肺结节良恶性鉴别的磁共振成像应用价值

胸部CT是目前最常用的肺结节良恶性鉴别的影像学方法,但其存在辐射负担;而MRI没有辐射风险,可以多参数成像,并已被广泛应用于全身。但MRI在肺结节的应用受到一些限制,原因如肺的低质子信号导致的低信噪比、肺与临近软组织界面的磁化率伪影和心肺运动伪影。随着MRI抗运动伪影技术、超短回波时间序列、功能磁共振和影像组学/人工智能技术的不断发展,MRI在肺结节良恶性鉴别方面具有极大的潜力。本文综述了MRI在肺结节良恶性鉴别定性和定量方面的应用价值,MRI可以作为CT、PET/CT鉴别肺结节良恶性的很好的补充检查手段。     

CT影像特征评估肺纯磨玻璃结节良恶性的价值

目的：通过研究CT影像特征评估肺纯磨玻璃结节良恶性的价值,为肺结节的诊断、治疗提供依据。方法：收集2018年1月—2020年12月在淄博市张店区妇幼保健院行胸部CT检查显示肺纯磨玻璃结节,并经过活检或手术切除组织行病理检查的患者60例,共有结节70个。通过病理诊断金指标确定结节的良恶性,分为良性结节组（48个）、恶性结节组（32个）,对比两组患者的CT征象,通过回归分析,找出与恶性结节密切相关的CT征象,通过ROC曲线确定这些影像征象对恶性结节的诊断价值。结果：70个结节的CT征象：直径≤3 cm 20个（28.37%）,3～5 cm 35个（50.00%）,≥5 cm 15个（21.63%）;边缘光滑21个（30.00%）,边缘呈毛刺征30个（42.86%）,边缘呈分叶状19个（27.14%）;胸膜凹陷征11个（15.71%）,空泡征12个（17.14%）,空气支气管征13个（18.57%）,钙化征15个（21.43%）。两组患者年龄、性别无显著差异（P> 0.05）,结节直径、边缘、胸膜凹陷征、空泡征、空气支气管征、钙化方面有显著差异（P <0.05）。直径、边缘、胸膜...     

肺磨玻璃结节CT影像特征在结节良恶性诊断中的价值分析

目的:探讨肺磨玻璃结节在胸部CT影像中的特征,同时分析这些特征在结节良恶性诊断中的价值。方法:选取本院2022年6月9日至2023年7月31日期间,在上级大医院进行术后病理检查确诊的磨玻璃结节肺腺癌患者(22例)为研究对象,以病理诊断作为金标准,对CT影像特征进行详细分析,同时评估CT特征在结节良恶性诊断中的准确性和可靠性。结果:胸部CT报有肺结节86例,其中报告有提示GGO:47例,GGN:15例,MT:13例,MIA:7例,AIS:4例。电话随访跟踪所有磨玻璃肺结节患者,其中有24例患者经上级大医院手术病理证实,病理诊断良性2例,恶性22例;良性结节最大面面积、3D长径、表面积、平均CT值及体积均明显小于恶性结节(P<0.05);而球形度、紧凑度数据对比,两组数据差异无统计学意义(P>0.05)。结论:胸部CT检测是一种有效的手段,可以对肺磨玻璃结节的良恶性进行有效鉴别,在结节的影像学特征中,平均CT值、3D长径、表面积、最大面面积以及体积被认为是最优的影像学标志,这些特征具有较高的应用价值,值得在临床上进行广泛推广。     

