人工智能三维特征与双能量CT定量参数融合模型诊断肺结节的临床应用价值

刘丹; 侯丹

doi:10.20267/j.issn.2096-3807.2026.13.022

影像研究与医学应用 ›› 2026, Vol. 10 ›› Issue (13) : 80 -82. DOI: 10.20267/j.issn.2096-3807.2026.13.022

人工智能三维特征与双能量CT定量参数融合模型诊断肺结节的临床应用价值

刘丹, 侯丹

作者信息 +

Author information +

文章历史 +

摘要

目的:探讨基于人工智能三维形态学特征与双能量CT定量参数的融合模型在肺结节良恶性鉴别中的临床价值。方法:回顾性选取2025年3—11月于荆州市中医医院经病理确诊的120例肺结节患者,其中恶性组72例,良性组48例。采用联影uCT 960+CT行双能量扫描,基于人工智能软件提取三维长径、最大层面面积、CT平均值、胸膜距离、实性成分占比5项三维特征,联影后处理工作站测量动脉期碘浓度、静脉期碘浓度、动脉期标准化碘浓度、静脉期标准化碘浓度、碘浓度净升值、标准化碘浓度净升值6项双能量CT定量参数,以卷积神经网络构建融合模型。采用曲线下面积(AUC)为主要指标评估各模型的诊断效能。结果:恶性组与良性组三维特征与双能量CT定量参数比较,差异有统计学意义(P<0.05)。融合模型在测试集上的AUC为0.952(95%CI:0.915～0.989),优于三维特征模型(AUC=0.862,P=0.001)与双能量模型(AUC=0.896,P=0.010)。对于5～10 mm结节,融合模型的AUC(0.932)优于单一模型(P<0.05);而对于>10 mm结节,各模型AUC比较,差异无统计学意义(P> 0.05)。结论:融合人工智能三维特征与双能量CT定量参数的模型可提高对肺结节的诊断准确率,尤其对5～10 mm小结节优势明显,具有较好的临床应用价值。