肾上腺节细胞神经瘤的CT表现及其血液动力学特征

目的探讨肾上腺节细胞神经瘤的CT表现及血液动力学特征。方法选择2014年3月-2 017年1月以肾上腺节细胞神经瘤患者25例作为对象,设为观察组。所有患者均经过手术病理组织检查最终确诊,手术前均经Light Speed VCT64层螺旋CT检查扫描仪检查,层厚0.625mm、螺距0.984mm,所有患者行CT平扫后随后30s、70s及3min动态增强扫描,分析肾上腺细胞神经瘤的CT表现;选择同期入院健康体检者50例,设为对照组。采用日本生产HSTECNM KN型血清自动分析仪测定两组肾上腺节神经瘤血液动力学水平,采用SPSS Pear son相关性分析软件对肾上腺节细胞神经瘤的CT检出率与血液动力学进行相关性分析。结果 25例肾上腺节细胞神经瘤患者均经过手术病理检查确诊,CT检查确诊24例,确诊率为96.00%(P>0.05);CT下12例表现为肾上腺区椭圆形,7例分叶状,6例不规则状,边界相对清楚,肿块直径大小为(2.4~9.3) cm。增强CT下10例呈轻度强化,其中延迟性强化4例,静脉期均匀或不均匀强化5例,1例不规则状肿瘤生长,向周围间隙延伸;观察组CVP、SVR水平,均高于对照组(P<0.05);观察组CO、CI水平,均低于对照组(P <0.05);两组MAP水平差异无统计学意义(P> 0.05);SPSS Pearson相关性分析结果表明:CT在肾上腺节细胞神经瘤检出率与CVP和SVR水平呈正相关性(P<0.05);CT在肾上腺节细胞神经瘤检出率与CO与CI水平呈负相关性(P<0.05)。结论将CT用于肾上腺节细胞神经瘤患者中能获得较高检出率,具有一定的特征性,且与血液动力学具有明显的相关性,能为临床诊疗提供影像学依据和参考。     

基于AI定量检测新型冠状病毒肺炎胸部CT演变特征分析

目的 探讨人工智能(AI)定量检测在新型冠状病毒肺炎(COVID-19)不同分型中胸部CT动态变化特征的价值。方法 回顾性分析2020年1月至2020年5月期间多家医疗中心确诊的95例COVID-19非重症患者和22例COVID-19重症患者的连续动态CT扫描结果及首次临床症状、实验室检查结果。使用AI技术自动分割COVID-19病灶得到CT定量结果。采用独立样本t检验或非参数检验比较两组间定量指标的差异。对发病后天数与CT定量数据进行三次多项式曲线回归函数拟合,得到变化曲线。结果 重症组患者除GGO%小于非重症组外,剩余CT定量指标均大于非重症组(P<0.05)。非重症组CT定量指标约第10～11天达到峰值,10～30天内迅速好转,30～40天基本消散。重症组发病高峰迟于非重症组1～2天,病变吸收速度远低于非重症组,并且消失时间延长。结论 AI定量检测有助于准确识别COVID-19肺炎胸部CT的动态演变过程。不同定量指标能够客观地评估肺内病变性质,为疾病的转归提供客观依据。     

糖尿病与脑卒中

糖尿病是脑卒中的独立危险因素,血糖代谢异常对脑卒中的发生、发展、预后有明显相关.改善血糖水平对合并有糖尿病的脑卒中患者的治疗和预防具有重要意义.     

基于定量CT构建的诺模图对重症新型冠状病毒肺炎的诊断价值

目的 探讨基于定量CT构建的诺模图对重症新型冠状病毒肺炎的诊断价值.方法 回顾性分析117例新型冠状病毒肺炎(corona virus disease 2019,COVID?19)患者的临床和胸部CT资料.所有患者分为轻症组(82例)和重症组(35例).对两组间差异有统计学意义的临床和定量CT指标进行多因素logist...     

影像学定量指标对2019冠状病毒病肺部感染严重程度的影响

目的 基于计算机肺部感染辅助诊断分析软件对2019冠状病毒病（COVID-19）合并肺炎患者进行CT定量分析,寻找反映疾病严重程度的影像学敏感指标。方法 回顾性收集117例经病毒核酸检测确诊的COVID-19合并肺炎的患者,男性64例,女性53例。根据《新型冠状病毒感染诊疗方案》（试行第十版）,将轻型与中型定义为非重症组89例,重型与危重型定义为重症组共28例。利用计算机肺部感染辅助诊断分析软件对确诊患者胸部CT进行定量分析。采用独立样本t检验或非参数检验比较两组患者CT定量参数的差异,均以P<0.05为差异有统计学意义。重症组的独立危险因素采用二元Logistic回归分析,绘制受试者工作特征（receiver operating characteris ties,ROC）曲线分析CT定量指标对重症COVID-19合并肺炎的诊断效能。结果 两组间CT定量参数：病变区域容积（lesion volume, LeV）、病变区域容积占全肺体积的百分比（percentage of lesion volume, LeV%）、病变区域平均密度（mean lesion density, MLeD...