简介:摘要目的探讨三维人工智能(AI)定位技术在胸部CT平扫中的应用价值。方法回顾性分析2020年9月至10月在南京大学医学院附属鼓楼医院因新型冠状病毒肺炎筛查接受胸部平扫CT检查的患者100例,采用区组随机分组法分为人工定位组和三维AI定位组,每组50例。2组患者使用相同的胸部扫描协议。测量2组患者的定位偏离距离、CT剂量指数(CTDI)和剂量长度乘积(DLP),并记录患者的检查用时。同时由2名放射医师对患者纵隔窗图像质量进行客观评价,并对肺窗图像进行主观评分。采用独立样本t检验对2组的定位偏离距离、CTDI、DLP、图像质量客观指标和检查用时进行比较。采用χ²检验对图像质量主观评分的患者分布进行比较。结果三维AI定位组的总体定位偏移距离较人工定位组减少了42.86%[分别为(8.8±7.2)、(15.4±9.7)mm,t=3.65,P<0.01],CTDI降低了10.67%[分别为(6.7±2.6)、(7.5±2.5)mGy,t=0.59,P=0.04],DLP降低了13.33%[分别为(234±86)、(270±95)mGy·cm,t=1.98,P=0.02]。三维AI定位组的检查用时较人工定位组减少了29.91%[分别为(150±14)、(214±26)s,t=15.79,P<0.01]。2组图像的背景噪声以及降主动脉、竖脊肌的信号噪声比及图像主观评分患者分布差异无统计学意义(P>0.05)。结论使用三维AI定位技术进行胸部CT扫描,可以在保证图像质量的前提下,提高定位准确度,降低患者的辐射剂量,大幅提高工作效率。
简介:摘要目的探讨双层探测器光谱CT单能量图像(VMI)及电子云密度图(EDM)在肺磨玻璃结节(GGN)良性与恶性鉴别诊断中的价值。方法回顾性分析2019年7月至2020年8月南京医科大学鼓楼医学院经病理证实的65例GGN患者影像资料。65例中,良性27例、恶性38例,均于术前2周内接受双层探测器光谱CT扫描,并在后处理工作站重建出常规120 kVp混合能量图像(PI)、电子云密度图及40~80 keV虚拟单能量图。采用Mann-Whitney U检验比较良性与恶性GGN在PI、40~80 keV VMI中的CT值及电子云密度(ED);采用独立样本t检验比较良性与恶性GGN的大小;采用χ²检验分析并比较良性与恶性GGN的CT征象,包括病灶大小、部位、形态、边缘、内部结构、邻近结构、结节类型等。采用受试者操作特征(ROC)曲线分析不同能谱定量参数对良性与恶性GGN的鉴别诊断效能。将差异有统计学意义的CT征象及各能谱定量参数采用logistic回归进行多因素分析,找出预测GGN为恶性病变的独立危险因素,然后将各独立危险因素单独或联合行ROC曲线分析。结果病灶形态、毛刺、分叶、部位、大小在肺良性与恶性GGN间差异有统计学意义(P<0.05)。良性与恶性GGN的PI、40~80 keV VMI中CT值及EDM中的ED值差异均有统计学意义(P<0.05)。PI、40~80 keV VMI中CT值及EDM中的ED值鉴别诊断良性与恶性GGN的ROC曲线下面积(AUC)分别为0.680、0.682、0.683、0.686、0.694、0.676、0.722,其中ED值的AUC最高。以GGN形态、毛刺、分叶、部位、大小、ED值及PI、40~80 keV VMI中CT值为自变量,GGN为恶性或良性为因变量进行二元logistic回归分析,结果显示ED值(OR=1.045,95%CI 1.001~1.090,P=0.044)、病灶大小(OR=1.582,95%CI 1.159~2.158,P=0.004)、毛刺征(OR=11.352,95%CI 2.379~54.172,P=0.002)均为恶性GGN的独立危险因素。对ED值、病灶大小、毛刺征单独及三者联合进行ROC曲线分析,鉴别诊断GGN良性与恶性的AUC为0.722、0.772、0.698、0.885,ED+病灶大小+毛刺征联合诊断的AUC最大,其灵敏度、特异度分别为92.1%、74.1%。结论双层探测器光谱CT平扫图像鉴别诊断肺GGN时,EDM的诊断效能高于其他VMI;当EDM联合病灶大小及毛刺征进行综合诊断时效能进一步提高。