螺旋CT平掃結合靶重建技術在肺部磨玻璃結節性質鑒別中的應用價值

【摘要】目的 探討螺旋CT平掃結合靶重建技術在肺部磨玻璃結節（GGN）性質鑒別中的應用價值，為臨床診療提供參考。

方法 選取2023年2月至2024年7月單縣中心醫院收治的78例GGN患者的臨床資料，進行回顧性分析。所有患者均接受螺旋CT平掃檢查并進行靶重建。以病理學檢查結果為依據，比較單獨螺旋CT平掃及其結合靶重建技術的檢查結果，分析螺旋CT平掃結合靶重建技術對GGN性質的診斷效能，比較良惡性GGN的CT相關參數。結果 病理學檢查結果顯示，78例患者中良性結節20例，惡性結節58例；螺旋CT平掃檢查結果顯示，良性結節23例，惡性結節55例；螺旋CT平掃結合靶重建技術檢查結果顯示，良性結節22例，惡性結節56例。螺旋CT平掃結合靶重建技術診斷GGN性質的敏感度為96.55%、特異度為100.00%、準確度為97.44%、陽性預測值為100.00%、陰性預測值為90.91%，與病理學檢查結果一致性較高（Kappa值=0.935），均優于單一螺旋CT平掃診斷。惡性GGN的CT值、大小、最大直徑/有效直徑、面積、體積均大于良性GGN（均Plt;0.05）。結論 螺旋CT平掃結合靶重建技術在GGN性質鑒別中具有較高的應用價值，準確度較高，可為臨床GGN的良惡性鑒別提供有效支持。

【關鍵詞】螺旋CT平掃；靶重建技術；肺部磨玻璃結節

【中圖分類號】R563 【文獻標識碼】A 【文章編號】2096-2665.2025.02.0039.03

DOI：10.3969/j.issn.2096-2665.2025.02.012

肺部磨玻璃結節（GGN）是影像學檢查中常見的肺部病變表現，其特征為胸部CT平掃顯示肺部密度增高的云霧狀類圓形結節，分為純磨玻璃結節和混合磨玻璃結節[1]。混合磨玻璃結節伴有結節狀、條片狀的高密度影，在患者肺部出血、炎癥、腫瘤及纖維化等病變后容易出現。良性GGN可見于炎癥、肺結核、淋巴結增生等疾病，惡性GGN則可見于支氣管肺癌、肺腺癌等疾病[2]。隨著螺旋CT在肺癌篩查中的廣泛應用， GGN的檢出率顯著上升，如何準確鑒別其良惡性成為臨床關注重點。傳統CT平掃在鑒別GGN良惡性時存在一定局限性，尤其對平均直徑lt;1 cm的結節其診斷準確性較低[3]。近年來，螺旋CT平掃結合靶重建技術在GGN的診斷中展現出獨特優勢。靶重建技術通過對特定病灶進行小視野、大矩陣重建，能更清晰地顯示結節的內部結構、邊緣特征及其與周圍組織的關系，從而提高診斷的準確性[4]。基于此，本研究選取78例GGN患者的臨床資料進行回顧性分析，探討螺旋CT平掃結合靶重建技術在GGN性質鑒別中的應用價值，以期為臨床提供更精準、更可靠的診斷依據，現報道如下。

1 資料與方法

1.1 一般資料 選取2023年2月至2024年7月單縣中心醫院收治的78例GGN患者的臨床資料，進行回顧性分析。患者中男性49例，女性29例；年齡52～83歲，平均年齡（66.76±6.41）歲；結節直徑5～29 mm，平均結節直徑（19.53±4.27）mm； BMI 18～32 kg/m2，平均BMI（26.73±2.69）kg/m2。納入標準：⑴符合GGN的診斷標準[5]，且經臨床檢驗確診；⑵年齡18～85歲；⑶結節直徑3～30 mm。排除標準：⑴存在胸部手術史，且手術部位與結節位置重疊，可能影響CT圖像者；⑵CT圖像質量不佳，存在偽影或模糊區域者；⑶存在其他嚴重心、肺疾病者。

1.2 檢查方法 螺旋CT平掃：患者取標準仰臥位，選用X射線計算機體層攝影設備（上海聯影醫療科技股份有限公司，國械注準20203060248，型號： uCT710）進行掃描，掃描范圍從肺尖至肺底，設定管電壓120 kV，管電流240 mAs，矩陣512×512，掃描層厚5 mm。圖像重建使用迭代重建算法，層厚1 mm，設定肺窗（窗寬1500 HU，窗位-400 HU）和縱隔窗（窗寬350 HU，窗位40 HU）以清晰展示肺部結構和病灶特征。

