中国期刊网-投稿、查重、发表有保障。
您的位置: 主页 > 学术论文 > 医学论文 >

PACS辅助系统与CT工作站诊断周围型肺癌准确性研究

发布时间:2022-06-15 08:43:44

摘    要:目的 研究图片存档和通信系统(PACS)工作站对周围型肺癌诊断水平提升的有效性。方法 对179例行肺癌筛查患者的计算机体层成像(CT)影像学资料进行分析,通过CT工作站和PACS辅助系统分析在平扫、肺四期(肺动脉期、支气管动脉期、平衡期和延时期)增强CT的CT值和CT净增值以及通过患者周围型肺癌强化模式来评估PACS辅助系统对肺癌强化评价的有效性,利用病理诊断结果作为阳性标准,比较PACS辅助系统和常规CT工作站辅助增强CT诊断周围型肺癌的灵敏度、特异度、阳性预测值和阴性预测值差异。结果CT工作站和PACS辅助系统增强扫描前后,两组平扫CT值[(39.93±9.71)HUvs (39.10±10.56)HU]、肺动脉期CT值[(45.97±11.02)HUvs(45.17±11.32)HU]、支气管动脉期CT值[(61.18±11.26)HUvs(61.60±10.57)HU]、平衡期CT值[(57.46±8.59)HUvs(59.02±10.69)HU]、延时期CT值[(60.55±16.51)HUvs(60.22±16.19)HU]比较,差异均无统计学意义(P>0.05),两组肺动脉期CT净增值[(13.42±9.64)HUvs(13.75±9.68)HU]、支气管动脉期CT净增值[(23.92±12.92)HUvs(23.17±12.75)HU]、平衡期CT净增值[(20.67±11.76)HUvs(20.84±13.67)HU]、延时期CT净增值[(25.77±16.61)HUvs(23.25±15.69)HU]比较,差异均无统计学意义(P>0.05)。92例患者在CT工作站以及PACS辅助系统观察到的强化模式相同,其中74例为均匀强化,12例为周边强化,6例为包膜样强化,32例为不均匀强化。PACS辅助系统诊断周围型肺癌的特异度、阳性预测值及阴性预测值均显著高于CT工作站(P<0.05)。结论 PACS辅助系统能显著提升周围型肺癌影响诊断准确性。


关键词:图片存档和通信系统;周围型肺癌;肺癌强化; 64排多层螺旋CT;


Accuracy study of PACS-assisted system and CT workstation in diagnosis of peripheral lung cancer

CUI Xiaojian PAN Ting HAO Rui TANG Jianhong

Department of Imaging and Interventional Radiology, Alliated Jinhua Hospital of Wenzhou Medical

University School of Electronic Information Engineering, Taiyuan University of Science and

Technology


Abstract:

Objective To investigate the effectiveness of the picture archiving and communication system (PACS) workstation in improving the diagnosis of peripheral lung cancer. Methods Computerized tomography (CT) imaging data of 179 patients undergoing lung cancer screening were analyzed by CT workstation and PACS-assisted system for CT values and CT net values added in a non-enhanced CT, four-phase (pulmonary arterial phase, bronchial arterial phase, equilibrium phase, and delayed phase) contrast-enhanced CT. The effectiveness of PACS-assisted system for enhanced evaluation of lung cancer was evaluated through the enhanced mode of peripheral lung cancer in patients. The pathological diagnosis results were used as the positive standard to compare the sensitivity, specificity, positive predictive value and negative predictive value between PACS-assisted system and CT workstation in the diagnosis of peripheral lung cancer. Results Before and after contrast-enhanced scans by CT workstation and PACS-assisted system, the two groups showed no statistical difference in CT values in non-enhanced scan [(39.93±9.71) HU vs (39.10±10.56) HU], pulmonary artery phase [(45.97±11.02) HU vs (45.17±11.32) HU], bronchial artery phase [(61.18±11.26) HU vs (61.60±10.57) HU], equilibrium phase [(57.46±8.59) HU vs (59.02±10.69) HU], and delayed phase [(60.55±16.51) HU vs (60.22±16.19) HU] (P>0.05). In the two groups, the CT net values added in pulmonary artery phase [(13.42±9.64) HU vs (13.75±9.68) HU], bronchial artery phase [(23.92±12.92) HU vs (23.17±12.75) HU], equilibrium phase [(20.67±11.76) HU vs (20.84±13.67) HU], delayed phase [(25.77±16.61) HU vs (23.25±15.69) HU]were not statistically significant (P>0.05) The sensitivity, specificity, positive predictive value and negative predictive value of PACS-assisted system in diagnosing peripheral lung cancer were significantly higher than those of CT workstation (P<0.05). Conclusion PACS-assisted system can significantly improve the diagnostic accuracy of peripheral lung cancer.


