新型容积定量技术评价新型冠状病毒肺炎的CT 影像特征

谢 安 刘建滨 欧阳欣 谭显政 顾潜彪 曾禹莉黄 锋 陈 翔 邓中华 廖金卯 刘 鹏*

新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）具有较强的传染性，目前已造成了全球的大流行。其肺部影像学表现具有一定的影像学特征[1]，疾病早期主要表现为双肺多发以胸膜下分布为主的磨玻璃病灶，HRCT 已经成为诊断及监测患者病情变化的主要手段。部分病例进展迅速，后期可发生成人呼吸窘迫综合征（adult respiratory distress syndrome，ARDS）。目前对其肺部的严重程度评估，主要根据病变累及范围进行主观的评价[2-3]，HRCT 能清晰显示COVID-19 疾病过程中影像学变化，且其表现与疾病的严重程度具有很好的一致性[4-5]，但均缺乏定量评估疾病严重程度的研究。目前对COVID-19 定量分析的报道较少。本研究利用西门子Syngo．via 后处理工作软件Pulmo 3D 后处理技术对双肺病灶进行量化分析，旨在对双肺病灶进行有效的定量评价。

方 法

1． 对象

收集2020 年1 月24 日至2 月15 日2 家医疗单位发热门诊COVID-2019 确诊患者66 例，肺部CT检查缺失患者6 例，肺部CT 表现阴性12 例。纳入定量研究患者43 例，病例选择及排除标准见（图1）。所有患者以年龄＜50 岁及≥50 岁分成两组。通过电话随访记录住院天数，出院标准符合《新型冠状病毒肺炎诊疗方案（试行第七版）》[1]，用肺部CT 判断是否有肺部基础疾病。

2． 扫描方法

所有患者检查前进行呼吸训练，检查时在吸气末进行扫描。扫描范围从胸廓入口到肺底。CT 检查设备为荷兰 Philips Brilliant16 及美国GE BRIVO325扫描仪，管电压120kV，管电流200mAs，层厚和层间距为5mm，标准肺窗（窗位-500HU，窗宽1300HU），纵隔窗（窗位50HU，窗宽400HU），胸部CT 横断面图像均行层厚及层间距1mm 重建（ultrahigh 算法）。

3．肺实质区域定量分析

通过计算机辅助软件自动分割技术判断病灶分布并对病灶所在肺叶区域的平均密度及所占肺叶容积百分比及病灶总容积进行定量测定，描述病变分布并比较不同年龄组病灶所在区域肺平均密度，病灶所占容积百分比及病灶总容积差异。为评估COVID-19患者的肺部病变发生发展情况提供一种定量方法。

患者肺部CT 原始DICOM 数据导入西门子snygo．via 工作站中syngo．CT Pulmo 3D（VB10A）软件进行后处理。软件自动识别并勾画双肺边界，对于识别偏差部分进行手动修正。软件自动计算出左右肺容积和双肺总容积。左右肺分别采用以下三种方法进行自动分割：肺叶分割（图2B，自动识别叶间裂分割）、三等分分割（图2C，每个肺分成容积相等的上中下三部分）、核心表层分割（图2D，核心区与表层区容积相等）。通过设定衰减值（attenuation value， AV），运用评估指数和子范围两种处理方法由软件自动识别病变范围。评估在不同分割方法中，病灶所在分割区域的平均CT 值及病灶容积百分比（图3），所有数值均由软件自动算出。由肺叶容积和病灶所占百分比计算出病灶体积。其中评估指数预设范围低衰减值（low attenuation value， LAV）设定为-950HU，高衰减值（high attenuation value，HAV）设定为-200HU，病灶子范围预设为-600 ～-200HU。

4．统计学处理

所 有 数 据 采 用SPSS 20．0 (IBM， Armonk，NY， USA)统计学软件进行分析。定量资料符合正态分布采用±s，定性资料采用频数及百分比表示，两独立样本间计量资料采用独立样本t 检验，两成组样本间差异采用配对样本t 检验，用多元线性回归方程评估多个变量对因变量的影响，所有统计以P＜0．05 为差异有统计学意义。

结 果

1．患者临床资料、病灶分布及累及肺叶数量

43 例患者中，平均年龄51．08±15．32 岁，中位年龄48 岁，男性22 例，女性21 例。其中有42例（97．67%，42/43）患者可见磨玻璃病灶，运用Pulmo 3D 肺叶自动分割技术，显示累及1 个肺叶的患者8 例（18．60%，8/43），累及2 个及以上肺叶患者35 例（81．40%，35/43），共计120 个肺叶受累，上肺分布的占36．67%（44/120），下肺占52．50%（63/120），中肺病灶相对较少，占10．83%（13/120）。见表1。

