1、王璟琛,柴军.人工智能体积密度法判断肺亚实性结节的浸润性研究J.CT 理论与应用研究,2023,32(2):241-248.DOI:10.15953/j.ctta.2022.099.WANG J C,CHAI J.Evaluation of the Invasion of Pulmonary Subsolid Nodules by the Artificial Intelligence Volumetric DensityMethodJ.CT Theory and Applications,2023,32(2):241-248.DOI:10.15953/j.ctta.2022.099.(in
2、Chinese).人工智能体积密度法判断肺亚实性结节的浸润性研究王璟琛1,2,柴军21.内蒙古科技大学包头医学院,内蒙古 包头 0140002.内蒙古自治区人民医院医学影像科,呼和浩特 010000摘要:目的:探讨人工智能(AI)体积密度法判断肺亚实性结节(SSNs)浸润性的价值。方法:回顾性分析 106 例患者的 108 枚 SSNs 的 CT 和病理结果,将结节分为腺体前驱病变组和腺癌组。通过肺结节AI 软件测量并比较两组的最大 CT 值、最小 CT 值、平均 CT 值、峰度、偏度、Perc.25、Perc.50、Perc.75、Perc.95、结节体积、结节平均径等 CT 定量参数。使用
3、 Medcalc 软件得出受试者工作特征曲线(ROC),评价诊断 SSNs 浸润性的敏感度、特异度、阳性预测值及阴性预测值,用逻辑回归分析评估他们的诊断性能。结果:SSNs 的多数 CT 定量参数差异存在统计学意义,其中,诊断效能最高的是Perc.25,AUC 达 0.797;其次为 Perc.50 和平均 CT 值,AUC 均为 0.787。Logistic 回归分析显示,将诊断效能最高的 Perc.25 分别与 Perc.50 和平均 CT 值两两建立联合诊断模型 1,其中Perc.25 与平均 CT 值的模型诊断效能最高,且联合诊断模型诊断效能高于 Perc.25 与平均 CT 值单独的
4、诊断效能。Medcalc 软件分析显示,Perc.25 -578 HU 和平均 CT 值 -468 HU 的 SSNs 病理表现为腺癌的可能性大。将 Perc.25 与结节平均径结合,可获得对判断 SSNs 浸润性非常有价值的联合诊断模型 2。结论:AI 体积密度法对 SSNs 的浸润性有较高的诊断价值,联合使用 Perc.25 与平均CT 值比单独使用更能准确地判断浸润性。关键词:CT;人工智能;体积密度法;肺亚实性结节DOI:10.15953/j.ctta.2022.099中图分类号:R 814.42文献标识码:A肺癌已经成为世界各地癌症患者死亡的主要原因1。近年来,肺亚实性结节(subs
5、olid nodules,SSNs)的检出率逐年增高,SSNs 经常和肺腺癌有关2。由于不同病理阶段的 SSNs 的临床预后及治疗策略不同,因此术前影像学评估 SSNs 的侵袭程度对临床决策具有重要的意义3-4。以往对 SSNs 的大小测量多以最大横截面的最大横径来代表 SSNs 大小,以手动勾画感兴趣区内的平均 CT 值代表结节密度5-8。本研究根据 2021 年 WHO 肺腺癌新分类标准,分为腺体前驱病变组(非典型腺瘤样增生(atypical adenomatous hyperplasia,AAH)、原位腺癌(adenocarcinoma in situ,AIS)和腺癌组(微浸润性腺癌(m
6、inimally invasive adenocarcinoma,MIA)、浸润性腺癌(invasiveadenocarcinoma,IAC),利 用 一 款 可 以 测 量 肺 结 节 体 积 密 度 的 人 工 智 能(artificialintelligence,AI)分析软件,对病灶进行三维定量分析;利用 AI 体积密度法绘制 CT 值分布直方图,获得体积密度系列参数,探讨 AI 体积密度法判断肺亚实性结节浸润性的价值。1材料与方法1.1研究对象收集 2013 年 1 月至 2022 年 4 月于我院收治,有完整术前胸部 CT、临床资料并经病理证实的108 枚 SSNs。根据 2021
7、 年 WHO 肺腺癌新分类标准,分为腺体前驱病变组 25 例,包括 AAH 3 例、AIS收稿日期:20220526。基金项目:内蒙古自治区人民医院院内项目(人工智能体积密度对孤立肺结节的诊断价值(2019YN03)。第 32 卷第 2 期CT 理论与应用研究Vol.32,No.22023 年 3 月(241248)CT Theory and ApplicationsMar.,202322 例;腺癌组 83 例,包括 MIA 16 例、IAC 67 例。纳入标准:肺内至少 1 个 SSN,大小范围为 0.53 cm 之间;在我院行手术切除,术后病理结果经复阅证实为 AAH、AIS、MIA 及
