摘要：目的探讨多层CT容积扫描+三维重建定性诊断孤立性肺结节（SPN）效果及作用。方法选取2020年7月—2022年12月本院收治的50例SPN患者为研究对象，患者均接受多层CT容积扫描、三维重建检查。根据良恶性分为良性组和恶性组，分析良恶性参数、病理结果等。结果恶性组增强峰值、血容量、表面通透性高于良性组，恶性组增强峰值时间短于良性组，差异有统计学意义（P<0.05）。50例患者病理检查明确SPN良性15例，恶性35例。多层CT容积扫描诊断敏感度62.86%、特异度66.67%、准确度64.00%；三维重建诊断敏感度71.43%、特异度73.33%、准确度72.00%；多层CT容积扫描+三维重建诊断敏感度94.29%、特异度93.33%、准确度94.00%。结论SPN定性诊断采用多层CT容积扫描+三维重建，作用明显，诊断效能较好。
关键词：多层CT,容积扫描,三维重建技术,孤立性肺结节,诊断效能
0引言
孤立性肺结节（SPN）指的是肺内直径≤3cm、边界清晰、被正常组织包绕单发结节病变，大部分病变都为良性病变，少数为肺转移瘤或早期肺癌[1]。SPN对患者有着很大潜在影响，关于良性、恶性鉴别会直接决定临床治疗准确性，对远期预后极为重要。目前影像学检查是诊断SPN常用方式，通过影像可以观察内部、外部情况，利于判断良恶性[2]。多层CT容积扫描在SPN良恶性诊断中有一定效果，但由于形态特征存在重叠情况，诊断结果不理想。近年来，在我国范围内，一种先进的三维重建技术得到了全面的推广与应用。该技术凭借其高度的精确性和丰富的信息承载能力，极大地增强了疾病细节的呈现质量及识别的精确性[3]。本文则对多层CT容积扫描+三维重建联用作用进行探析，现报告如下。
1资料与方法
1.1一般资料
选取2020年7月—2022年12月本院收治的50例SPN患者为研究对象，患者均接受多层CT容积扫描、三维重建检查。根据良恶性分为良性组和恶性组，分析良恶性参数、病理结果等。50例SPN患者中男31例、女19例，年龄为39~64岁，平均（50.84±3.08）岁；病灶位置：左侧22例、右侧28例。
纳入标准：①信息齐全；②患者自愿参加；③沟通能力正常，无意识障碍；④能配合医生完成检查。排除标准：①其他部位恶性病变；②曾接受放化疗；③严重肝脏、心脏疾病；④甲亢、重症肌无力；⑤合并器质性疾病；⑥依从性差；⑦图像质量不佳；⑧中途退出。
1.2方法
多层CT容积扫描：用64排螺旋CT机，取仰卧位，双手平放于两侧，以胸骨角为中心，头部先进后实行胸腹扫描，参数：层距5mm、层厚5mm，电压120kV，重建层厚1mm，电流200mA。扫描期间用高压注射器注射造影剂（碘普罗胺），剂量80~100mL，速度3.0mL/s，电压120kV，层厚64×0.625mm，矩阵512×512，X射线速度0.8r/s；之后将图像上传到工作站处理，由经验丰富医师阅片，避开空洞、钙化等，计算出病变部位峰值、血容量等。三维重建：用GE公司64排螺旋CT机，扫描范围胸廓入口-肋间角，参数设定：重叠30%，重建层厚1mm；把图像传到CT工作站，进行三维重建操作。
1.3观察指标
（1）观察病理检查结果以及征象（肺部空泡、毛刺等）检出率情况。
（2）记录良恶性参数水平，包含增强峰值、血容量等。
（3）对比敏感度、特异度、准确度。
1.4统计学分析
用SPSS 20.0分析数据，计量资料以（x—±s）表示、计数资料以[n（%）]表示，行t检验、χ2检验对比。P<0.05为差异有统计学意义。
2结果
2.1病理结果及检出率
50例患者经病理检查明确SPN良性15例，恶性35例。多层CT容积扫描+三维重建征象检出率比单独的多层CT容积扫描、三维重建检查高，差异有统计学意义（P<0.05）。见表1。
2.2良恶性参数
两组相比，恶性组增强峰值、血容量、表面通透性高于良性组，恶性组增强峰值时间短于良性组，差异有统计学意义（P<0.05）。见表2。
2.3敏感度、特异度、准确度
多层CT容积扫描诊断SPN：敏感度为22/35×100%=62.86%；特异度为10/15×100%=66.67%；准确度为（22+10）/50×100%=64.00%。
三维重建诊断SPN：敏感度为25/35×100%=71.43%；特异度为11/15×100%=73.33%；准确度为（25+11）/50×100%=72.00%。多层CT容积扫描+三维重建诊断SPN：敏感度为33/35×100%=94.29%；特异度为14/15×100%=93.33%；准确度为（33+14）/50×100%=94.00%。见表3。
3讨论
