大挑战。近年来,随着医疗信息化技术的持续发展,人工智能(AI)在疾病诊治中的应用进展迅速,为PVD的诊治提供了新的思路。现从AI在PVD中的数据来源、数据类型及临床应用等方面进行文献综述,以期为AI在PVD的早期诊断、早期治疗及规范化管理中的应用提供理论依据。     

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

目的 探讨肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值.方法 回顾性分析医院2018年3月～2019年3月收治的178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型,所有患者均经手术治疗,肺结节均经病理检查明确良恶性,恶性结节也均明确病理类型.统计肺部影像人工智能诊断...     

人工智能在呼吸音方面的研究进展

听诊器是临床医师最常用的诊断工具, 现代医学始于听诊器的发明。听诊器应用于临床已有200年历史, 从最早的声学听诊器到现在的电子听诊器, 其外形和传音方式经历了较大的变化, 但其使用方式和临床使用价值并没有发生质的改变。随着信息技术的发展, 人工智能应用于肺音的智能识别技术得到了更多的关注。本文介绍了听诊器的发展史、呼吸音的分类、传统听诊器与电子听诊器的优缺点比较和肺音智能识别技术发展的必要性如医疗资源不足、医师听诊存在主观性及电子听诊器的优势和需要改进的方向等问题;总结了电子听诊器辅助疾病诊断近年的研究进展;从肺音的标准化收集与建库、数字呼吸音的标注和定性、数据的处理、计算机肺音分析、电子肺音的可听和可视化展现等角度论述了肺音智能识别技术的现实可行性;分析了肺音领域研究目前存在的问题及改进建议;并展望了今后肺音智能识别技术的可能应用场景和使用价值。     

人工智能技术在MSCT肺结节诊断中的应用

人工智能(artificial intelligence,AI)是当前科学技术发展中的一门前沿学科[1],被定义为精准医疗的典范,其强大的后处理能力和进一步学习、分析能力逐渐得到业界的认可,它广泛应用于医学领域,在临床医学影像诊断中、特别是在肺部小结节的诊断应用已日渐增多,但临床应用方面的有关报道仍较少。近年来,我院在肺部小结节、冠状动脉血管成像以及颅内血肿诊断等方面的MSCT影像诊断也在不断尝试应用。相信在不久的将来,以人工智能技术为主导的新潮流[2],必将为医学影像诊断带来新机遇。本文有关肺部结节MSCT应用的认识进行分析,供同道参考。     

肺结节病的活动性判断与治疗

结节病是一种免疫性疾病,可以累及全身任何脏器,病理结局为非干酪坏死性类上皮细胞肉芽肿,可自行缓解或进展为透明结缔组织。但其发病机理至今不明。该病常自然缓解或症状轻微,故一般无需治疗,仅当肉芽肿引起脏器功能障碍或炎症较重时给予激素治疗。因此,对于疾病活动性的判断十分重要。１疾病活动性的判断１１支气管肺泡灌洗液（ＢＡＬＦ）指标　研究发现,肺结节病患者ＢＡＬＦ中的淋巴细胞及ＣＤ４／ＣＤ８与疾病的自然缓解性有关。ＢＡＬＦ中含大量淋巴细胞及ＣＤ４／ＣＤ８升高常预示疾病处于急性期,且预后较好;相反,疾病处…     

起搏音14例临床分析

对14例有起搏音(PS)患者的临床资料进行分析,按PS出现部位和特点可分为心脏型和非心脏型.其共同特点是当起搏电压或脉宽改变时,PS可增强、减弱,甚或消失.心脏型PS的诊断比较困难,但可用体外程控法测试.如有PS存在,当调试到合适的起搏电压或脉宽时,则可出现由PS、S_1、S_2构成的三音律.心脏型PS者可伴有类似起搏器综合征样的临床症状;非心脏型者可伴有明显的胸部或胸肩部的节律性抽动.