8、IAC;具有完整 CT 图像、临床和病理数据。排除标准:术后病理证明为良性疾病或其他肺癌的病理亚型;患者有肺部多发转移瘤或其他部位原发肿瘤;患者曾行全身化疗。1.2设备与参数采集指导患者呼吸训练后,仰卧位进行胸部 CT 平扫。采用 GE LightSpeed VCT 及宝石 CT、西门子SOMATOM Definition Flash 双源 CT、东芝 Aquilion ONE 320 排 CT 进行扫描。扫描参数:GELightSpeed VCT 及宝石 CT:管电压 120 kV,自动管电流,层厚 5 mm,重建层厚 1.25 mm,螺距 1.0,显示野(FOV)360 mm;SOMATO
9、M Definition Flash 双源 CT:管电压 120 kV,自动管电流,层厚5 mm,重建层厚1 mm,螺距1,显示野(FOV)400 mm;Aquilion ONE 320 排CT:管电压120 kV,自动管电流,层厚 5 mm,重建层厚 0.8 mm,螺距 0.516,显示野(FOV)400 mm。扫描矩阵 512 512,并采用肺高分辨算法进行重建(图 1)。将扫描得到的原始数据上传至 AI肺结节筛查系统进行观察。1.3AI 参数采集及分析基于深度学习模型的 AI 软件由推想预测提供,将图像数据由 PACS 系统传输至“推想预测”工作站(https:/ SSNs 进行分割,记
10、录结节体积及平均径,获取 CT 值分布直方图,并记录该 SSN 的以下参数:最大 CT 值、最小 CT 值、平均 CT 值、偏度、峰度、CT 百分位数值,其中百分位数值包括第 25百 分 位 数(Perc.25 )、第 50 百 分 位 数(Perc.50)、第 75 百分位数(Perc.75)、第 95 百分位数(Perc.95)。1.4统计学分析计数资料以例数(百分比)表示,当 T 5且 n 40 时采用 Fisher 确切概率法检验,当 T 5、n 40 时差异性分析采用卡方检验。计量资料首先进行正态性检验,服从正态分布的数据以均值 标准差表示,采用独立样本 t 检验;不服从正态分布的数
11、据以中位数(四分位间距)表示,采用 Mann-Whitney U 检验。利用 Medcalc 软件对有统计意义的变量绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC),并得出最佳临界值。采用 Logistic 回归分析探究数学建模对腺体前驱病变组及腺癌组的鉴别诊断能力。P 0.05 为差异有统计学意义。2结果2.1两组临床资料比较两组中,女性患者多于男性,但性别差异无统计学意义(表 1)。女性患者在各类型中所占比例分别为:18/25(72.00)、51/83(61.45);男性所占比例为:7/25(28.00)、32/83(38.55)。年龄差异在两组间无统计学意义;腺体前驱病变组患者
12、平均年龄(60.93 8.72)岁,腺癌组患者平均年龄(60.78 9.68)岁。结节发生部位在各组之间没有统计学意义,但病灶在各组间均以右肺上图 1女,48 岁,CT 显示右肺上叶后段SSN(蓝 色 箭 头)。结 节 平 均 经 约9.6 mm,术后病理诊断为 AISFig.1A 48-year-old woman with SSN(blue arrow)of the posterior upperlobe of the right lung.The averagelength of the nodules wasapproximately 9.6 mm on CT,and theposto
13、perative pathologicaldiagnosis was AIS242CT 理论与应用研究32 卷叶为好发部位。结节类型在两组之间的差异无统计学意义(表 1)。2.2两组 CT 分布直方图纹理参数、结节体积、结节平均径比较腺体前驱病变组和腺癌组的 CT 最大值、CT 最小值、平均 CT 值、偏度、Perc.25、Perc.50、Perc.75、结节体积、结节平均径的差异有统计学意义,峰度、Perc.95 的差异无统计学意义(表 2)。2.3诊断效能将两组差异有统计学意义的变量行 ROC 分析。其中,Perc.25 诊断效能最佳并且敏感度最高,AUC 值达 0.797,诊断敏感度 8
14、6.75,特异性 68.00,诊断临界值-578 HU;CT 值平均值与Perc.50 曲线下面积相等(AUC 值 0.787),诊断敏感度 72.29,特异性 84.00,诊断临界值-468 HU,阳性预测值最高(97.90);将诊断效能最高的 Perc.25 分别于与 Perc.50 和平均 CT表 1腺体前驱病变组与腺癌组临床资料比较Table 1Comparison of clinical data between the glandular prodromaldisease group and adenocarcinoma group临床资料组别统计检验腺体前驱病变组(25 例)腺癌
