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,其实性病灶成分占比相对增加.
深度学习、胸部CT、新型冠状病毒感染、糖尿病
32
O242;R814(计算数学)
2023-06-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
373-379