基于AI 技术的新型冠状病毒肺炎CT 影像特点分析

张振华，吉 祥*，张劲松，罗军德，路 融，李向东

（1.联勤保障部队第989 医院放射诊断科，河南洛阳471031；2.武汉火神山医院放射诊断科，武汉430100；3.空军军医大学第一附属医院放射科，西安710032；4.联勤保障部队第926 医院放射诊断科，云南开远661600；5.联勤保障部队第942 医院放射诊断科，银川750001；6.南部战区总医院

放射诊断科，广州510010）

0 引言

新型冠状病毒肺炎（以下简称“新冠肺炎”）是因新型冠状病毒感染而引起的一种急性呼吸道传染病，具有极强的传染性[1]。根据国家卫生健康委员会2020 年第1 号文件，新冠肺炎为乙类传染病，按甲类传染病预防、控制[2]。截至2020 年4 月1 日，世界卫生组织发布官方消息显示，中国确诊病例为82 631例，全球因新冠肺炎死亡病例为40 598 例[3]。CT 图像在显示肺部病灶方面具有天然优势，是肺部疾病诊治及预后评价的重要手段。新冠肺炎患者肺部CT具有典型病毒性肺炎特点，主要表现为双肺磨玻璃样高密度影。AI 技术是近年来快速发展起来的诊断辅助技术，尤其在肺结节的筛查和结节良恶性判断上具有较大优势，可以提高影像医师的工作效率和诊断准确率。本研究通过AI 技术来分析新冠肺炎的CT 影像特点，准确描述新冠肺炎病灶位置并计算其病灶体积，为疾病的诊疗及预后评价提供帮助。

1 资料与方法

1.1 一般资料

回顾性分析武汉火神山医院经核酸检测确诊的957 例新冠肺炎患者的CT 影像资料，并经联影集团uAI 新冠肺炎智能辅助分析系统计算其病灶分布、体积大小。其中男性486 例、女性471 例，年龄17～90 岁，平均59.11 岁。纳入标准：新冠肺炎核酸检测阳性，CT 检查无肺部肿瘤、结核等其他影响AI 计算的疾病。

1.2 检查方法

1.2.1 胸部CT 检查

胸部CT 检查采用联影uCT760 64 排螺旋CT进行扫描。患者采取仰卧位，头先进，扫描范围从胸廓入口到双侧肋弓下缘；扫描参数为管电压120 kV，自动管电流，采用高分辨力CT（high resolution CT，HRCT）扫描模式，层厚及层间距均为0.625 mm。扫描完成后将原始数据导入联影uAI 新冠肺炎智能辅助分析系统进行计算。

1.2.2 图像分析

由2 位10 a 以上工作经验的放射诊断科主治医师根据CT 影像特点和AI 计算结果对所有病例资料进行分析，主要观察新冠肺炎患者的CT 征象，包括病灶分布、影像特征等。

1.3 统计学方法

所有数据均采用SPSS 19.0 软件进行分析，计量数据以均数±标准差表示。左肺与右肺病灶体积比较及右肺下叶与左肺上叶、下叶和右肺上叶、中叶比较采用配对样本t检验，P＜0.05 为差异有统计学意义。

2 结果

新冠肺炎CT 影像主要表现为双肺弥漫分布磨玻璃密度影，部分病例可见索条影、片状实变影，以下肺野外带为著，如图1 所示。

经AI 计算后，新冠肺炎患者病灶分布情况及病灶体积均可清晰显示于模式图中，有病灶累及的肺段标记为黄色，无病灶肺段标记为蓝色，如图2 所示；此外AI 可以自动对比前后检查结果，量化评估病灶变化，如图3 所示。

图1 新冠肺炎患者胸部CT 图像

图2 新冠肺炎患者CT 图像及AI 计算结果

图3 新冠肺炎患者治疗前后CT 图像及AI 计算结果对比图

本研究显示新冠肺炎病灶多呈弥漫性分布，双肺无病灶者17 例；左肺病灶929 例，左肺病灶体积均值（143.36±159.14）cm3；右肺病灶939 例，右肺病灶体积均值（207.49±210.45）cm3。左肺与右肺病灶体积差异有统计学意义（P＜0.05），详见表1。

