慢性阻塞性肺病的识别和严重程度分期使用定量CT参数,放射学特征和深度学习特征
Shengchuan Feng1, Wenxiu Zhang2, Ran Zhang3
1State Key Laboratory of Respiratory Disease, National Clinical Research Center for Respiratory Disease, National Center for Respiratory Medicine, Department of Respiratory Medicine, Guangzhou Institute of Respiratory Health, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, China, fengsc2022@163.com.
Respiration; international review of thoracic diseases
|September 25, 2025
概括
双相CT扫描的定量CT (QCT),放射学和深度学习 (DL) 功能有效地识别和阶段慢性阻塞性肺病 (COPD). 结合这些方法为COPD诊断和严重程度评估提供了有价值的临床工具.
科学领域:
- 肺部医学 肺部医学
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 慢性阻塞性肺病 (COPD) 的诊断和分期仍然具有挑战性.
- 定量CT (QCT),放射学和深度学习 (DL) 在改善COPD评估方面表现有前途.
- 评估使用这些技术的多式联络方法对于临床应用至关重要.
研究的目的:
- 评估QCT,放射学和DL特征的诊断和分期价值,这些特征来自COPD的呼吸和呼吸CT扫描.
- 开发和验证用于COPD识别和严重程度分期的预测模型.
- 为了比较单个和组合的功能集的性能.
主要方法:
- 对223名COPD患者和59名对照组的回顾性分析.
- 从双相CT扫描中提取QCT参数,放射学特征和DL特征 (VGG-16).
- 开发用于COPD识别和分期的后勤回归模型,在外部队列中得到验证.
主要成果:
- 结合的QCT和DL模型 (5-B1) 在测试队列中实现了COPD识别的最高AUC (0.920).
- 将QCT与放射学 (4-B2) 或DL特征 (5-B2) 结合在一起的模型在COPD严重程度分期方面表现出卓越的性能.
- 外部验证证实了开发模型的通用性.
结论:
- 基于双相CT的多模式方法,整合QCT,放射学或DL特征,在临床上对COPD的鉴定有价值.
- 这种综合方法为准确的COPD严重程度分期提供了强大的工具.
- 这些发现支持高级成像分析在治疗COPD方面的临床实用性.