CT三维重建对孤立性肺结节良恶性诊断价值的Meta分析

目的：通过使用Meta分析法，综合评价CT 三维重建对孤立性肺结节（SPN）良恶性的诊断价值。方法：系统搜索万方医学网、CNKI、PubMed、Medline、VIP等数据库,检索使用CT三维重建技术对孤立性肺结节诊断的相关中外文献，检索时间截至2019年10月，严格遵从Cochrane 协作网推荐的与诊断试验相关的纳入标准以筛选相关文献,提取纳入研究文献的特征信息。Meta分析采用Stata15.1SE软件进行，文献评价采用诊断实验质量评价量表QUQDAS-2。结果:共纳入9篇研究文献[1-9],共计681例患者。汇总并计算灵敏度、特异度、诊断比值比、阳性似然比及阴性似然比，同时绘制汇总受试者工作特征(SROC)曲线并计算曲线下面积(AUC)，以及95%可信区间。得到的值分别为：0.97（0.92,0.99）、0.93（0.87,0.96）、431（96,1936）、14.0（7.4,26.7）、0.03（0.01,0.09）;0.98（0.97-0.99）。结论：CT三维重建应用于孤立性肺结节良恶性的诊断，具有较高的灵敏度、特异度及准确率，是诊断孤立性肺结节良恶性一项重要的影像学方法，具有较高的诊断效能及诊断价值。     

基于密集网络改进的肺结节良恶性分类模型

目的 探讨改进后的卷积神经网络模型对肺结节进行良恶性分类的准确率。方法 以分类模型密集网络（DenseNet）为基础模型,采用中间密度投影方法将肺结节的三维信息输入卷积神经网络进行训练,并针对肺结节良恶性分类问题适应性改进神经网络结构,将传统损失函数Cross Entropy Loss替换为Focal Loss,使网络能着重学习难以分辨的肺结节。结果 改进后神经网络模型对良恶性肺结节分类的准确率为89.93%,曲线下面积为0.947。结论 适应性改进后的卷积神经网络模型判断良恶性肺结节准确率较高。     

分析CT诊断在肺内小结节良恶性中的临床应用价值

目的 探讨CT诊断在肺内小结节良恶性中的临床应用价值.方法 现选择该院2018年12月—2019年12月治疗肺内小结节良恶性的患者98例,均使用CT检测,分析CT诊断资料,讨论CT诊断在肺内小结节良恶性中的临床应用价值.结果 这98例患者在进行CT检测后发现,良性结节有68例,恶性结节有30例.恶性结节的位置分布在同一...     

肺癌患者肺内小结节良恶性的CT检测临床价值分析

目的:探讨肺癌患者肺内小结节良恶性的CT检测临床价值。方法:随机选取2018年1月—2020年1月期间某院放射科收治的疑似肺癌患者参与研究调查,并抽取其中的108例患者作为研究对象。108例疑似肺癌患者均实行CT检测,病理检查结果为金标准,分析讨论CT检测的临床价值。结果:108例疑似肺癌患者经CT检测后发现,确诊为肺癌患者的有98例,良性结节66例,恶性结节32例,CT检测针对良性结节的敏感性更高,对恶性结节的特异性更高;不同分期中Ⅰ期、Ⅱ期、Ⅲ期中军事良性结节远多于恶性结节,而Ⅳ期的恶性结节却多于良性结节,不同分期良恶性结节数存在较大差异性及统计学意义(P<0.05)。结论:肺癌患者采用CT检测进行对良恶性结节的诊断,可增强检测的准确性,降低漏诊率和误诊率,具有临床应用价值。     

胸部增强CT不同重组算法深度学习诊断肺结节良恶性

目的 探讨不同重组算法CT增强深度学习对肺结节良恶性诊断的差异性.方法 收集从2018年1月～2019年1月40例肺结节患者的CT增强扫描资料.用不同的重组算法(B30f和B70f)重组1 mm薄层CT图像.所有病例均经手术病理证实,其中良性结节10例,恶性30例.每个结节用深度学习智能辅助诊断系统(InferRead...     

动态增强扫描对肺内良恶性结节的诊断价值

目的采用螺旋CT动态增强扫描方式鉴别肺内良恶性结节的性质,评价其诊断价值。方法对手术及病理证实的50例肺内孤立性结节进行回顾性分析。结果恶性结节除3例外其余均呈明显强化,且≤15mm恶性结节呈均匀性强化,〉15mm恶性结节呈不均匀性强化,良性结节基本为轻度强化（球形肺炎除外）。结论动态增强螺旋CT检查对肺内良恶性结节的鉴别极具价值。     

