深度学习定量测量对新型冠状病毒感染预后的分析

目的：分析基于深度学习定量测量新型冠状病毒感染（COVID-19）患者胸部CT炎性病灶的特征,预警重症的发生,提高对COVID-19预后的认识。方法：回顾性分析477例首次确诊为中型COVID-19患者的胸部CT,男276例,女201例,根据是否转为重症（重型/危重型）分为A组（未转为重症）、B组（转为重症）,比较两组病例病灶分布、累及肺叶侧别、数目等CT基本征象及基于深度学习的病灶体积、体积占比和密度等的差异。结果：477例COVID-19患者均有流行病学史,年龄、性别在两组间的差异无统计学意义。B组全肺及各肺叶病灶体积及体积占比高于A组。A组病灶以右肺下叶为主,占比高于其它肺叶,达3.32%;其次为左肺下叶,占比为2.08%;左肺上叶病灶体积占比较其他肺叶低,仅为0.25%。A组部分患者右肺上叶、右肺中叶及左肺上叶无病灶。B组病灶呈双肺分布,各肺叶均有;其中以右肺下叶、左肺下叶分布为主,占比最高,分别为57.86%和54.76%;右肺中叶体积占比较其他肺叶低,为34.73%。各组病灶均以磨玻璃密度影为主。A组以密度为-570～-470 HU病灶为主,占比达13.89%;其次为-47...     

不同年龄人群新型冠状病毒感染CT表现分析

目的：分析不同年龄人群新型冠状病毒感染（COVID-19）胸部CT影像特征,提高对不同年龄人群COVID-19影像表现的认识。方法：回顾性分析476例COVID-19的胸部CT资料,男275例,女201例,按照不同年龄段分为A组（0～45岁）33人、B组（45～60岁）72人、C组（60～75岁）203人、D组（75岁以上）168人,共4组,比较4组病例胸部CT病灶累及肺叶侧别、数目、密度和病灶分布等CT基本征象及基于深度学习的病灶体积、体积占比和密度等的差异。结果：476例COVID-19患者均有流行病学史,性别在各组间差异无统计学意义。4组病例双肺下叶病灶最为多见,A组病灶多位于单侧肺,C组和D组病灶以双肺分布多见。各组病灶体积、体积占比随年龄增大呈递增趋势,且分布均以双肺下叶为主,其中A、C和D组均以右肺下叶最为常见且体积及体积占比最大,B组以左肺下叶病灶体积及占比较大;与A组比较,C组各项指标增大,差异均有统计学意义,且右肺下叶病灶体积与B组比较差异有统计学意义;D组左肺上叶病灶体积与A组比较明显增大,占比较A组和B组明显增大,余D组全肺及右肺上叶、中叶、下叶及左肺下叶病灶体积...     

基于AI的多组学分析方法鉴别新型冠状病毒感染和社区获得性肺炎的价值

目的：旨在评估基于影像组学特征和常规临床信息（包括临床症状及临床检验数据）的多组学模型在区分新型冠状病毒感染（COVID-19）和社区获得性肺炎（CAP）方面的分类性能。方法：收集奥密克戎（Omicron）变异株引起的COVID-19确诊患者和其他病毒感染引起的CAP确诊患者临床及胸部CT影像资料，基于数据集构建影像组学模型、临床特征模型、多组学模型，通过受试者工作特性曲线（ROC）分析评估每个模型的分类性能。结果：选择8个影像组学特征和7个临床特征来构建影像组学模型、临床特征模型、多组学模型。在测试集中，影像组学模型受试者工作特征曲线下面积（AUC）为0.759，临床特征模型AUC为0.853，多组学模型AUC为0.9。结论：基于AI的多组学分析方法构建的多组学模型分类性能高于影像组学模型和临床特征模型，对COVID-19和CAP的鉴别诊断具有可行性。     

基于CT征象的新型冠状病毒感染临床分型与年龄相关性分析

目的：分析不同年龄奥密克戎（Omicron）变异株新型冠状病毒感染（COVID-19）胸部CT征象与临床分型关系，提高对COVID-19影像表现的认识。方法：回顾性分析75例COVID-19的胸部CT资料，男40例，女35例，平均年龄（46.2±17.2）岁，按照不同年龄段分为A、B和C组，比较3组病例胸部CT病灶分布、累及肺叶侧别、数目和密度等表现与临床分型的差异。结果：75例Omicron变异株感染COVID-19患者均有流行病学史；性别在各临床分型间差异无统计学意义；重型、危重型患者的平均年龄高于轻型及普通型患者；在左肺上叶、右肺上叶、右肺中叶分布均高于普通型，重型患者病灶在左肺下叶、双肺分布高于普通型。病灶均以磨玻璃密度影、实变为主；重型、危重型占比在A、B和C组中呈递增趋势，其病灶范围较普通型大。结论：奥密克戎（Omicron）变异株感染的COVID-19患者均有流行病学史，不同年龄组患者的临床分型、胸部CT征象具有一定特征，熟悉这些特征有助于重症COVID-19预测。