靶重建：在常規掃描基礎上，以病灶為中心，設定小視野模式，重建范圍為結節上下各3 cm，一側包括縱膈。設定重建矩陣1 024×1 024，重建層厚1 mm，進行靶重建。重建后圖像上傳至Pacs系統（確保圖像上傳完整、準確，包括橫、冠、矢狀位重建圖像），進行圖像預處理（去噪、增強等）及結節的自動檢測和分割，提取結節直徑、密度、面積、體積等參數。

結果由兩位高年資影像學醫師根據軟件分析結果和醫師診斷意見，綜合評估結節的良惡性及可能的風險因素。撰寫詳細的診斷報告，包括結節的CT表現、診斷意見及建議等，為臨床決策提供有力支持。確保結果的客觀性和準確性，意見不一致時加入第3位醫師取最終統一意見。

1.3 觀察指標 ⑴以病理學檢查結果為依據，比較單獨螺旋CT平掃及其結合靶重建技術的檢查結果，分析螺旋CT平掃結合靶重建技術對GGN性質的診斷效能。敏感度=[真陽性例數/（真陽性例數+假陰性例數）]×100%；特異度=[真陰性例數/（真陰性例數+假陽性例數）]×100%；準確度=[（真陽性例數+真陰性例數）/總例數]×100%；陽性預測值=[真陽性例數/（真陽性例數+假陽性例數）]×100%；陰性預測值=[真陰性例數/（真陰性例數+ 假陰性例數）]×100%。⑵比較良惡性GGN的CT相關參數，包括GGN的CT值、大小、最大直徑/有效直徑、面積、體積。

1.4 統計學分析 使用SPSS 23.0統計學軟件進行數據分析。計數資料以[例（%）]表示，組間比較采用χ2檢驗；一致性使用Kappa檢驗， Kappa值gt;0.75為一致性較高，Kappa值0.4～0.75為一致性中等。以Plt;0.05為差異有統計學意義。

2 結果

2.1 單獨螺旋CT平掃及其結合靶重建技術的檢查結果 病理學檢查結果顯示，78例患者中良性結節20例，惡性結節58例；螺旋CT平掃檢查結果顯示，良性結節23例，惡性結節55例；螺旋CT平掃結合靶重建技術檢查結果顯示，良性結節22例，惡性結節56例，見表1。

2.2 螺旋CT平掃結合靶重建技術對GGN性質的診斷效能 螺旋CT平掃結合靶重建診斷GGN性質的敏感度為96.55%、特異度為100.00%、準確度為97.44%、陽性預測值為100.00%、陰性預測值為90.91%，與病理學檢查結果一致性較高（Kappa值=0.935），均優于單一螺旋CT平掃診斷，見表2。

2.3 良惡性GGN的CT相關參數比較 惡性GGN的CT值、大小、最大直徑/有效直徑、面積、體積均大于良性GGN，差異均有統計學意義（均Plt;0.05），見表3。

3 討論

GGN的影像學可包含多種疾病，其病理學表現主要是肺泡間隔增寬、肺毛細血管及淋巴管的循環障礙、肺泡內填充性改變等[5]。磨玻璃影大多出現在炎性結節周圍，也有少數出現于肺癌結節周圍。因此，對肺部磨玻璃小結節進行定性診斷具有重要的臨床意義。GGN的病變面積通常較小，主要表現為肺組織密度增加，但其密度變化會受到支氣管血管束的影響，導致臨床診斷難度增加。螺旋CT平掃具有高分辨率、快速掃描、薄層重建的特點，是目前肺部GGN診斷的首選工具[6-7]。該方法能提供詳盡的肺部結構信息，幫助醫生準確判斷GGN的位置、形態、密度、邊緣特征。然而，針對直徑lt;1 cm的GGN，尤其是密度均勻、邊緣光滑的GGN，常規螺旋CT平掃在區分其良惡性方面仍存在局限性[8-9]。

靶重建技術又稱放大掃描或感興趣區掃描，是一種專門針對肺部小病灶的高精度重建技術，其通過縮小掃描視野和薄層厚實現對病灶的小范圍、薄層顯示，可在保持高分辨率的同時完成對病灶的精細重建和三維觀察[10-12]。在GGN的診斷中，靶重建技術能更清晰地反映病灶的內部結構、邊緣特征、血管走行等情況，為臨床提供更詳盡的影像信息，從而提升判斷GGN良惡性的準確性[13-15]。

本研究結果顯示，胸部螺旋CT平掃結合靶重建診斷GGN性質的敏感度為96.55%、特異度為100.00%、準確度為97.44%、陽性預測值為100.00%、陰性預測值為90.91%，與病理學檢查結果一致性較高，均優于單獨使用螺旋CT平掃。這表明螺旋CT平掃能識別出大部分GGN，但在區分良惡性方面存在一定的局限性。在靶重建技術的輔助