15、组(83 例)t/2P年龄/岁60.93 8.7260.78 9.680.0880.930性别男 7320.9280.335女1851结节分布右上13344.2630.370右中 1 5右下 514左上 319左下 311结节类型pGGNs 5130.2600.760mGGNs2070表 2腺体前驱病变组、腺癌组的 CT 值分布直方图纹理参数及结节体积、结节平均径比较Table 2Comparison of the CT value distribution histogram texture parameters,nodulevolume and mean nodule diameter b
16、etween the glandular precursor lesion groupand adenocarcinoma group参数组别P腺体前驱病变组(n25)腺癌组(n83)偏度/HU 0.45(0.250.70)0.215(0.060.45)0.001峰度/HU-0.64(-1.03-0.02)-0.95(-1.10-0.53)0.260CT 最大值/HU 22.00(-122.00126.00)167.00(41.00338.00)0.001CT 最小值/HU-757.00(-782.00-711.00)-653.00(-752.25-597.00)0.001平均 CT 值/HU
17、-536.67 99.18-390.16 165.59 0.001Perc.25/HU-605.00(-659.00-496.00)-416.00(-532.25-233.50)0.001Perc.50/HU-580.00(-650.00-522.00)-418.50(-545.00-296.00)0.001Perc.75/HU-508.00(-673.00-433.00)-449.00(-610.00-208.75)0.003Perc.95/HU-329.00(-722.00-107.00)-528.50(-685.00-5.25)0.819结节体积/mm3 646.86(278.791 6
18、47.36)1 467.00(534.503 270.94)0.001结节平均直径/mm9.90(8.4013.50)15.65(11.1219.65)0.0012 期王璟琛等:人工智能体积密度法判断肺亚实性结节的浸润性研究243值两两建立联合诊断模型,判断 SSNs 的浸润性均有诊断意义(图 2 和图 3),其中 Perc.25 与平均 CT 值的模型诊断效最高(敏感度 75.90,特异度 76.00,AUC 值 0.816)且联合诊断模型诊断效能高于 Perc.25与平均 CT 值单独的诊断效能。由于结节平均径常用于影像科医生判断 SSNs 浸润性的日常工作中,且两组间结节平均直径的差异具
19、有统计学意义,本研究将诊断效能最高的 Perc.25 与结节平均直径结合得出联合诊断模型 2,联合模型 2 曲线下面积为 0.816,相比于结节平均径单独使用提高了诊断效能,并且得到了 91.7 的阳性预测值(表 3)。3讨论随着 AI 软件逐渐运用于肺结节的辅助诊断9-10,影像科医生发现图像纹理分析不仅能探测到肿瘤的微观信息11,还可提供可量化的参数用于鉴别诊断。CT 分布直方图作为一种非侵入性检查手段,将患者影像图像的面积或体积像素进行统计并以更直观的方式表现出来,让影像科医生获得更1.00.80.60.40.20.01.00.80.60.40.20.0敏感度1-特异性曲线来源偏度CT
20、值 maxCT 值 minCT 值均值体积平均径Perc.25%Perc.50%Perc.75%参考线图 2腺体前驱病变组与腺癌组的灰度直方图参数ROC 图,其中 Perc.25 诊断效能最佳Fig.2The gray histogram parameters of theadenocar-cinoma group and the glandularprecursor lesion group were ROC plots,in which Perc.25 had the best diagno-stic efficiency1.00.80.60.40.20.01.00.80.60.40.20
21、.0敏感度1-特异性曲线来源CT 值均值平均径联合模型 1联合模型 2参考线Perc.25%ROC曲线图 3腺体前驱病变组与腺癌组的 Perc.25、平均CT 值及结节平均直径联合模型的 ROC 比较Fig.3Perc.25,mean CT value and ROC comparisonbetween the glandular precursors andadenocarcinoma groups表 3ROC 分析结果Table 3ROC analysis results参数AUC最佳临界值敏感度/特异性/阳性预测值/阴性预测值/95 CI下限上限偏度0.6890.2456.6376.00
