黄 杨，张梦琦，何新华，胡永胜，王自勇

（合肥市第一人民集团医院<合肥市滨湖医院>CT 室 安徽 合肥 230000）

肺炎是临床上最常见的一种呼吸系统疾病，其发病一般较为急骤，且与其他肺部疾病临床症状较为相似，单纯内科体格检查较难直观地确诊。肺部CT 诊断技术对肺炎敏感度、特异性高，可以准确、有效、快速地诊断肺炎，从而给临床提供治疗依据，但CT 诊断受阅片者经验及主观性影响较大，尤其是较小病灶易发生漏诊等情况。近年来随着人工智能（artificial intelligence, AI）的发展，医学领域的人工智能研究亦进展迅速[1]，其中医学影像人工智能在肺结节、甲状腺结节、糖尿病视网膜病变等疾病的筛查、定位、分析等方面，取得了重要进展[2]。我院在与安徽省科大讯飞医疗信息技术有限公司的深入合作中，将人工智能影像辅助诊断系统用于肺炎的筛查及诊断，本研究通过探讨不同重建层厚对人工智能辅助诊断系统在肺炎检测效应的影响，为标准化数据收集提供依据。

1 材料及方法

1.1 研究对象

收集合肥市滨湖医院2020 年1 月—3 月进行肺部CT扫描患者240 例，分为三组，每组80 例。其中男142 例，女98 例，年龄13 ～91 岁，平均年龄（50.17±19.31）岁。纳入标准：①临床纳入肺炎筛查患者；②无肺部先天性疾病；③肺部扫描数据完整；④图像无严重伪影。

1.2 仪器与方法

所有患者均接受多层螺旋CT 扫描（SIMENS SOMATOM Definition 和SIMENS Emotion），开展肺炎人工智能诊断，数据源要求依据相关指南、共识[3]。扫描参数：管电压100 ～120 kV，管电流30 ～50 mAs，开启管电流自动调制技术，螺距≤1，均采用lung 70 s 卷积核算法重建肺部1 mm、2 mm、5 mm 的肺部图像，无间隔重建。……