论文部分内容阅读
第一部分 新冠肺炎的临床特征和CT征象及不同层厚显示评价目的1.对比新冠肺炎确诊患者与发热门诊胸部CT阳性患者临床特征、CT征象的差异,提高对新冠肺炎的认识与防范。2.根据新冠肺炎相关CT征象,比较5mm和1mm层厚对新冠肺炎早期病变识别的影响。材料与方法回顾性分析2020年1月24日至2020年3月31日1071次发热门诊及专用CT的检查。最终入组新冠肺炎确诊患者61人(COVID-19组),非新冠胸部CT阳性患者64人(非COVID-19组)。通过PACS系统、HIS系统回顾性收集患者的影像信息、临床资料。影像信息包括CT扫描病变分布、形态、密度、细节特征和伴随征象。临床资料收集患者的性别、年龄、起始症状、伴随基础疾病及实验室检查指标。采用Fisher’s精确检验或卡方检验比较COVID-19组与非COVID-19组分类变量之间的差异,采用Mann-Whitney U检验或Student t检验比较两组连续变量之间的差异。另由2名对结果不知情的放射科医师根据CT征象,复查两组患者的胸部CT图像,分别在5mm和1mm层厚上根据病变分布、形态、密度、细节特征、伴随征象,对患者病毒性肺炎可能性进行分类,并对病变累及范围进行评分。两位医师一致性检验采用Kappa系数检验和组内相关系数检验。采用Mc Nemar检验或Cochran Q检验和成对样本秩和检验比较5mm与1mm层厚组的分类和连续变量。结果1.本研究新冠肺炎患者年龄中位数约55,临床表现有发热、咳嗽、胸闷、乏力、咳少量白痰等,实验室检查指标有淋巴细胞降低、白细胞降低、C反应蛋白升高等。与非新冠胸部CT阳性患者相比有特征的临床症状有乏力、肌肉酸疼,伴有高血压疾病,实验室检查有淋巴细胞、白细胞、血红蛋白减低。2.新冠肺炎与发热门诊非新冠胸部CT阳性患者比较CT特征有双侧、多发、累及多叶,以外周分布为主,病灶为纯磨玻璃密度影或以磨玻璃密度为主,小叶内间隔增厚,病灶呈球形;阴性CT征象有单发、叶段分布、以实变为主,存在小叶核心结节、树芽、腺泡结节,伴有支气管壁增厚、胸腔积液、纵隔肿大淋巴结。3.5mm层厚、1mm层厚对新冠相关密度特征和细节特征的识别、对病毒性肺炎可能性的分类无显著差异,且有较高的准确性。但1mm层厚对病变累及范围的评分高于5mm层厚。两位医师层厚相关一致性检验有很高的相似性。结论1.新冠肺炎相对发热门诊胸部CT阳性患者早期临床特征有一定特点。新冠肺炎胸部CT征象可辅助临床诊断与筛查。2.在疫情期间为提高效率在5mm层厚上根据CT征象对新冠肺炎的筛查,能够满足初步诊断。但5mm层厚存在病灶漏诊风险,病变范围的评估需要在1mm层厚上进行。第二部分 基于CT平扫影像组学模型鉴别新冠肺炎与甲型流感病毒肺炎的研究目的1.比较新型冠状病毒与甲型流感病毒肺感染的临床资料及胸部CT表现。2.探讨胸部CT平扫影像组学模型鉴别新冠肺炎与甲型流感病毒肺炎病变的价值。材料与方法回顾性分析2018年、2019年11月到次年3月甲型流感病毒引起肺炎患者74例,2020年1月24日至2020年3月31日确诊新冠患者61例。两组患者的临床资料、CT表现分类变量用卡方检验或Fisher’s精确检验比较,连续变量用Student t检验或Mann-Whitney U检验比较。进一步分析两组患者胸部CT平扫图像,甲型流感病毒肺炎64人和新冠肺炎61人,人工勾画病灶并提取影像组学特征。将患者随机分为训练组(46新冠+48甲流)和验证组(15新冠+16甲流),采用显著性分析、Peason相关性分析和LASSO回归分析筛选关键特征,分别使用逻辑回归(Logistic Regression,LR)、支持向量机(Support Vector Machine,SVM)和高斯朴素贝叶斯(Gaussian Naive Bayes,NBG)三种算法在训练组中构建诊断模型,并在验证组进行测试。绘制校准曲线和Hosmer-Lemeshow检验计算评估模型的拟合效果。使用受试者工作特征曲线(Receiver operating curve,ROC)分析模型的诊断效能,并用Delong’s test检验做三种模型的AUC显著性检验。使用决策分析曲线(Decision Curve Analysis,DCA)评估模型的临床价值。结果1.甲型流感病毒发热程度更高,胸痛症状仅见于甲流。实验室检查甲流出现淋巴细胞降低的概率比COVID-19更高,单核细胞升高、嗜酸粒细胞减低、C反应蛋白升高的比例也明显多于新冠。甲型流感病毒与新冠肺炎CT图像上有很多重叠征象,但一些征象如大叶分布、以实变为主、纵隔肿大淋巴结、胸腔积液,仅在甲流患者中出现。2.对新冠肺炎与甲流肺炎的鉴别,经过LASSO降维筛选出11个影像组学用于构建诊断新冠模型,LR模型的AUC、敏感度和特异度在训练集上为0.903、92.73%和 82.26%,在验证集上为 0.888、91.30%和 74.07%。SVM模型的AUC、敏感度和特异度在训练集上为0.937、96.36%和85.48%,在验证集上为0.923、91.30%和77.78%。