人工智能在早期胸部CT肋骨骨折的临床应用价值及局限性分析

目的 探讨人工智能(artificial intelligence,AI)辅助下医师在早期胸部CT肋骨骨折的检测能力、肋骨骨折的分布特点及隐匿性骨折的比例。方法 203例患者接受早期胸部CT和随访CT检查。早期胸部CT进行常规检测法和三种检测方法 检测肋骨骨折,以两次CT影像结果 作为参照金标准,分析三个年龄段、四个部位、三种骨折类型的检出率,分析漏诊肋骨骨折的特征。结果 共检出781处骨折。常规检测法肋骨骨折的诊断准确度92.3%,三种检测方法 中AI+医师的诊断准确度96.0%,AI+医师在年轻组检出率最高(100%),医师+审核对中年组检出率最高(96.1%),AI+医师在肋骨各段具有非常高的检测能力。常规检测法和三种检测方法 对移位骨折有较高检出率。肋骨骨折漏诊大部分为隐匿性骨折,且在明确骨折邻近区域。结论 医师在AI辅助下能提高肋骨骨折诊断准确度,漏诊骨折多为隐匿性骨折,常在明确骨折邻近区域。     

双能量CT对大肠肿块型腺癌与良性占位病变的鉴别诊断价值

目的：探讨双能量CT(dual-energy computed tomography,DECT)成像对大肠肿块型腺癌与良性占位病变的鉴别诊断价值。方法：选取2018年10月—2022年4月经结肠镜或手术病理证实的大肠肿块型腺癌患者40例及良性占位病变患者30例。回顾性分析其资料,记录肿块型腺癌与良性占位病变在动脉期、静脉期及延迟期的碘浓度（iodine concentration,IC）、标准化碘浓度（normalized iodine concentration,NIC）、混合能量CT值、常规CT值以及常规CT征象,采用相应的统计方法,比较两者的差异,探讨其诊断效能。结果：大肠肿块型腺癌及良性占位病变患者的动脉期、延迟期IC、NIC和混合能量CT值差异均有统计学意义（P <0.05）,而静脉期该三项指标差异均无统计学意义（P> 0.05）。ROC曲线表明,动脉期NIC的诊断效能最大,AUC为0.917,约登指数为0.742。结论：双能量CT对大肠肿块型腺癌与良性占位病变的鉴别诊断价值优于传统CT。