22、88.734.50.5930.775CT 最大值/HU0.72539.0077.1164.0087.745.70.6310.807CT 最小值/HU0.731-692.0062.6588.0094.541.50.7370.812平均 CT 值/HU0.787-468.0072.2984.0097.947.70.6970.860Perc.25/HU0.797-578.0086.7568.0090.060.70.7090.869Perc.50/HU0.787-500.0071.0884.0093.746.70.6980.860Perc.75/HU0.678-474.0057.8376.0088.9
23、35.20.5810.765体积/mm30.701777.3873.4964.0087.142.10.6060.785平均径/mm0.71813.5063.8676.0089.938.80.6230.800联合模型 10.81475.9076.0091.348.70.7280.883联合模型 20.81675.9076.0091.748.30.7300.884244CT 理论与应用研究32 卷多有利于诊断的 CT 定量参数。目前已有部分研究对 SSNs 的 CT 值分布直方图进行研究12-14,结合多个参数值能全面反映 SSNs 的细微变化,对病变的浸润性起到提示作用。本研究结果显示,SSNs
24、 的 CT 最大值、CT 最小值、平均 CT 值、偏度、Perc.25、Perc.50、Perc.75 分别与侵袭性有显著的相关性。这些结果表明,CT 定量参数,特别是 Perc.25 有助于提高影像科医生对 SSNs 患者的认识,AUC 值达 0.797,诊断敏度 86.75,特异性 68.00,Perc.25-578 HU 的 SSNs 表现为腺癌组可能性大。本研究得出最大 CT 值优于峰度来区分 SSNs 的浸润性,与张宏等15结果一致。行 ROC 曲线分析可知,CT 最大值的 AUC 值达 0.725,诊断敏感度 77.11,特异度 64.00,当 CT 最大值 39 HU 的SSNs
25、 表现为腺癌组可能性大。本文得出 CT 最小值对判断 SSNs 的侵袭性具有诊断价值,经统计学分析得出 CT 最小值的 AUC 值达 0.731,诊断敏感度达 62.65,特异性为 88.00,当 CT 最小值-692 HU 时诊断为腺癌组的可能性最大,与张宏等15结果不一致,但与徐小东等16结果一致。我们认为,最小 CT 值不能客观反映病变内部密度的差异,只能代表 SSNs 未被肿瘤细胞充满的部分肺组织的密度。Kitami 等17发现直径 13.50 mm 是预测 SSNs 浸润性的可靠因子,诊断的敏感度、特异性分别为 63.86、76.00,AUC 为 0.718(表 3)。步玉兰等21的
26、研究表明12.5 mm 是侵袭前组和侵袭组的最佳直径临界值,略低于本研究的最佳临界值(13.50 mm),存在这种差异可能的原因是,步玉兰等20在分组时将 MIA 归为浸润性病变组。在本研究中,MIA 与 IAC 一起被分配到腺癌组,这一结果与 Liu 等22的结果相似。本研究将诊断效能最高的 Perc.25 与结节平均径结合得出联合诊断模型 2,联合模型 2 曲线下面积为 0.816,相比于结节平均径提高了诊断效能,并且得到了 91.7 的阳性预测值。一般认为随着 SSNs 体积的增大,病灶内的实性部分趋于出现;体积的增大与 SSNs 的病理组织学类型是密切相关的,并不同程度上反映了侵袭程度
27、。本研究对于 SSNs 结果与以往文献报道基本一致,结节的体积与侵袭性有显著的相关性,诊断的敏感度、特异性分别为 73.49、64.00,AUC为 0.701,阳性预测值为 87.10(表 3)。本研究建立的 Logistic 回归模型(灵敏度、特异度和AUC 值分别为 63、81 和 0.769)能较好地预测 SSNs 肺腺癌的 CT 病理分级,其预测值明显高于单独使用各定量参数。术前预测 CT 影像特征的病理分型有助于提高术前诊断和鉴别诊断水平,正确的诊断结果可以有效提高患者的存活率。近年来,伴随着人工智能在医学技术诊断工作中的大量投入,影像医生身上的重担虽然被人工智能分担了一部分,但是责
28、任从未减轻。本研究使用基于深度学习的 AI 肺结节筛查系统,对 SSNs2 期王璟琛等:人工智能体积密度法判断肺亚实性结节的浸润性研究245进行三维定量分析,绘制 CT 值分布直方图,获得体积密度系列定量参数,鉴别肺部腺体前驱病变与腺癌,为能够辅助临床进行精确的诊断以及辅助临床能够为患者提供积极的治疗方法。不足之处是手动勾画存在主观性,用感兴趣区得出 CT 值分布直方图反映的是二维层面的的密度并不能反映结节三维空间的不均质生长。本研究采用的是 AI 自动分割结节软件,避免手动分割结节产生的误差。本研究的局限性。这是一项源自实际临床实践的回溯性研究,为了证实本研究的结论,有必要进行前瞻性的大样本
29、研究;仅使用手术病例存在一定的选择性偏差;样本量相对较小,本研究采用 AI 软件自动勾画所有结节的轮廓,存在勾画在内的小血管及小气管,可能影响直方图特征。未来希望能够进一步扩大样本量,采取合适的病灶选取办法,完善此项研究。参考文献SUNG H,FERLAY J,SIEGEL R L,et al.Global cancer statistics 2020:GLOBOCAN estimates ofincidence and mortality worldwide for 36 cancers in 185 countriesJ.CA:A Cancer Journal forClinicians,
