韩冬，于勇，贺太平，段海峰，贾永军，张喜荣，郭佑民，于楠

1.陕西中医药大学附属医院医学影像科，陕西咸阳712000；2.陕西中医药大学医学技术学院，陕西咸阳712000；3.西安交通大学第一附属医院医学影像科，陕西西安710061

前言

新型冠状病毒病（Corona Virus Disease 2019,COVID-19）被WHO 列为突发公共卫生事件，该病普遍易感，对大众正常生产生活造成极大影响［1-2］。实时荧光逆转录聚合酶链反应（RT-PCR）检测是诊断COVID-19 的金标准，但敏感性及特异性均较低，检测时间长。尤其当前核酸检测试剂依然紧缺，进一步影响了核酸筛查工作顺利开展。胸部CT 检查快速便捷，敏感性高，对筛查COVID-19 有重要价值［3-4］。COVID-19 典型肺部表现为多发胸膜下的磨玻璃影［5］。但作为病毒性肺炎的一种，与其它肺炎CT 表现存在重叠［6］。即使是有经验的影像科医师对COVID-19的诊断特异性仍较低［7］。近年来机器学习在医学影像学领域的数据分析长足发展，对疾病定量评价的效能及效率均有较高优势，其中支持向量机（Support Vector Machine,SVM）在解决非线性分类任务中有良好表现。本研究探讨基于密度分布特征及SVM诊断COVID-19相关性肺炎。

1 材料与方法

1.1 研究对象

回顾性收集整理3 家医院发热门诊自2020年1月～3月就诊患者的胸部CT 图像，并符合以下纳入和排除标准。纳入标准：①CT图像层厚1～2 mm，有可视的肺炎病变；②接受呼吸道或血液标本实时荧光RTPCR 新型冠状病毒核酸检测；③接受血常规、其他病毒检测、支原体等病原学检测。排除标准：①CT图像存在呼吸运动伪影；②CT 图像存在较严重的间质病变；③病原学诊断不明确者。最后共纳入85例患者，男 性40 例，女性45 例，年 龄14～89 岁，平均年龄（45.92±18.63）岁。……