简介：摘要目的探讨双层探测器光谱CT碘密度图及低能级虚拟单能量图像（VMI）在胰腺神经内分泌肿瘤（pNETs）检出中的应用价值。方法回顾性分析2019年1月至6月，于上海交通大学医学院附属瑞金医院经手术病理证实为pNETs的23例患者资料，均于术前1周内接受双层探测器光谱CT胰腺动态增强扫描。扫描后重建动脉期、门静脉期常规120 kVp混合能量图像（PI）、碘密度图和40、50、60、70 keV VMI。由1名3年工作经验的放射科住院医师和1名10年以上工作经验的高年资放射科医师独立阅片，与病理结果对照，分别基于PI、40~70 keV VMI及PI+碘密度图计算pNETs的检出率。测量动脉期、门静脉期PI、40~70 keV VMI中病灶、正常胰腺实质及腹壁脂肪CT值和噪声，计算对比噪声比（CNR），采用重复测量单因素方差分析比较不同图像CT值、CNR和图像噪声的差异。以5分法对PI与不同能级VMI进行评分，采用Friedman检验进行组间对比。结果23例患者经手术证实共26个pNETs病灶。低、高年资医师在PI中pNETs病灶检出率分别为76.9%(20/26)和84.6%(22/26)，40、50 keV VMI中低、高年资医师pNETs病灶检出率均提高至92.3%(24/26)，而在碘密度图+PI中，高年资医师pNETs病灶检出率进一步提高至96.2% (25/26)，低年资医师依然为92.3%(24/26)。动脉期、门静脉期PI与40~70 keV VMI中病灶、正常胰腺实质CT值、CNR和噪声总体差异均有统计学意义（P<0.001）。不同能级VMI中，病灶CT值与CNR随着能级降低明显升高，40~70 keV VMI中pNETs病灶CNR均优于PI。PI与40~70 keV VMI图像质量主观评分的中位数分别为3、3、4、4、5分，组间总体差异有统计学意义（χ²=66.393，P<0.001）。结论双层光谱探测器CT低能级VMI可提高增强CT pNETs病灶CT值和CNR，结合碘密度图有助于pNETs病灶的检出。40 keV VMI中pNETs病灶CNR最高，而图像噪声仍低于PI，推荐临床使用。

简介：摘要目的探讨双层探测器光谱CT对肺癌与肺炎性结节的鉴别诊断价值。方法回顾性分析2019年3月至2020年9月上海交通大学医学院附属仁济医院92例肺部实性结节患者的临床及胸部光谱CT资料。分析病灶的常规CT征象并测量其常规CT参数及光谱CT参数，之后以差异具有统计学意义的参数作为自变量，进行多参数logistic回归分析，分别建立预测恶性结节模型，并采用ROC曲线分析常规CT征象、光谱CT参数及两者联合后的诊断效能，使用DeLong检验比较ROC曲线下面积。结果恶性及炎性肺结节患者分叶征（分别为42个、8个，χ²=10.779，P=0.001）、短毛刺征（分别为41个、7个，χ²=11.911，P=0.001）、胸膜凹陷征（分别为45个、9个，χ²=11.705，P=0.001）及血管集束征（分别为35个、8个，χ²=5.337，P=0.021）的分布及静脉期IC值［（2.1±0.5）mg/ml、（2.3±0.5）mg/ml，t=-2.464，P=0.016］、NIC值（分别为0.40±0.06、0.45±0.08，t=-6.943，P<0.001）、Zeff值（分别为8.38±0.21、8.49±0.19，t=-2.122，P=0.037）差异具有统计学意义，其余CT征象的分布及指标差异无统计学意义（P>0.05）。以分叶征、短毛刺征、胸膜凹陷征、血管集束征建立常规CT征象logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.827；静脉期IC、静脉期NIC、静脉期Zeff建立光谱CT参数logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.899；以上联合建立logistic模型，其鉴别诊断肺癌与肺炎性结节的曲线下面积为0.925。联合模型与光谱CT参数模型鉴别诊断肺癌与肺炎性结节的曲线下面积差异无统计学意义（Z=1.794，P=0.073），联合模型与常规CT征象模型鉴别诊断肺癌与肺炎性结节的曲线下面积比较差异具有统计学意义（Z=2.156，P=0.031）。结论光谱CT参数联合常规CT征象能提高肺癌与炎性结节的鉴别诊断效能。

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。