30、2021,71(3):209249.DOI:10.3322/caac.21660.1ZHANG Y,FU F,CHEN H,et al.Management of ground-glass opacities in the lung cancerspectrumJ.The Annals of Thoracic Surgery,2020,110(6):17961804.DOI:10.1016/j.athoracsur.2020.04.094.2QIU T,RU X,YIN K,at al.Two nomograms based on CT features to predict tumor in
31、vasiveness ofpulmonary adenocarcinoma and growth in pure GGN:A retrospective analysisJ.Japanese Journal ofRadiology,2020,38(8):761770.DOI:10.1007/s11604-020-00957-x.3SUN Y,LI C,JIN L,et al.Radiomics for lung adenocarcinoma manifesting as pure ground-glassnodules:Invasive predictionJ.European Radiolo
32、gy,2020,30(7):3650-3659.DOI:10.1007/s00330-020-06776-y.4ZHU N,ZHANG D,WANG W,et al.A novel coronavirus from patients with pneumonia in China,2019J.The New England Journal of Medicine,2020,382(8):727733.DOI:10.1056/NEJMoa2001017.5LI X,ZHANG W,YU Y,et al.CT features and quantitative analysis of subsol
33、id nodule lungadenocarcinoma for pathological classification predictionJ.British Medical Council Cancer,2020,20(1):60.DOI:10.1186/s12885-020-6556-6.6李艳伶.病灶直径和 CT 值联合评估浸润性肺腺癌的诊断价值J.医学信息,2021,34(17):172-174.LI Y L.Diagnosis value of invasive lung adenocarcinoma combined with tumor diameter and CTvalue
34、J.Medical Informatics,2021,34(17):172-174.(in Chinese).7虞梁,王俊,李洪,等.肺磨玻璃结节 CT 影像征象鉴别诊断肺浸润性腺癌与微浸润腺癌J.南京医科大学学报(自然科学版),2020,40(2):248251.YU L,WANG J,LI H,et al.Differential diagnosis of pulmonary infiltrating adenocarcinoma andmicroinfiltrating adenocarcinoma with CT features of ground glass nodulesJ.Jo
35、urnal of NanjingMedical University(Natural Science),2020,40(2):248251.(in Chinese).8刘娜,赵正凯,邹佳瑜,等.基于人工智能的胸部 CT 肺结节检出及良恶性诊断效能评估J.CT 理论与应用研究,2021,30(6):709715.DOI:10.15953/j.1004-4140.2021.30.06.06.LIU N,ZHAO Z K,ZOU J Y,et al.Detection of pulmonary nodules and evaluation of benign andmalignant diagnos
36、is in chest CT based on artificial intelligenceJ.CT Theory and Applications,2021,30(6):709715.DOI:10.15953/j.1004-4140.2021.30.06.06.(in Chinese).9温德英,潘雪琳,姚辉,等.探讨 CT 扫描剂量对人工智能检测肺结节效能的影J.CT 理论与应用研究,2021,30(4):455465.DOI:10.15953/j.1004-4140.2021.30.04.06.WEN D Y,PAN X L,YAO H,et al.Effects of CT scan
