左玲子 黄艳 李双

    肺癌是威胁人类健康和癌症致死的主要原因之一[1,2]。肺癌的早发现、早治疗是提高生存率和降低病死率的关键[3]。随着国人对健康体检意识的逐渐加强和低剂量计算机断层扫描(computed tomography,CT)技术的应用,肺CT 在体检中的应用逐渐增多,同时也增加了放射医师的阅片负担,从而容易导致肺结节的漏诊。近年来,随着人工智能(artificial intelligence,AI)技术的不断成熟,其在肺结节筛查中的应用也逐渐被认可[4]。本研究旨在评估基于深度学习的AI 技术在筛查体检人群中肺结节中的应用价值。

    1 资料与方法

    1.1 一般资料 回顾性分析2020 年9～12 月于本院接受低剂量肺CT 扫描,并检出肺内至少1 个≥3 mm 非钙化结节的体检者150 例,男102 例,女48 例；年龄29～87 岁,平均年龄(59.6±12.3)岁。图像纳入标准：①经2 名放射科医师阅片；②排除报告中肺结节部位和数量认定不清的；③排除肺内弥漫性病变、胸膜多发病变。

    1.2 检查方法 采用GE optima CT670 128 层螺CT机,在被检者吸气末进行全肺低剂量扫描,取仰卧位、头先进,扫描范围从肺尖至肺底扫描参数：管电压80 kV,管电流采用自动毫安技术；扫描层厚5 mm,重建层厚1.25 mm,重建间隔1.25 mm,扫描野(FOV)300～350 mm,矩阵 512×512,肺窗算法重建,窗宽：1500 HU,窗位：-600 HU；软组织算法重建,窗宽：350 HU,窗位：40 HU ......