基于深度学习的CT定量指标对糖尿病合并新型冠状病毒肺部感染的影像学研究

目的：探讨基于深度学习的CT定量指标对糖尿病合并新型冠状病毒感染（COVID-19）患者肺部感染的影像学特征分析。资料与方法：回顾性纳入2022年12月至2023年1月首都医科大学附属北京世纪坛医院感染科收治的COVID-19患者的临床及影像学数据，根据患者的糖尿病史分为糖尿病组及非糖尿病组，通过单因素分析两组的临床及CT定量影像学特征。结果：共纳入112例COVID-19患者，年龄26～95岁，平均（70.4±14.4）岁，女性占比44.6%(50/112例)。在临床方面，糖尿病组的C反应蛋白水平明显升高。在定量指标方面，糖尿病组患者的全肺及左肺病灶数目、病灶体积、病灶占比更大，糖尿病组的纵隔淋巴结数目更多；此外，糖尿病组患者的磨玻璃病灶及实性病灶体积更大，其磨玻璃实性病灶体积比更小。在影像学征象方面，糖尿病组患者的病灶形态呈大片状、束带状比例更高，其存在晕征、空气支气管征、空气潴留征、马赛克灌注及胸膜下黑带的比例更高。结论：糖尿病合并COVID-19患者的肺部病变具有相对的特征性，基于深度学习的CT定量指标显示糖尿病组的COVID-19患者肺部受累的病变范围更大、程度更重，其实性病...