表1 病灶部位及累及肺叶数量

表2 病灶占比配对样本t 检验结果

2．病灶容积百分比及不同区域肺组织平均CT 值

左肺及右肺病灶容积在表层所占百分比均高于核心部位，二者具有统计学差异（P值分别为0．01、0．00），而左肺和右肺之间相同部位（包括核心和表层）病灶的分布没有统计学差异（见表2）。上中下均等分割左右肺显示，区域肺组织平均密度有统计学差异（P分别为0．00、0．04、0．00、0．00、0．04、0．00、0．00、0．00、0．03），左右肺均是上部1/3 肺＜中部1/3 肺＜下部1/3 肺（见表3）。

表3 病灶密度配对样本t 检验结果

表4 按年龄分组不同部位的病灶容积

3．患者按不同年龄分组的病灶容积特点

对COVID-19 患者肺部病灶按不同年龄分组进行统计分析发现：不同年龄组肺部病灶总容积没有统计学差异（P=0．11），病灶容积百分比有统计学差异，左肺及双肺病灶总容积百分比50 岁以上组均较50 岁以下组高（P=0．02、0．04）。不同区域病灶占比在不同年龄组中差异具有统计学意义。在左肺中，50 岁以上组病灶在核心占比高于50 岁以下组（P=0．03），在表层50 岁以上组病灶占比低于50岁以下组（P=0．03）。在右肺中，病灶在核心占比在不同年龄组无统计学差异（P=0．16），而在表层，50 岁以上组病灶占比要低于50 岁以下组（P=0．05）。见表4。

4．病灶容积百分比、年龄、肺部基础疾病与住院天数之间的相关性

纳入患者的肺部病灶容积百分比、年龄、肺部是否有基础疾病构建多因素线性回归方程，分析与患者住院天数之间的关系，发现病灶容积百分比对住院天数的影响有统计学差异（b=1．31，t=5．76，P=0．00），不同年龄对住院天数的影响没有统计学差异（b=0．02，t=0．20，P=0．84），肺部是否有基础疾病对住院天数的影响亦没有统计学差异（b=0．43，t=0．14，P=0．89），见表5。

表5 肺部病灶容积百分比、年龄、肺部是否有基础疾病和住院天数的相关性

图1 病例选择及排除标准。

讨 论

COVID-19 患者的肺部CT 表现具有比较典型的影像学征象，病灶的分布呈多发性、双侧分布，以胸膜下及两下肺多见。并临床实验室检查及和胸部X线及CT 结果跟临床预后有很大的相关性[6]。病程早期，COVID-19 易累及终末细支气管和呼吸细支气管周围肺实质，进而出现磨玻璃影伴病灶内血管扩张及小叶内间隔增厚，而小气道管壁增厚、胸腔积液等征象少见，随着病程进展可出现小段肺叶实变、临近脏层及叶间裂胸膜增厚[2]。而在中晚期患者，肺部纤维化是比较常见的征象[3]。

计算机辅助Pulmo 3D 软件（简称Pulmo 3D）自动肺叶分割，能够方便快捷地评价分布特征并利用3d 图像直观显示。在本组病例中通过该方法评价得到的病变分布特征与文献报告一致[7]：双肺病灶多发，累及1 个肺叶的患者8 例（18．60%，8/43），累及2 个及以上肺叶患者35 例（81．40%，35/43），在总共累及的120 个肺叶中，上肺分布的占36．67%（44/120），下肺占52．50%（63/120），中肺病灶相对较少，占10．83%（13/120），下肺分布多见。肺部磨玻璃影病灶占97．67%（42/43），并以外周分布为主，这与SRAS[8]和MERS[9]类似。

目前COVID-19 CT 影像表现分析主要基于主观评价和半定量的方法为主[3，10]。目前大部分对于肺的定量研究分析主要集中在肺气肿[11]和肺淋巴管肌瘤病[12]等疾病，均得到了比较满意的结果。COVID-19 初诊患者发生率最高的影像特征是磨玻璃病灶，本组患者中磨玻璃病灶占（97．67%（42/43），Pulmo 3D 软件能够准确识别以磨玻璃改变为主的肺部病灶边界。本研究创新性地运用Pulmo 3D 软件定量评估新型冠状病毒肺炎CT 影像。所有参数指标均由软件自动计算，由于评价者的不同而导致的误差减少，可重复性强，本组除了3 例患者呼吸运动伪影明显无法自动识别肺组织不能用于评估及2 例患者合并局部肺大泡等慢阻肺疾病影响局部肺段的密度外，其余患者均基于软件自动分割及计算。