Keyword:

picture archiving and communication system; peripheral lung cancer; lung cancer enhancement; 64-row multi-slice spiral CT;


图片存档和通信系统(picture archiving and communication system,PACS)是一种医学影像管理信息系统,能够将数字图像存储在数据库中并使用其中的文件管理服务器进行检索,通过计算机网络传输,提供各种分辨率的医学影像给不同需求的用户,并作为医疗参考提供给医师进行分析和处理[1]。螺旋计算机体层成像(computerized tomography,CT)扫描仪的发展,使得大规模筛查早期肺癌成为可能。在大规模筛查过程中,螺旋CT能够采集到整个肺部区域图像[2],数据量巨大,使得PACS成为当今临床诊断工作中不可或缺的工具[3,4,5]。


肺癌是我国最常见的恶性肿瘤之一,70%属于周围型肺癌。周围型肺癌肺野型,系指发生于肺段以下支气管直到细小支气管的肺癌,该类患者出现肺癌典型的临床症状时往往已经步入晚期,因而早期对于周围型肺癌做出准确诊断十分重要[6]。在肺癌诊断中使用CT取得了良好的诊断效果,但对周围型肺癌进行诊断时因受到形态学研究限制,在肿瘤良性/恶性鉴别诊断方面准确性不足[7]。本研究通过常规CT工作站和AI集成PACS对179例疑似肺癌患者的CT影像学资料进行分析,评估PACS对影像强化后,对患者周围型肺癌诊断准确性的提升情况。


1 对象和方法

1.1 对象

收集2018年7月至2020年8月金华医院179例行肺癌筛查的疑似肺癌患者的影像学资料,病理结果显示其中92例患者为周围型肺癌。入选标准:①患者接受影像学检查时未确定病理结果;②年龄大于18周岁;③患者及其家属均签署知情同意书;④CT扫描时肺内部无明显影响测量的因素。排除标准:①术前进行过化疗、放疗等治疗的患者;②有造影剂给药禁忌症的患者;③有严重的心脏、肝脏或肾脏疾病的患者;④身体状况不适合进行CT扫描的患者;⑤影像学图像不清晰或者出现伪影的患者;⑥经过屏气训练效果不佳的患者。


92例患者中男54例(58.70%),女38例(41.30%),平均年龄(53.33±9.81)岁;患者肿瘤位置分布:左肺上叶和下叶分别为14例和20例;右肺上叶、中叶和下叶分别为28例、8例和22例。其中腺癌54例,鳞状细胞癌28例,大细胞癌6例,小细胞癌4例。患者病灶平均直径为(3.42±0.79)cm。本项目经金华医院伦理委员会批准(许可证号:JHLL20210503H),患者记录被匿名化和去标识化。


1.2 方法

1.2.1 CT扫描与成像

所有患者在进行CT扫描前进行屏气训练,随后所有患者均进行螺旋CT扫描接续通过肘前静脉注射非离子型造影剂后进行胸部强化螺旋CT扫描。参考葛绪波等[8]研究方法:首先,使用64排多层螺旋CT扫描在不静脉注射造影剂的情况下对患者进行第一次屏气螺旋CT扫描:120 kV、100 mAs、0.8 r/s机架旋转速、0.625 mm×64 mm准直、250 mm视野和512 mm矩阵、螺距0.984﹕1。该系列有助于定位肿瘤并选择包含整个肿瘤的区域以后续灌注成像。然后使用泵注射器通过肘前静脉以6~7 mL/s的速度注射造影剂并进行胸部强化螺旋CT扫描。图像采集在推注开始后5 s开始,提醒患者在动态扫描采集期间轻轻呼吸,以尽量减少运动。使用在350亨斯菲尔德单位(Hounsfield units,HU)的显示窗口宽度和55 HU的窗口级别下没有边缘增强的标准算法重建,调节窗宽窗位,显示细微征象。


所有患者进行CT扫描和成像后,由影像科的1名资深影像学医师在病变的最大截面积去除钙化与坏死后的实性软组织区域,取大约60%面积为标准,勾画出感兴趣区域(region of interest,ROI)。将患者的影像学资料分别通过CT医学影像工作站和PACS辅助系统进行分析评估,基于此将统计信息分为2组:一组为CT工作站,即通过CT医学影像工作站提供患者相关影像学信息并进行分析统计和报告;另一组为PACS辅助系统,即通过PACS辅助系统提供患者相关影像学信息并进行分析统计和报告,本研究中AI集成系统由汇医慧影团队给以支持,PACS中整合了AI辅助诊断系统,可以有效地辅助医师在ROI范围内寻找最优诊断依据。


