论文部分内容阅读
第一部分全模型迭代重建低剂量CT对肺磨玻璃结节的实验研究目的通过胸部模型扫描,探索全模型迭代重建算法对肺磨玻璃结节的最佳低剂量扫描参数,为下一步临床研究提供依据。方法采用新鲜猪肺和亚克力板制备简易胸部模型（包含肺、胸壁、肺GGN模型）。扫描方案设计分别为管电压120KV、100KV、80KV,管电流40-150m As,每次扫描管电压不变,管电流增加10m As,总计36组扫描方案,均用全模型迭代重建（iterative model reconstruction,IMR）算法进行后处理。进行图像主观评分并测量图像的噪声值和辐射剂量,记录所有结果导入Excel表格并制成带平滑线的散点图进行分析。结果图像评分值随着管电流的增加而升高;图像噪声值随着管电流的增加而减低;辐射剂量随着管电流的增加而增大。结合图像主观评分、噪声值和辐射剂量,确定最佳低剂量参数为管电压100KV,管电流100m As。相较于120KV,150m As扫描方案,降低辐射剂量约58.42%。结论基于胸部模型试验,低剂量CT联合IMR算法对肺GGN诊断的最佳扫描参数为管电压100KV,管电流100m As。该参数在大幅降低辐射剂量（降低约58.42%）的同时,能最大程度显示肺GGN细节征象,保证图像质量。第二部分全模型迭代重建低剂量CT对肺磨玻璃结节的临床研究目的根据前期体模实验所得低剂量扫描参数,联合全模型迭代重建算法,研究其对肺磨玻璃结节的诊断能力,验证临床应用的可行性。方法对3462例就诊人员进行胸部CT低剂量（100KV,100m As）平扫。最终103例肺GGN患者入组研究,低剂量组记为实验组,常规剂量组（120KV,自动毫安秒）记为对照组,作自身对照。比较两组的辐射剂量、平均CT值、噪声值、信噪比（sing noise rate,SNR）、主观评分、瘤-肺界面、分叶征、毛刺征、结节性质、胸膜凹陷征、肿瘤微血管征、空气支气管征及诊断符合率。两组图像的平均CT值、噪声值、SNR、主观评分行t检验;征象统计以频数表示,两组间的比较采用麦克尼玛尔检验。采用Kappa值分析观察者间评分的一致性。以P<0.05为差异有统计学意义。结果实验组的平均CT值、噪声值均低于对照组,实验组的SNR高于对照组,差异有统计学意义（P﹤0.05）;实验组肺动脉三级分支、左肺下叶背段支气管分支及胸膜下肺实质主观评分稍低于对照组,纵隔窗软组织的主观评分稍高于对照组,差异无统计学意义（P=0.330、0.910、0.740、0.652）;实验组、对照组图像主观评分的一致性好（Kappa值=0.8271）;实验组纯磨玻璃结节（pure ground-glass nodule,p GGN）、Ⅰ型混合磨玻璃结节（mixed ground-glass nodule,m GGN）、Ⅱ型m GGN、肿瘤微血管征、胸膜凹陷征、空气支气管征检出数量与对照组相同;实验组分叶征、毛刺征、瘤-肺界面清晰性显示稍低于对照组,差异无统计学意义（P=1.000、0.500、0.500）;实验组和对照组结节良恶性诊断符合率均为90.30%。实验组的CDTIvol、剂量长度乘积（dose length product,DLP）、有效辐射剂量（effective dose,ED）均低于对照组（降低50.72%）,差异有统计学意义（P﹤0.05）。结论低剂量CT应用IMR算法,在较好显示肺GGN细节征象的同时,相较于对照组降低辐射剂量约50.72%,在肺GGN检出和诊断上具有一定的临床应用价值。第三部分基于人工智能不同重建算法低剂量CT对肺磨玻璃结节的临床研究目的基于人工智能研究全模型迭代重建低剂量CT对肺磨玻璃结节的诊断效能。方法回顾性分析低剂量胸部平扫肺结节患者150例,IMR算法记为实验组,i Dose算法记为对照组。应用人工智能（artificial intelligence,AI）分析比较两组图像不同性质GGN的检出敏感度、检出正确率及良恶性预测准确率。计数资料以频数表示,两组间比较采用麦克尼玛尔检验,以P<0.05为差异有统计学意义。结果实验组的pGGN敏感度、总体敏感度高于对照组,差异有统计学意义（P﹤0.05）;实验组Ⅰ型m GGN正确率、Ⅱ型m GGN敏感度、总正确率、p GGN正确率低于对照组,差异无统计学意义（P=0.322、0.314、0.920、0.692）;实验组的恶性结节预测准确率高于对照组,差异有统计学意义（P=0.012）;实验组微浸润腺癌、原位癌预测准确率均高于对照组,差异无统计学意义（P=0.219、0.063）。结论基于AI低剂量CT,IMR算法较i Dose算法对肺GGN检出具有较高的敏感度及预测准确性,具有较高的临床应用价值。