左肺上叶病灶815 例，病灶体积均值（66.11±90.35）cm3；左肺下叶病灶880 例，病灶体积均值（77.26±81.48）cm3；右肺上叶病灶800 例，病灶体积均值（67.78±87.96）cm3；右肺中叶病灶666 例，病灶体积均值（27.39±40.36）cm3；右肺下叶病灶880 例，病灶体积均值（111.80±103.67）cm3。右肺下叶与右肺上叶、中叶和左肺上叶、下叶比较差异均有统计学意义（P＜0.05），详见表2。

表1 左肺与右肺病灶体积比较

表2 右肺下叶与其他各叶病灶体积比较

3 讨论

新型冠状病毒是人类冠状病毒的第7 种，为β属病毒，其基因序列与之前暴发的SARS-CoV 和EMRSCoV 有所区别[4]。现阶段研究认为人类是该冠状病毒易感群体，其潜伏期一般为1～14 d，多为3～7 d[5-6]。新冠肺炎患者一般症状为发热、干咳、乏力，也可有呼吸道或消化道症状，合并有基础疾病的老年患者预后较差，病死率较高[7-8]。实验室检查中白细胞计数可正常或下降，淋巴细胞计数下降[7]。

AI 技术是近年来随着大数据技术的进步而兴起的一门新兴技术，广泛应用于医学领域，尤其在肺结节的发现及良恶性判断方面具有较大进展[9]。既往工作中，无论是临床医师还是影像医师，均关注于病灶直观表现，如病灶的大小、形态、密度及周围组织关系等，并据此来判断病灶的良恶性。然而影像数据内部还隐藏着大量不易被医师直观发现的信息，其对于提示病灶性质有重要意义。AI 技术可实现高速、并行地提取影像数据信息，并结合患者的其他临床特征，从整体特征、边缘特征、内部特征与周围组织的关系特征等方面更加全面、详细地分析病灶性质。2018 年Huang 等[10]将计算机辅助诊断技术应用于肺小结节筛查，通过训练集和验证集从优势结节内部和外部提取图像特征，其团队开发出的AI 算法提升了肺癌早期诊断的阳性预测值并降低了假阳性率。2019 年郝兵[11]通过单阶段和双阶段模型训练，基于Retinanet 和Mask-RCNN 的肺炎检测算法，提取出了肺炎图像特征，有利于提高肺炎检测性能。

CT 检查具有检查速度快、准确率高、重复性好等特点，在新冠肺炎的诊断及治疗效果评价上具有重要意义。临床治疗后影像学好转是新冠肺炎患者一项重要的出院指征[2]。以本研究为例，新冠肺炎患者CT 阳性率为98.2%。新冠肺炎患者胸部CT 主要表现为双肺多发斑片状及片絮状密度增高影，多呈磨玻璃密度影，双肺弥漫分布，以两肺野外带为著，常累及肺间质，部分病例伴有索条影，重症患者合并肺泡渗出，肺组织实变并伴有肺纤维化，甚至出现“白肺”[12]。本研究中绝大多数肺组织病灶为磨玻璃密度影（＞95%），对病灶部位及体积进行统计分析，显示右肺病灶体积总体大于左肺，两者差异有统计学意义，下肺又重于上肺，其中又以右肺下叶感染最为严重，与龚晓明等[12]、傅钢泽等[13]的研究一致。病毒性肺炎往往表现为右肺下叶较其他部位严重，目前尚无明确的理论来解释这一现象。笔者推测可能因为右肺下叶与实性脏器肝脏相邻，肺组织所承受压力较其他肺叶大，导致右肺下叶肺间质病灶不易吸收。本研究中研究对象均是经过核酸检测确诊的新冠肺炎患者，AI 技术主要用于对肺炎病灶进行自动识别和标记，区分病灶分布和密度差异，自动计算病灶磨玻璃密度影体积和实变体积。本研究中笔者发现，AI 技术不仅能明确各肺叶、肺段病灶分布情况，还可以自动比较新冠肺炎患者治疗前后CT 影像差异，准确判断病灶吸收好转或病情加重的程度，该技术应用于临床评价治疗效果得到了武汉火神山医院临床医生的一致认可。

综上所述，新冠肺炎患者胸部CT 图像具有特征性表现，CT 对于新冠肺炎患者的诊断及预后评价具有重要意义。AI 技术可以明确病灶所处肺段解剖位置，并可以快速计算病灶体积，客观反映病灶真实大小。采用AI 技术分析新冠肺炎的CT 影像，可以了解肺炎病灶分布特点，判断肺炎严重程度，具有重要的临床意义。