肺部结节的 CT 影像诊断研究进展
摘要
多数患者已经进入中晚期，五年生存率较低。随着影像学技术的发展，在肺部检查中使用 CT 影像学，能够提高肺部结节
的发生率，并能根据肺部结节的 CT 影像学性质，作出针对性处理方式。肺部结节良恶性鉴定及治疗措施，是当前研究的
重点内容，本文着重分析肺部结节 CT 影像学在临床中的应用，对 CT 诊断的发展现状及未来趋势进行相关研究。
关键词
全文:
PDF参考
[1] 郭浩阳 , 陈浩 , 汪伟 , 等 . 2004-2019 年中国肺癌死
亡分布及趋势 [J]. 济宁医学院学报 ,2022,45(3):167-170,175.
[2] 党静 , 马新颜 , 段宇帆 .2019 年河北省石家庄市肿
瘤登记地区肺癌发病、死亡情况及 2014—2019 年变化趋势
分析 [J]. 中国肿瘤 ,2023,32(12):891-898.
[3] 汪靖婷 , 钟飞扬 , 甘甜 , 等 . 基于临床及 CT 影像组
学特征构建周围型小细胞肺癌与肺腺癌诊断模型的研究 [J].
临床放射学杂志 ,2023,42(3):406-410.
[4] 王 俊 青 , 闫 迪 , 毛 瑞 . 低 剂 量 螺 旋 CT 联 合 血 清
VEGF、CEA、CA125 水平检测在早期肺癌诊断中的价值 [J].
实用癌症杂志 ,2023,38(3):418-421.
[5] Bhandary A , Prabhu G A , Rajinikanth V ,et al.Deeplearning framework to detect lung abnormality – A study with
chest X-Ray and lung CT scan images[J].Pattern Recognition
Letters, 2020, 129:271-278.DOI:10.1016/j.patrec.2019.11.013.
[6] 李彩云 , 张玉顺 , 鱼军 , 等 . 半自动实性肺结节大小
测量能够提高不同观察者间肺部影像报告和数据系统分类
的一致性 [J]. 实用放射学杂志 ,2022,38(11):1770-1774.
[7] Huang X , Sun W , Tseng T L ,et al.Fast and fully-
automated detection and segmentation of pulmonary nodules in
thoracic CT scans using deep convolutional neural networks[J].
Computerized Medical Imaging and Graphics, 2019.
[8] 杨 桂 才 . 肺 部 影 像 报 告 和 数 据 系 统 分 级 与 CT
征 象 对 孤 立 性 肺 结 节 的 定 性 诊 断 价 值 [J]. 医 药 论 坛 杂
志 ,2022,43(12):98-100.
[9] Venkadesh K V , Setio A A A , Schreuder A ,et al.Deep
Learning for Malignancy Risk Estimation of Pulmonary Nodules Detected
at Low-Dose Screening CT[J].Radiology, 2021, 300(60):204433.
[10] 黄训波 , 刘祥治 , 邱创嘉 , 等 . 良恶性肺部孤立局
灶性磨玻璃密度结节 CT 征象及临床诊断价值 [J]. 影像研究
与医学应用 ,2020,4(17):146-147.
[11] 丁 鲁 敏 , 孙 希 文 . 浸 润 性 肺 腺 癌 的 倍 增 时 间
与 驱 动 基 因 状 态 的 相 关 性 [J]. 同 济 大 学 学 报（ 医 学
版）,2024,45(2):182-188.
[12] Zoltán Káplár, Essa N B , Balaji N ,et al.Conventional
CT and PET/CT imaging in the evaluation and management of
subsolid pulmonary nodules: an overview of the literature and author
recommendations[J].Clinical and Translational Imaging, 2023.
[13] 邱珏 , 徐玉华 . 高分辨 CT 检查对肺部结节患者原位
癌及浸润性癌鉴别诊断价值 [J]. 影像技术 ,2023,35(5):21-25,34.
[14] 孙华聪 , 彭延军 , 郭燕飞 , 等 . 3D 多尺度深度卷积神
经网络肺结节检测 [J]. 中国图象图形学报 ,2021,26(7):1716-1725.
[15] 王 智 , 武 艳 飞 , 李 晓 凤 . 三 维 卷 积 神 经 网 络
预 测 肺 腺 癌 患 者 肺 CT 内 并 发 结 节 属 性 [J]. 实 用 肿 瘤 杂
志 ,2021,36(3):240-246.
[16] 蓝燚锋 , 叶艺先 , 蔡宇超 . 计算机辅助检测系统
(CAD) 在 16 层 CT 低剂量肺癌筛查肺结节检出中的应用价值
[J]. 中国医药指南 ,2019,17(23):5-7.
[17] 张春燕 . 肺部磨玻璃样小结节 ( 最大径≤ 1 cm) 应
用 CT 靶扫描联合多维重建鉴别诊断良恶性的临床研究 [J].
影像研究与医学应用 ,2022,6(23):109-111.
[18] 胡栩晟 , 郭艺帆 , 李鲁 , 等 . 肺结节超高分辨率 CT
靶扫描影像组学联合机器学习在原位腺癌与微浸润腺癌鉴
别中的价值 [J]. 浙江临床医学 ,2023,25(9):1294-1296.
[19] L I , S H I W E I , L I U , D A N D A N . A U T O M A T E D
CLASSIFICATION OF SOLITARY PULMONARY NODULES
USING CONVOLUTIONAL NEURAL NETWORK BASED
ON TRANSFER LEARNING STRATEGY[J]. Journal of
mechanics in medicine and biology,2021,21(5). DOI:10.1142/
S0219519421400029.
[20] 梁付奎 , 傅晓琴 , 李彩琴 , 等 . 人工智能 AI 联合低
剂量肺部 CT 扫描在肺结节诊断中的应用价值分析 [J]. 影像
研究与医学应用 ,2023,7(15):28-30.
(17 摘要 Views, 59 PDF Downloads)
Refbacks
- 当前没有refback。