目的 探讨基于深度学习模型的定量CT方法对新型冠状病毒肺炎(COVID-19)肺部改变评估的可行性.方法 回顾性分析2020年1月至3月确诊的22例COVID-19患者影像学资料,采用定量CT方法检测病变范围占全肺体积百分比(LOV％)和病变质量(Mass),并进一步评估CT定量检测的准确性;使用ROC曲线分析定量CT参数对不同临床分型COVID-19患者的区分力.结果 22例确诊患者中,9例重型患者,13例普型患者.以人工判读作为参考标准,CT定量方法与参考标准对病变体积测量结果无显著统计学差异(P=0.934).所获得的LOV％与Mass值在不同临床分型(普通型和重型)患者中存在差异.普通型患者LOV％在0.05％～5.67％之间,重型患者LOV％为5.00％-36.68％.普通型和重型患者的Mass值也有显著差异(56.8vs516.4).识别重型患者的最佳LOV％阈值为10.37％,最佳Mass值阈值为160(曲线下面积1.000,敏感度100％,特异性100％).结论 采用基于深度学习的定量CT方法测量COVID-19肺部病变LOV％与Mass的变化,能够更加客观精准的对COVID-19患者进行临床分型,观测疾病进展,及早诊断危重型患者,对临床干预治疗具有重要提示意义.

新型冠状病毒;肺炎;定量CT;计算机辅助诊断

陈静;金晨望;郭佑民;沈聪;于勇;段海峰;于楠

陕西中医药大学附属医院医学影像科 陕西 咸阳 712000;西安交通大学第一附属医院医学影像科 陕西 西安 716000

中国CT和MRI杂志

[1]陈静;金晨望;郭佑民;沈聪;于勇;段海峰;于楠-.定量CT评估新型冠状病毒肺炎患者肺部改变的可行性分析)[J].中国CT和MRI杂志,2022(10):28-30

8vs516

肺炎患者,可行性分析,深度学习模型,病变范围,LOV,变质量,Mass,定量检测,临床分型,分力,判读,读作,参考标准,定量方法,变体,体积测量,果无,统计学差异,普通型,肺部病变,疾病进展,及早诊断,危重型,临床干预,干预治疗,计算机辅助诊断

0.252787