图2 41 岁女性，有家庭聚集发病史，双肺多发磨玻璃病变。LAV为-950HU，HAV 为-200HU，病灶预设CT 值范围为-600HU ～-200HU。A．3D 透明显示。B．肺叶分割模式。C．容积均分模式。D．核心及表层分割模式。

本文分别分析了左肺、右肺及双肺所有病灶在肺表层及核心部分病灶容积百分比，单肺、双肺之间具均有统计学差异，定量结果显示病灶以肺表层分布为主，左右两肺之间无统计学差异，病灶分布没有左右肺倾向性。肺间质和实质性病变CT 衰减增加会造成病灶所在区平均CT 值的改变。对病肺进行容积三等分后发现，左右肺均是上1/3 肺部平均密度最低，下1/3 肺部平均密度最高，符合以下肺分布为主的特点，与文献报道的主观评价初诊COVID-19 患者肺部病灶弥散分布，外周及下肺分布为主，左右肺分布无显著差异性的特点相一致[7]。以上结果说明不管是肺段平均密度还是病灶容积百分比均能准确的反应病灶的分布特征。COVID-19 患者随着病程的推移，双肺病灶动态变化可能出现此消彼长的情况，即可有密度的变化，也有病灶范围的变化[4]，因此运用Pulmo 3D 软件定量分析可以准确实现病灶客观评价。

图3 61 岁男性，左肺多发磨玻璃 病 变。LAV 为-950HU，HAV为-200HU，病灶预设CT 值范围为-600HU ～-200HU。A、B． 双肺容积三等分分割模式下，病变在横断面及冠状面的分布。C．曲线显示左肺中、下1/3 部分正常肺组织容积占比减低，而在-600HU ～-200HU 范围内的病灶容积占比增加。D． 曲 线 显 示 左 肺 下1/3 部分正常肺组织容积占比减低，而在-600HU ～-200HU 范围内的病灶容积占比增加。

不同人群和个体肺叶体积差异较大，单纯病灶容积绝对值并不能真实反映肺受累的程度，但病灶容积占肺叶容积的百分比能够反映病灶范围的严重程度。本研究进行了年龄分组分析，病灶总容积在不同年龄组无统计学差异，但是病灶容积百分比是有统计学差异的。本研究发现年龄≥50 岁组患者右肺、左肺及双肺总病灶容积百分比均较＜50 岁组要高，这可能是老年人免疫能力相对较低，病毒在肺部造成的损伤易扩散，导致病灶容积占肺叶总容积的百分比增高。纳入患者的肺部病灶容积百分比、年龄、肺部是否有基础疾病这三个变量，发现病灶容积百分比与患者住院天数之间存在明显的正相关性，具有统计学差异，说明用CT 病灶容积百分比这个客观指标不仅能监测COVID-19 疾病的演变，还可以预测疾病进程，从而有助于临床医生对病情的评估，对预后提供更客观的依据。然而患者年龄和肺部是否有基础疾病与住院天数之间的相关性并没有统计学差异，这可能与样本量偏少有关，亦有可能本来影响患者病程除了这些自身因素外，还与其他疾病状态有关，比如糖尿病、冠心病等，而这些并不是影响疾病进程的唯一因素。

本研究存在一些局限性：本次入组样本量较少，且均为初次就诊的门诊患者，没有对住院患者影像征象随着病程变化的情况进行定量评价，目前仅对病灶分布特征进行定量分析，但这并不影响该方法的实用价值。不管是平均密度还是病灶容积百分比，均是基于设定病灶CT 值范围进行的，在单次评价中与病变的实际情况会有一定的偏差。该方法确定的像素指数取决于肺部体素的总和，呼吸状态对于平均密度及容积有一定影响的[13]，这可能会影响不同人群的结果比较。

计算机辅助CT Pulmo 3D 软件基于区域肺实质的定量分析，能够提供新冠肺炎患者病灶的密度、容积、容积百分比等定量指标和直观的3D 影像，操作简便，对病变的评价更加客观，在初诊患者的CT 评价中展现了一定的价值，具有定量监测患者肺部病灶动态变化情况潜在能力，可为临床治疗及预后提供更加客观准确的参考依据。