37、ning dose on the performance of artificialintelligence in detecting pulmonary nodulesJ.CT Theory and Applications,2021,30(4):455465.DOI:10.15953/j.1004-4140.2021.30.04.06.(in Chinese).10CHEN X,WEI X,ZHANG Z,et al.Differentiation of true-progression from pseudoprogression inglioblastoma treated with
38、radiation therapy and concomitant temozolomide by GLCM texture analysisof conventional MRIJ.Clinical Imaging,2015,39(5):775-80.11蔡雅倩,周小君,张正华,等.CT 直方图分析鉴别肺良恶性纯磨玻璃结节的价值J.放射学实践,2020,12246CT 理论与应用研究32 卷35(8):949952.DOI:10.13609/ki.1000-0313.2020.08.001.CAI Y Q,ZHOU X J,ZHANG Z H,et al.Value of CT histog
39、ram analysis in differentiating lungbenign and malignant pure ground glass nodulesJ.Practice Radiology,2020,35(8):949952.DOI:10.13609/ki.1000-0313.2020.08.001.(in Chinese).毛海霞,徐蒙莱,冯银波,等.CT 图像纹理分析对小于 10 mm 纯磨玻璃结节侵袭性的诊断价值J.中华临床医师杂志(电子版),2019,13(5):367370.MAO H X,XU M L,FENG Y B,et al.Diagnostic value
40、of CT image texture analysis for nodularinvasivity in pure ground glass smaller than 10 mmJ.Chinese Journal of Clinical Physicians(Electronic edition),2019,13(5):367370.(in Chinese).13YAGI T,YAMAZAKI M,OHASHI R,et al.HRCT texture analysis for pure or part-solid ground-glassnodules:Distinguishability
41、 of adenocarcinoma in situ or minimally invasive adenocarcinoma frominvasive adenocarcinomaJ.Japanese Journal of Radiology,2018,36(2):113-121.DOI:10.1007/s11604-017-0711-2.14张宏,丁必彪,魏恒乐,等.高分辨率 CT 对肺纯磨玻璃结节侵袭性的预测价值J.临床放射学杂志,2019,38(3):436440.DOI:10.13437/ki.jcr.2019.03.017.ZHANG H,DING B B,WEI H L,et a
42、l.High resolution computed tomography(CT)for lung pure glassgrinding nodules of invasive predictive valueJ.Journal of Clinical Radiology,2019,38(3):436440.DOI:10.13437/ki.jcr.2019.03.017.(in Chinese).15徐小东,李君权,吴向飞,等.CT 密度直方图对肺内纯磨玻璃样结节病理分级的预测价值J.医学影像学杂志,2021,31(1):3739,42.XU X D,LI J Q,WU X F,et al.T
43、he prognostic value of CT density histogram in the pathologicalgrading of pure ground glass nodules in lungJ.Journal of Medical Imaging,2021,31(1):3739,42.(in Chinese).16KITAMI A,SANO F,HAYASHI S,et al.Correlation between histological invasiveness and thecomputed tomography value in pure ground-glas