下，螺旋CT能準確地識別出所有惡性GGN，同時完全避免了將良性GGN誤診為惡性的情況。分析原因為，靶重建技術分辨率較高，可對病灶細節進行三維觀察，從而清晰呈現惡性GGN的典型特征，如密度不均勻、邊緣不規則、有毛刺征、分葉征或血管集束征等[16-17]。

此外，靶重建技術還能更準確地測量GGN的大小、體積等關鍵參數，為臨床提供更全面的診斷信息[18]。本研究結果還顯示，惡性GGN的CT值、大小、最大直徑/有效直徑、面積、體積均小于肺部良性結節。這表明惡性GGN通常表現為密度高、體積大、形態不規則等特征，這些特征在靶重建圖像上表現更為明顯，可為臨床提供診斷依據[16]。

綜上所述，螺旋CT平掃結合靶重建技術在GGN性質鑒別中具有較高的應用價值，準確度較高，可為臨床GGN的良惡性鑒別提供有效支持。

參考文獻

邵永超.人工智能輔助診斷系統在肺結節CT診斷中的應用價值[J].影像研究與醫學應用， 2024， 8（12）： 95-97.

索一涵. CT影像組學在鑒別診斷良惡性肺結節中的應用進展[J].黑龍江科學， 2024， 15（10）： 127-128， 132.

牟科，范衛杰，楊燕，等. CT影像組學分層鑒別三種常見孤立性肺結節的價值[J].陸軍軍醫大學學報， 2024， 46（6）： 608-617.

馬志強，趙永超，李志鵬.螺旋CT靶重建在獨立性肺結節定性診斷中的應用價值[J].深圳中西醫結合雜志， 2024， 34（8）： 72-75.

肺結節診治西北地區專家共識專家組，陜西省抗癌協會微創治療專業委員會，陜西省老年學和老年醫學學會肺癌專業委員會.肺結節診治西北地區專家共識（2021年版）[J].中國醫藥科學， 2021， 11（23）： 16-22.

劉彬. CT多平面重建在肺部磨玻璃小結節定性診斷中的應用價值[J/CD].中西醫結合心血管病電子雜志， 2019， 7（36）： 108，113.

沈丹，文兵，傅飛先.能譜CT定量參數在肺結節/腫塊評估中的應用進展[J].中國醫學創新， 2023， 20（36）： 169-174.

張海軍，駱科純，包軍軍.多層螺旋CT容積掃描及三維重建測定容積增長率對孤立性肺結節良惡性的診斷價值[J].中國腫瘤外科雜志， 2023， 15（3）： 285-289.

陶川.多層CT容積掃描聯合三維重建技術在孤立性肺結節患者良惡性診斷中的應用[J].中國醫療器械信息， 2023， 29（10）： 17-19.

應明露.探究多排螺旋CT薄層重建在肺結節單發中的診斷意義[J].影像研究與醫學應用， 2023， 7（7）： 82-84.

程燕南，李賢軍，李新雨，等. CT重建算法和顯示窗設置影響肺實性結節檢出和測量的研究[J].西安交通大學學報（醫學版）， 2022， 43（3）： 476-482.

王成霞，仇路，孫炳欣，等. CT層厚對塵肺病小結節顯示的影響[J].工業衛生與職業病， 2021， 47（6）： 478-480， 485.

劉家樹. CT多平面重建在肺部磨玻璃結節診斷中的應用[J].中國繼續醫學教育， 2020， 12（13）： 85-87.

李永東，崔鳳.低劑量CT聯合迭代重建技術及三維重建技術在部分實性肺結節中的臨床應用價值[J].浙江臨床醫學， 2019， 21（11）： 1470-1472.

de Margerie-Mellon C， Chassagnon G. Artificial intelligence： A critical review of applications for lung nodule and lung cancer[J]. Diagn Interv Imaging， 2023， 104（1）： 11-17.

徐珂，楊潔，李秋實，等. CT結合AI肺結節診斷系統在肺結節診斷及分型鑒別中的應用[J].臨床醫學工程， 2023， 30（5）： 585-586.

張蜜，談炎歡，錢芯，等.基于高分辨率CT掃描的孤立性肺結節高危預測模型的建立與驗證[J].中國醫學物理學雜志， 2023， 40（2）： 190-195.

陶瑜，陸凱，李倩余.薄層CT征象及定量參數在肺結節診斷中的價值分析[J].世界復合醫學（中英文）， 2024， 10（3）： 6-10.