NBG模型的AUC、敏感度和特异度在训练集上为0.929、91.82%和 80.65%,在验证集上为 0.889、97.83%和 70.37%。3.SVM影像组学模型诊断新冠肺炎的效能略高于其他两种模型,差异不具统计意义。校准曲线分析表明三种模型均有良好的拟合度,DCA分析证明了三种模型的净收益基本相当,均有临床价值。结论1.甲型流感病毒较新冠病毒的全身炎性反应更强。甲流与新冠肺炎影像的鉴别具有挑战性,尤其是重及危重型患者,少数有间质炎症特点的大片状实变、伴纵隔淋巴结肿大、胸腔积液有利于鉴别。2.基于影像组学模型鉴别新冠肺炎与甲流肺炎的准确率较高,有一定的临床价值。第三部分 基于全肺灰度直方图分析参数在新冠肺炎临床分型、预测预后的应用研究目的1.分析新冠肺炎患者入院时临床资料、CT半定量及计算机辅助全肺灰度直方图分析定量参数与临床分型相关的因素,构建识别临床重型及危重型患者的诺模图模型。2.对比出院时胸部CT图像正常与异常新冠肺炎患者入院时临床资料、CT半定量及计算机辅助全肺灰度直方图分析定量参数的差异,探讨预测新冠肺炎出院时胸部CT正常的指标。材料与方法回顾性分析2020年1月24日至2020年3月31日确诊COVID-19患者61人,其中包括普通型(29人)、重及危重型(32人),将两组患者随机划成训练集(普通型20人、重及危重型21人)和验证集(普通型9人、重及危重型11人)。根据患者出院时CT图像分为正常组(17人)和仍有异常组(44人)。通过HIS系统、PACS系统收集所有患者入院时临床资料和CT图像,由3名经验丰富的放射科医生采用双盲法、独立对病变累及面积评分,获取CT图像半定量值。采用数坤科技公司的肺炎辅助诊断系统(Version 1.20.0)获取病灶体积占比。采用西门子后处理工作站Pulmo 3D软件(Siemens Healthineers)获取全肺灰度直方图分析定量参数。严重程度研究首先对患者所有临床资料、CT图像半定量值、CT计算机辅助定量参数进行单因素Logistic回归,选出P<0.05的相关变量。进一步进行多因素Logistic回归(逐步回归的方法)筛选出与严重程度相关的重要变量。用R软件在训练集构建出预测重及危重型患者的列线图模型。采用受试者工作特征曲线(Receiver operating characteristic curve,ROC)分别在训练集和测试集评价诺模图的诊断效能。在验证集绘制校准曲线并采用Hosmer-Lemeshow拟合优度检验评价诺模图的一致性。在验证集使用决策分析曲线(Decision Curve Analysis,DCA)评估诺模图的临床价值。出院时CT图像研究对所有患者临床资料、CT图像半定量值、CT计算机辅助定量参数进行单因素Logistic回归,后采用ROC分析相关单因素的诊断效能,根据最大的约登指数选择阈值。采用卡方检验或Fisher’s精确检验,Mann-Whitney U检验分别评价普通型和重及危重型、出院时胸部CT正常和异常患者的临床资料、CT半定量及CT计算机辅助定量参数的差异。结果1.严重程度相关单因素Logistic回归分析结果显示临床资料年龄、是否伴有高血压,入院时实验室检查白细胞、淋巴细胞、中性粒细胞数和血红蛋白、D-dimers、凝血酶原时间、CRP、LDH水平,及所有入院时影像CT半定量、CT全肺灰度直方图分析定量参数均与临床分型相关(P<0.05)。多因素Logistic回归最终累及面积评分、全肺灰度直方图分析定量参数标准差(Standard Deviation,SD)和最低密度体积百分比(Low attenuation value percent,LAV%)三个变量进入回归方程(P<0.05),在训练集构建预测重及危重型诺模图模型。ROC曲线分析诺模图在训练集和测试集曲线下面积分别为0.974(95%CI,0.869-0.999)、0.929(95%CI,0.772-0.995),具有良好的诊断效能。在测试集绘制较正曲线显示预测概率与实际概率具有良好的拟合度。在测试集DCA分析证明诺模图模型具有临床价值。2.出院时胸部CT正常和异常患者临床因素年龄、入院时实验室检查淋巴细胞和中性粒细胞数,血红蛋白、D二聚体、C反应蛋白及乳酸脱氢酶水平,及所有入院时影像CT半定量、CT全肺灰度直方图分析定量参数均有显著差异(P<0.05)。单因素Logistic回归及ROC分析结果显示全肺灰度直方图分析定量参数平均密度(Mean lung density,MLD)预测患者出院时肺组织正常的诊断效能最佳,其阈值为-782HU。结论1.与临床资料、实验室检查相比,入院时胸部CT全肺灰度直方图分析定量参数预测新冠肺炎临床严重程度、出院时肺组织情况的能力更强。2.根据入院时CT图像定量参数构建预测重及危重型COVID-19患者诺模图模型具有良好的效果。入院时CT全肺灰度直方图分析定量参数MLD能预测新冠肺炎患者出院时肺组织恢复情况。