1.2.2 观察指标

PACS和CT工作站中分别由3位受过系统学习的影像学专业医师对所有患者的影像学图像进行盲法判读以及收集测量平扫和增强后肺四期[肺动脉期(15 s)、支气管动脉期(35 s)、平衡期(75 s)、延时期(135 s)]的CT值并计算CT净增值。CT净增值=各时期CT值-平扫CT值。


此外,对患者病灶强化模式进行评价并记录,最大截面去除钙化的实性软组织,取60%有效面积作为标准,将所有患者的病灶强化模式分为均匀强化(增强后结节密度一致强化)、不均匀强化(增强后病灶内可见条状或片状不强化区)、包膜样强化(仅病灶边缘包膜样强化,其余部分均不强化)、周边强化(外围部分强化而中心部分不强化)和无强化[9]。3位医师使用CT工作站和PACS辅助系统对增强影像进行分析后,独立做出诊断,3人中2人以上认定阳性则认定该患者影像数据支持诊断为周围型肺癌,最终利用病理诊断结果作为阳性标准,比较CT工作站和PACS辅助系统分别辅助增强CT诊断周围型肺癌的灵敏度、特异度、阳性预测值和阴性预测值差异。


1.2.3 统计学分析

采用SPSS 25.0软件对数据进行统计学处理,所有计量资料以x¯±s表示,采用单因素方差分析进行比较;计数资料以n(%)表示,采取χ2检验。P<0.05表示差异有统计学意义。


2 结果

2.1 CT工作站和PACS辅助系统增强扫描前后CT值比较

CT工作站和PACS辅助系统增强扫描前后平扫、肺动脉期、支气管动脉期、平衡期、延时期CT值比较,差异均无统计学意义(P>0.05,表1)。


2.2 CT工作站和PACS辅助系统增强扫描前后CT净增值比较

CT工作站和PACS辅助系统增强扫描前后肺动脉期、支气管动脉期、平衡期和延时期CT净增值比较,差异均无统计学意义(P>0.05,表2)。


2.3 强化模式

通过标准流程对患者病灶强化模式进行评价,92例患者在CT工作站以及PACS辅助系统观察到的强化模式相同,其中74例为均匀强化,12例为周边强化,6例为包膜样强化,32例为不均匀强化。


2.4 CT工作站和PACS辅助系统的诊断效能比较

PACS辅助系统诊断周围型肺癌的特异度、阳性预测值及阴性预测值均显著高于常规CT工作站(P<0.05,表3)。


3 讨论

我国现在建议40岁以上或有长期吸烟史的肺癌高危人群每年至少做一次胸部CT扫描[10]。CT成像诊断工作的巨大工作量是推广这种筛查计划的一个关键障碍。肺结节体积小、对比度低、形态多变,是肺癌早期最普遍的表现形式[11]。大多数医院仍然依靠传统的人工或与计算机辅助诊断(computer aided diagnosis,CAD)混合读片进行临床诊断,临床医生和影像科医生手动完成大部分的筛查工作[12,13]。然而,每个患者至少有100张胸腔CT图像,精细的扫描多达600张,工作量巨大,容易出现漏诊和误诊。此外,随着体检数量的不断快速增加,人工处理的方法也越来越难用。在过去的十多年里,一些用于肺部结节CT筛查的CAD系统应运而生,其中ISICAD、SubsolidCAD、LargeCAD和ETRO是具有代表性的公共系统。这些CAD系统都是依靠传统的机器视觉算法来检测肺部结节,主要用于筛查大、中型肺部结节,筛查的特异度和敏感度有限。近年来,市场也开始研究人工智能作为辅助诊断产品在医疗事业中的应用,不过目前还没有形成行业技术标准,也没有在临床上推广。随着人工智能的发展,利用人工智能开发的算法辅助医生阅片,将是未来早期微小肺结节的研究之路。


本研究首先收集肺癌术后患者的CT,再结合术后病理报告和术前CT影像报告,精确找出肺癌病灶,再使用ITK-SNAP 3.4.0标记软件对肺癌结节沿边缘精确圈定,保证学习集的阳性金标准[14,15]。本研究数据显示,轻量的AI辅助联合PACS就可以显著提升医师诊断周围型肺癌的灵敏度。实验表明,通过人工智能自动学习早期肺癌胸部CT图像,可以达到较高的早期肺癌识别的敏感度及特异度,辅助医生进行诊断工作,减轻医生工作量。


