人工智能结合PET_CT与高分辨CT对肺部炎性肉芽肿结节定性分析的临床研究.pdfVIP

2024年第28卷第27期20249月30日

著DOI：10.19435/j.1672-1721.2024.27.002

人工智能结合PET/CT与高分辨CT对肺部炎性肉芽肿结节

定性分析的临床研究

郭佳

（赣州人民医院核医学科，江西赣州341000）

【摘要】目的研究人工智能实现正电子发射断层/计算机断层显像（positronemissiontomography/computedtomography，

PET/CT）结合高分辨CT进行肺部炎性肉芽肿结节多参数定性诊断的价值。方法选取2020年1月1日—2023年4月30日赣

州市人民医院存储的肺结节PET/CT图像、高分辨率CT图像及数据，基于3DCNN网络模型和XGboost分类器建立双通道联合

模型，通道1输入结构化的结节特征信息和患者基本信息，通道2输入图像数据，以2020年1月1日—2022年9月30日肺

结节图像及数据材料作为训练样本，以2022年10月1日—2023年4月30日的肺结节图像及数据材料作为测试样本，进行

20×20×20、30×30×30、40×40×403种体素尺度图像的模型性能实验。结果双通道联合模型下，30×30×30体素尺

度下诊断准确率为0.9643±0.0177，灵敏度为0.9614±0.0195，特异度为0.9644±0.0199，曲线下面积（areaunder

curve，AUC）为0.9799±0.0115，显著优于20×20×20、40×40×402种体素尺度，差异有统计学意义（＜0.05）；医师盲

审诊断准确率为0.7984±0.0589，灵敏度为0.7653±0.0678，特异度为0.8439±0.0421，AUC为0.8231±0.0519，显著低

于模型诊断表现，差异有统计学意义（＜0.05）；与单纯输入图像数据采用3DCNN网络进行人工智能辅助诊断相比，3种体

素尺度下引入结节特征参数和患者信息的诊断表现明显更优，差异有统计学意义（＜0.05）。结论采用双通道联合模型，引

入结节特征信息和患者基本信息，进行人工智能结合PET/CT与高分辨CT图像的联合诊断，可有效提高肺部炎性肉芽肿结节

的良恶性定性诊断准确率，为医师提供更有价值的辅助诊断信息，具有较高的应用价值。

【关键词】正电子发射断层/计算机断层显像；高分辨CT；肺部炎性肉芽肿结节；人工智能

文章编号：1672-1721（2024）27-0009-05文献标志码：A中国图书分类号：R734.2

肺部炎性肉芽肿结节是一种慢性炎症刺激引起的等影像学特征参数，采用非结构化图像数据、结构化

肺部结节疾病，多因感染引起肺部慢性炎症所致，导特征参数双通道输入的方式构建基于3DCNN网络和

致局部纤维组织增生形成局部炎性肉芽结节，也有因XGBoost算法的联合模型，研究PET/CT结合高分辨

异物导致炎症形成结节状病变现象，患者可表现为咳CT影像的人工智能诊断定性分析技术的可行性，为肺

嗽、咳痰、胸痛、发热等临床症状，影像学检查可见部炎性肉芽肿结节的临床诊断提供更多有价值的参考，

[1-2]

肺部多个大小不一的结节状阴影。在临床上，影像报告如下。

学检查是肺结节检测和识别的重要手段，但由于肺部

1资料与方法

炎性肉芽肿结节特点多样，形态和大小各异，与肺癌、

转移瘤等有一定相似之处，加上医生诊疗水平、认知1.1研究材料

经验等方面的影响，诊断结果具有一定的主观性和不