SPN为肺癌常见表现形式，是直径≤3cm的结节，表现为边界清楚、肺内单一、影像不透光等[4]。该病大多为良性，包含感染性、肿瘤性等，但也有40%为恶性，表现为边界清晰、磨玻璃结节[5]。良性病变可以不进行任何处理，必要随访即可；但恶性病变需早期干预才能获取较好预后，若未及时明确病情耽误治疗时机，就会发展为晚期，威胁生命安全[6]。为了让患者得到安全、有效治疗，早期诊断尤为关键；但SPN早期无明显表现，多半在查体中发现，这就增加了诊断难度[7]。
CT具有较好的空间分辨率、明显显示SPN形态等优势，但因病因复杂，良恶性病灶无差异，所以易出现影响重叠情况，增加诊断难度[8]。CT灌注成像原理是利用对比剂达到增强效果，实现连续、动态扫描，更清楚观察血管状态[9]。具体优点为：①图像质量清楚、信噪比低、扫描速度快、稳定等；②可检出伪影，间接反映器官灌注量；③能为医生提供全面解剖信息。
三维重建包含表面遮盖显示、多平面、最大/最小密度投影、容积再现，其应用可为SPN定性诊断提供重要依据[10]。该技术是通过在横断层面任意确定剖面位置，用计算机把一系列横断层面进行重组，获取该层面三维重组图像，还包含冠状层面二维图像，符合医生观察习惯，重建算法较为简单。但由于SPN良恶性无明显差异，所以对于恶性病变需采取多层CT容积扫描+三维重建联合诊断，更精准判断病情。
本研究结果显示，50例患者经病理检查明确SPN良性15例，恶性35例。多层CT容积扫描+三维重建征象检出率高（P<0.05）。这说明，多层CT容积扫描+三维重建可以明确疾病形态特征，进一步检出疾病良恶性，减少漏诊、误诊情况。本文得出，恶性组增强峰值、血容量、表面通透性高（P<0.05），增强峰值时间短（P<0.05）。这说明，恶性结节血管不成熟，基底膜不完整，导致血流扩散到病变内；良性结节基底膜完整，表面通透性低，不会增加造影剂。本文还得出，多层CT容积扫描诊断敏感度62.86%、特异度66.67%、准确度64.00%；三维重建诊断敏感度71.43%、特异度73.33%、准确度72.00%；多层CT容积扫描+三维重建诊断敏感度94.29%、特异度93.33%、准确度94.00%。这说明，联合诊断效果更好，准确度更高。
综上所述，SPN定性诊断采用多层CT容积扫描+三维重建，作用明显，诊断效能较好。
参考文献
[1]潘亚男,桑银洲,马永峰,等.Myrian影像后处理系统在孤立性肺结节定性诊断中的应用及影像学特征探讨[J].中国CT和MRI杂志,2022,20(9):67-69.
[2]许小伍,朱林,王鹏.低剂量CT扫描在孤立性肺结节定性诊断中的应用及影像学特征分析[J].实用放射学杂志,2022,38(2):217-221.
[3]Feng,HuiShi,GaofengLiu,et al.Free-breathing radial volumetric interpolated breath-hold examination sequence and dynamic contrast-enhanced MRI combined with diffusion-weighted imaging for assessment of solitary pulmonary nodules[J].Magnetic resonance imaging:An International journal of basic research and clinical applications,2021,75(1):707-715.
[4]白峥嵘,王敏璇,张振显.320排CT靶重建联合MRI扫描对孤立性肺结节中早期周围型肺癌的诊断价值[J].延安大学学报：医学科学版,2020,18(3):57-59,63.
[5]钟波,黄彬鸿,林家乐.CT三维重建技术在孤立性肺结节诊断及对危险因素分析的应用效果探讨[J].现代医用影像学,2021,30(5):813-817.
[6]刘婕,茆占湖,肖锡昌,等.多层螺旋CT动态增强成像在肺部孤立性结节诊断中的应用价值[J].临床和实验医学杂志,2020,19(17):1903-1905.
[7]王为现.孤立性肺结节诊断及鉴别中螺旋CT动态增强扫描的价值评价及敏感度,特异度研究分析[J].江西医药,2021,56(12):2348-2350.
[8]肖慧娟,刘谊和,侯平,等.Revolution CT能谱扫描联合自适应迭代重建前置迭代算法与常规能谱在恶性孤立性肺结节诊断中的效果比较[J].河南医学研究,2023,32(2):214-218.
[9]李晓卿,徐志豪,齐银萍.CT纹理分析与MSCT三维重建对孤立性肺结节良恶性鉴别诊断效能分析[J].影像科学与光化学,2020,38(5):914-918.
[10]杨静,赵黎明,王月波,等.多层CT容积扫描联合三维重建技术在孤立性肺结节患者良恶性诊断中的应用[J].西部医学,2022,34(4):610-614.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/yixuelunwen/81054.html