64排CT支气管动脉双期扫描技术对肺结节的良、恶性诊断价值

目的分析64排CT支气管动脉双期扫描技术对肺结节的良、恶性诊断价值。方法选取2016年9月~2020年9月我院行64排螺旋CT常规扫描发现肺结节(直径在3 cm以下)患者120例,均行支气管动脉双期增强扫描及病变靶扫描,经病理证实为肺恶性结节65例(记为恶性组)、浸润前病变结节(原位癌)30例(记为浸润前病变组)、肺良性结节25例(记为良性组),比较3组CT征象检出率,对比3组支气管动脉形态、图像质量、平扫与增强扫描CT值、双时相增强扫描后强化程度,分析支气管动脉双期增强扫描对肺恶性结节的诊断价值。结果恶性组深分叶征、毛刺征、棘状突起、血管纠集征、空泡征、胸膜凹陷征占比较高,肺磨玻璃影中血管与支气管分型以Ⅱ、Ⅲ型为主,浸润前病变组钙化、卫星灶占比较高,肺磨玻璃影中血管与支气管分型以Ⅳ型为主,良性组方形征占比较高,肺磨玻璃影中血管与支气管分型以Ⅰ、Ⅱ型为主,差异均有统计学意义(P < 0.05);恶性组支气管动脉形态为血管湖比例高于浸润前病变组、良性组(P < 0.05),3组成团、迂曲、中断比例比较差异无统计学意义(P>0.05);3组图像质量比较差异无统计学意义(P>0.05);3组平扫CT值比较差异无统计学意义(P>0.05),恶性组、良性组增强扫描30~45 s、90~ 120 s的CT值均高于浸润前病变组(P < 0.05),恶性组增强扫描90~120 s的CT值低于良性组(P < 0.05);3组双期增强扫描后强化程度差异有统计学意义(P < 0.05),其中恶性组以中度、明显强化为主,且呈快升快降模式;64排CT支气管动脉双期增强扫描诊断肺结节恶性的敏感度、特异性、准确度分别为84.61%、76.36%、80.83%。结论64排CT支气管动脉双期扫描对肺结节良恶性有一定诊断价值,依据其CT征象、肺磨玻璃影中血管与支气管分型及支气管形态、强化程度等可作出准确诊断。     

人工智能识别结合DenseNet网络模型CT在亚实性肺结节诊断中应用

目的  通过人工智能自动识别结合DenseNet网络模型CT检查手段,探讨其在亚实性肺结节患者诊断中应用价值。方法  选取2018年6月~2019年12月入本院经CT检查的亚实性肺结节患者98例,其中直径≤10 mm组患者32例,10 mm < 直径≤20 mm组患者33例,直径>20 mm组患者33例,将所有患者实施高分辨的CT诊断,并将CT检查数据录入基于DenseNet网络深度学习的人工智能系统,把控人工智能影像诊断的训练数据集质量,由人工智能组和人工读片组分别对所有患者进行良恶性的诊断,比较分析人工智能对肺结节不同直径患者的CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率的预测值,测试诊断方面的敏感度、特异性以及符合率。结果  CT扫描对肺结节不同直径患者CT值、体积以及恶性概率的预测值差异均有统计学意义(P < 0.05);直径≤10 mm患者中,人工智能组的敏感度达94.61%,特异性(93.12%)和符合率(92.08%)均高于传统人工读片组(P < 0.05);10 mm < 直径≤20 mm和直径>20 mm患者中,人工智能组的诊断敏感度与人工读片组间差异无统计学意义(P>0.05),但诊断特异性及符合率均高于人工读片组(P < 0.05)。结论  人工智能识别结合DenseNet网络模型CT可对肺结节识别的敏感度及特异性较高,平扫CT可辅助预测肺结节恶性概率,可辅助临床医生诊断,提高工作效率。     

