复旦大学附属中山医院发布两项CT影像组学创新研究成果
聚焦肺结节良恶性鉴别与心外膜脂肪测量的临床科研突破
在CT影像组学领域，研究人员通过提取和分析CT图像的纹理特征，构建预测模型以辅助临床决策，实现医学影像信息的深度挖掘。目前，该技术已广泛应用于肺结节良恶性判断、主要不良心血管事件（MACE）风险预测等重要临床场景。尽管传统研究多基于增强CT图像并依赖算法优化提升模型性能，但在CT技术快速发展的背景下，如何突破常规思维、推动科研创新，仍是当前面临的关键挑战。复旦大学附属中山医院联合联影中央研究院近期发表的两项研究成果，为CT影像组学的发展提供了新思路。
研究一：深度学习重建算法在肺结节CT影像组学中的逆向兼容性
该研究题为《Applying a CT texture analysis model trained with deep-learning reconstruction images to iterative reconstruction images in pulmonary nodules diagnosis》，已被《Journal of Applied Clinical Medical Physics》（IF=2.243）接收。
文章一：《深度学习重建算法在肺结节CT影像组学预测模型中的逆向兼容性研究》
CT影像组学依赖于对CT值的数学处理，而重建算法直接影响图像质量与模型表现。目前主流算法包括传统滤波反投影、迭代重建（HIR）及深度学习重建（AIIR）。其中，AIIR融合深度学习降噪与模型迭代重建，在提升空间分辨率和降低噪声方面表现突出。本研究创新性地探索了基于AIIR图像训练的影像组学模型是否可“逆向”应用于较早一代的HIR图像，验证其跨算法兼容性。
研究纳入102例患者共118个肺小结节（良性52个，恶性66个），分别采用HIR和AIIR算法重建图像。以AIIR图像分为训练集与验证集，构建肺结节良恶性预测模型；HIR图像作为测试集评估模型的逆向适用性。通过纹理特征提取与筛选后，利用ROC曲线及AUC指标评价模型性能。
图1. 右肺上叶微浸润腺癌图像对比。(a) HIR图像，(b) AIIR图像。AIIR在空间分辨率、结节轮廓与内部细节显示方面优于HIR。
结果显示，模型在AIIR验证集中的准确率为92.3%，AUC达0.91；在HIR测试集中准确率为80.0%，AUC为0.80，表明模型具备一定逆向兼容能力。
图2. 基于AIIR图像建立的模型在验证集与测试集中的ROC曲线。验证集AUC为0.91，测试集AUC为0.80。
研究表明，基于AIIR图像构建的CT影像组学模型不仅具有高诊断准确性，且对HIR图像仍具良好适用性。该工作突破传统研究路径，首次系统探讨深度学习重建模型的跨算法迁移潜力，为多中心、跨设备数据整合提供理论支持。
研究二：胸部平扫CT与冠脉CTA在心外膜脂肪测量中的一致性分析
该研究题为《Measurement of epicardial adipose tissue using non-contrast routine chest-CT: a consideration of threshold adjustment for fatty attenuation》，已被《BMC Medical Imaging》（IF=2.795）接收。
文章二：《胸部CT平扫图像和冠脉CTA心外膜脂肪测量一致性研究》
心外膜脂肪（EAT）位于心肌表面与脏层心包之间，是评估心血管疾病风险的重要影像标志物。目前，冠状动脉CT血管造影（CCTA）是测量EAT的标准方法，但因其临床适应证限制，数据获取受限。相比之下，常规胸部平扫CT（RCCT）检查更为普遍，若能实现EAT的有效测量，将极大拓展其在心脏影像组学中的应用价值。
研究团队纳入83例同时接受CCTA与RCCT检查的患者（其中34例伴有冠脉钙化斑块），对两种图像进行EAT分割，计算不同阈值范围下的脂肪体积（EV）和平均CT值（mEA），并比较结果一致性。
图3. 不同阈值下CCTA与RCCT获取的EAT体积相关性（a-c）与Bland-Altman分析（d-f）。阈值范围：N30(-190HU, -30HU)，N40(-190HU, -40HU)，N45(-190HU, -45HU)。
结果表明，调整分割阈值可显著提高RCCT与CCTA测量结果的一致性。在N40（-190HU至-40HU）范围内，两者EV的相关性最高（r=0.976），差异最小。
图4. CCTA与RCCT在不同阈值下EAT体积（EV）与平均CT值（mEA）的比较。Plaque(-)：无钙化斑块组；Plaque(+)：有钙化斑块组。
进一步分析发现，无论是否存在冠脉钙化，两组EV在三种阈值下均有显著相关性（P<0.05）；而mEA仅在N30阈值下存在显著差异。
研究证实，RCCT与CCTA在合理阈值设定下，EAT体积测量结果高度一致，且RCCT获取的mEA在特定条件下可作为冠心病诊断的参考指标。该成果为利用常规胸部CT开展心脏代谢与心血管风险评估提供了可行性依据，有望推动低剂量、广覆盖的心脏影像组学研究。