44、s nodulesJ.Surgery Today,2016,46(5):593598.DOI:10.1007/s00595-015-1208-1.17IKEDA K,AWAI K,MORI T,et al.Differential diagnosis of ground-glass opacity nodules:CT numberanalysis by three-dimensional computerized quantificationJ.Chest,2007,132(3):984990.DOI:10.1378/chest.07-0793.18HAMMER M M,PALAZZO L
45、L,KONG C Y,et al.Cancer risk in subsolid nodules in the national lungscreening trialJ.Radiology,2019,293(2):441448.DOI:10.1148/radiol.19WANG H,WENG Q,HUI J,et al.Value of TSCT features for differentiating preinvasive andminimally invasive adenocarcinoma from invasive adenocarcinoma presenting as sub
46、solid nodulessmaller than 3 cmJ.Academic Radiology,2020,27(3):395403.DOI:10.1016/j.acra.10.1016/j.acra.2019.05.005.20步玉兰,李云,戚元刚,等.纯磨玻璃密度结节高分辨率 CT 征象与病理组织学相关性研究J.临床放射学杂志,2018,5(2):247250.DOI:10.13437/ki.jcr.2018.02.016.BU Y L,LI Y,QI Y G,et al.Study on the relationship between density nodules and his
47、topathologyin high resolution CT of pure ground glassJ.Journal of Clinical Radiology,2018,5(2):247250.DOI:10.13437/ki.jcr.2018.02.016.(in Chinese).21LIU L H,LIU M,WEI R,at al.CT findings of persistent pure ground glass opacity:Can we predictthe invasiveness?J Asian Pacific Journal of Cancer Preventi
48、on,2015:16(5):1925-1928.DOI:10.7314/apjcp.222 期王璟琛等:人工智能体积密度法判断肺亚实性结节的浸润性研究247Evaluation of the Invasion of Pulmonary Subsolid Nodulesby the Artificial Intelligence Volumetric Density MethodWANG Jingchen1,2,CHAI Jun21.Baotou Medical College,Inner Mongolia University of Science and Technology,Baotou
49、014000,China2.Department of Medical Imaging,Inner Mongolia Autonomous Region PeoplesHospital,Hohhot 010000,ChinaAbstract:Objective:To explore the value of the artificial intelligence(AI)volumetric density method in determining theinvasion of pulmonary hyposolid nodules(SSNs).Methods:A total of 108 S
50、SNs and the pathological results of 106 patientswere reviewed,and these were divided into a glandular prodromal lesions group and an adenocarcinoma group.Pulmonarynodule AI software was used to measure and compare the CT quantitative parameters of the two groups,including themaximum CT value,minimum