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。     

基于增强双期CT成像的肺亚厘米结节良恶性预测模型

目的  分析基于增强双期CT成像的肺亚厘米结节良恶性预测模型。方法  选择我院2019年1月~2021年3月收治的98例肺亚厘米结节患者作为研究对象,依照病理诊断结果分为良性病变组（n=64）和恶性病变组（n=34）。所有受试者行基于增强双期CT成像,采用Logistic回归模型分析增强双期CT成像预测结节良恶性预测模型,绘制ROC曲线分析增强双期CT成像的肺亚厘米结节良恶性预测模型的应用价值。结果  良性病变组患者毛刺、结节边界清楚、上叶、分叶征、空泡征、胸膜凹陷征、血管集束征、磨玻璃密度发生率与恶性病变组的差异有统计学意义（P < 0.05）;增强双期CT成像预测肺亚厘米结节良恶性预测模型为Log(P)=1.211×毛刺+2.843×分叶+1.981×磨玻璃+0.793×边界不清+1.326;增强双期CT成像预测肺亚厘米结节良恶性预测模型预测患者肺亚厘米结节良恶性的曲线下面积为0.930（P < 0.05）。结论  基于增强双期CT成像预测肺亚厘米结节良恶性模型临床价值较高,具有较高的预测价值。     

基于深度学习的人工智能在肺结节诊断领域的进展

肺癌是死亡率最高的恶性肿瘤,肺结节的早期检测是降低肺癌死亡率的关键。基于深度学习的人工智能技术可通过自我学习,不断提高肺结节检测和诊断的准确率,是实现计算机辅助诊断的重要手段。本文介绍了人工智能、机器学习、深度学习的概念及三者间的关系,阐述了4种常见的深度学习模型：卷积神经网络、海量训练人工神经网络、自编码器和深度信念网络。卷积神经网络是最常用的深度学习模型,主要包括二维卷积神经网络、三维卷积神经网络和多流、多尺度的卷积神经网络,其中的多流、多尺度的卷积神经网络更有利于肺结节的分类;海量训练人工神经网络在有限的肺结节训练样本中具有优势;自编码器可以在较低维空间下对肺结节进行检测;深度信念网络是一种生成模式,与极限学习机结合可提高肺结节的诊断率。另外,本研究分析了目前人工智能存在的问题：标记图像过少、可解释性和可控制性不足、存在伦理和法律问题。总之,基于深度学习的人工智能不仅改变了影像学,也改变了所有其他的医学领域,具有广阔的应用前景。     

超声检测血流动力学参数对甲状腺良恶性结节的诊断价值

目的  分析超声通过血流动力学参数评估甲状腺结节良恶性及其诊断的敏感度和特异性。 方法  选择2020年6月~2022年1月收治的122例甲状腺结节患者,依照病理检测结果将患者分为良性结节组（n=78）和恶性结节组（n=44）,对患者进行彩色超声扫描检查,术后切除的组织样品行常规病理学检查。以病理诊断结果为金标准,绘制ROC曲线分析各指标单独应用及联合应用评估甲状腺结节良恶性的敏感度和特异性。 结果  良性结节组患者病灶区收缩期峰值流速（PSV）及阻力指数（RI）值均明显低于恶性结节组,舒张末期血流速度（EDV）水平高于恶性结节组（P < 0.05）;PSV、EDV及RI联合应用预测甲状腺结节良恶性预测价值为Log(P)=-0.654×PSV+0.627×EDV-0.608×RI+0.613;PSV、EDV及RI联合应用预测甲状腺结节良恶性敏感度、特异度及曲线下面积均明显高于各指标单独应用（P < 0.05）。 结论  通过超声扫描检查血流动力学参数评估甲状腺结节良恶性具有较高的敏感度和特异性。     

18F-FDG PET对不典型肺结节良恶性鉴别诊断初步应用

目的研究不典型肺结节18F-FDG PET 影像类型、显像特征及在良恶性鉴别诊断中的应用价值.方法对119例不典型肺结节行18F-FDG PET显像,根据肺结节代谢水平和结节以外放射性摄取灶进行影像分型.结果单发高代谢肺结节(Ⅰ型)72例、单发低代谢肺结节(Ⅱ)35 例、多发高代谢肺结节(Ⅲ)6例及多发低代谢肺结节(Ⅳ)6例.Ⅰa型、Ⅰb型、Ⅰd型多为恶性,诊断准确率分别为90.9%、95.4%、100%;Ⅱa型和Ⅱb型良性居多,准确率为91.6%和92.8%,以上5种亚型占全部病例78.9%.结论利用18F-FDG PET代谢影像类型和特征,可对不典型肺结节的良恶性作出进一步鉴别.