本研究通过CT工作站和PACS辅助系统对179例周围型肺癌患者的CT影像学资料进行分析,评估平扫、肺四期(肺动脉期、支气管动脉期、平衡期和延时期)增强CT的CT值和CT净增值以及通过患者的周围型肺癌强化模式来评估PACS辅助系统对肺癌强化评价的有效性。研究发现PACS辅助系统在测量不同类型和不同时期CT值、CT净增值以及患者影像学图像判断患者周围型肺癌强化类型方面与CT工作站相比无显著差异。但在诊断准确度层面,在轻量AI辅助PACS帮助下,医师对周围型肺癌的诊断灵敏度、特异度、阳性预测值及阴性预测值均显著高于CT工作站处理的结果,充分证明了AI整合发展方向的价值[16]。


未来,随着训练样本的增多,本团队研究的AI结节筛查率和准确率将不断提高。下一步,团队将对结节进行分项检测,并针对结节特点给出治疗建议,在此基础上,把人工智能模型嵌入到可与PACS影像系统对接的可插拔仪器中,直接服务于影像系统,获取图像数据,帮助医生和患者分析图像,在临床上验证人工智能的有效性。在验证的过程中,研究团队将继续完善其算法模型和PACS系统的兼容性与多样性,并将其产业化,争取将研究成果直接转化为临床应用。


综上所述,本研究证实了PACS辅助系统能显著提升周围型肺癌CT影像诊断准确性。同时我们相信,在影像医学研究领域中,AI辅助PACS提升诊断水平这一发展方向大有可为。


(编辑:袁天峰)


参考文献

[1] UR REHMAN M Z, JAVAID M, SHAH S I A, et al. An appraisal of nodules detection techniques for lung cancer in CT images[J]. Biomedical Signal Processing and Control, 2018, 41: 140-151.

[2] BARAKAT R, DESERNO T M. Automatic alerting of accidents and emergencies: the international standard accident number and vital sign data embedded in future PACS[C]//Conference on Imaging Informatics for Healthcare, Research, and Applications, 2020.

[3] 刘表虎, 何仪, 朱向明, 等. 比较影像医学在当今影像医学教学中的探索与思考[J]. 中国继续医学教育, 2019, 11(2): 53-55.

[4] MIRSADRAEE S, MANKAD K, MCCOUBRIE P, et al. Radiology curriculum for undergraduate medical studies—a consensus survey [J]. Clin Radiol, 2012, 67(12): 1155-1161.

[5] CARRIERO A, BONOMO L, CALLIADA F, et al. E-learning in radiology: an Italian multicentre experience[J]. Eur J Radiol, 2012, 81(12): 3936-3941.

[6] 赵拴来. 胸片与CT检查在周围型肺癌中的应用效果探析[J]. 中国辐射卫生, 2016, 25(4): 502-503.

[7] LIU C, MA C, DUAN J, et al. Using CT texture analysis to differentiate between peripheral lung cancer and pulmonary inflammatory pseudotumor[J]. BMC Medical Imaging, 2020, 20(1): 75.

[8] 葛绪波, 姚玉慧. 利用PACS与CT工作站评价周围型肺癌强化的对比研究[J]. 医疗卫生装备, 2015, 36(8): 81-83, 94.

[9] 徐秋贞. 螺旋CT肺四期扫描对周围型小肺癌的诊断价值研究[D]. 南京: 东南大学, 2005.

[10] 王平, 陈亮, 胡磊. 人工智能+结构化报告赋能冠脉CT血管成像临床一体化[J]. 中国数字医学, 2021, 16(11): 50-54.

[11] 张卉, 杨世彤, 李艳若, 等. 人工智能结合PACS在中医院校医学影像教学中的应用[J]. 临床研究, 2021, 29(6): 189-190.

[12] 姜雪, 吕发金, 李昱仑, 等. 医学影像人工智能技术评价脑出血准确性研究[J]. 中国医学计算机成像杂志, 2021, 27(1): 1-5.

[13] 施莉丽, 杨秀军, 于广军, 等. 基于医院RIS-PACS场景的人工智能骨龄检测系统集成技术与实现 [J]. 中国医疗器械杂志, 2020, 44(5): 415-419.

[14] EIBEL R, THIEME S, HERZOG P. PACS–Tips and tricks for imaging comparison[M]// COCHE E, GHAYE B, DE MEY J, et al. Comparative interpretation of CT and standard radiography of the chest. Berlin: Heidelberg, 2011: 75-90.

[15] 李进进. 基于Web的肺结节智能辅助阅片系统的设计与实现[D]. 重庆: 重庆大学, 2020.

[16]马思然智能3D可视化数字患者表达方法与临床应用研究[D].北京:中国科学院大学, 2020.


相关文章
100%安全可靠
7X18小时在线支持
支付宝特邀商家
不成功全额退款