CN110211695A - 一种肺纤维化严重度评估方法 - Google Patents
一种肺纤维化严重度评估方法 Download PDFInfo
- Publication number
- CN110211695A CN110211695A CN201910514972.5A CN201910514972A CN110211695A CN 110211695 A CN110211695 A CN 110211695A CN 201910514972 A CN201910514972 A CN 201910514972A CN 110211695 A CN110211695 A CN 110211695A
- Authority
- CN
- China
- Prior art keywords
- lung
- lung field
- severity
- camber line
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 208000005069 pulmonary fibrosis Diseases 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 31
- 210000004072 lung Anatomy 0.000 claims abstract description 219
- 230000008859 change Effects 0.000 claims abstract description 25
- 206010016654 Fibrosis Diseases 0.000 claims abstract description 23
- 230000004761 fibrosis Effects 0.000 claims abstract description 23
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 17
- 229910052760 oxygen Inorganic materials 0.000 claims description 17
- 239000001301 oxygen Substances 0.000 claims description 17
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 16
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 15
- 210000004369 blood Anatomy 0.000 claims description 15
- 238000000926 separation method Methods 0.000 claims description 14
- 210000002620 vena cava superior Anatomy 0.000 claims description 8
- 210000002376 aorta thoracic Anatomy 0.000 claims description 7
- 210000002837 heart atrium Anatomy 0.000 claims description 6
- 210000005240 left ventricle Anatomy 0.000 claims description 6
- 210000000709 aorta Anatomy 0.000 claims description 3
- 210000001147 pulmonary artery Anatomy 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 229920006395 saturated elastomer Polymers 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000004393 prognosis Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 201000009794 Idiopathic Pulmonary Fibrosis Diseases 0.000 description 13
- 208000036971 interstitial lung disease 2 Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000004083 survival effect Effects 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000004199 lung function Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 208000029523 Interstitial Lung disease Diseases 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 229940124446 critical care medicine Drugs 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 201000003838 Idiopathic interstitial pneumonia Diseases 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000009798 acute exacerbation Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种肺纤维化严重度评估方法，该方法包括以下步骤：步骤1：选择CT肺窗4个代表层面；步骤2：将全肺总共划分为100个小片；步骤3：计算全肺蜂窝状改变占比；步骤4：根据全肺蜂窝状改变占比进行肺部CT纤维化分期；步骤5：根据预设的评分标准分别对所选取的生理学参数的检测结果进行打分并相加得到肺纤维化严重度的严重度总分，进而根据严重度总分进行严重度分级。最终得出每个患者纤维化程度和严重度的严重度总分。该评估方法可开发成移动手机端的智能评分系统，只要输入患者的相关评估所需的信息，即可获得病情严重度的评估结果，大大便利医生和患者了解病情，评估预后，指导治疗，具有良好的社会效益和应用前景。
Description
技术领域
本发明涉及医药技术领域，具体涉及一种肺纤维化严重度分期方法。
背景技术
肺纤维化(pulmonary fibrosis,PF)是各种肺部疾病的共同结局，以肺组织疤痕化为主要表现，如果受累范围广泛则导致肺容积缩小，肺功能明显下降，严重影响患者生存质量。尤其是特发性间质性肺炎(idiopathic pulmonary fibrosis,IPF)是最典型的代表，其病理和/或影像表现为寻常性间质性肺炎的慢性进展性肺部疾病。IPF病因不明，预后极差，确诊后平均生存期仅为3-5年。IPF目前认为患者个体生存期差异很大，有些长期稳定存活多年，有些病情缓慢进展，有些则发生急性加重导致肺功能急速恶化，短时间内死亡。如何根据患者的情况做出较为精准的病情严重度评估和预后判断，目前尚缺乏被广泛接受的评估方法。
关于IPF严重程度系统性的评分模型目前主要有以下几种：(1)Leslie C.Watters等(Watters,L.C.,T.E.King,M.I.Schwarz,et al.A clinical,radiographic,andphysiologic scoring system for the longitudinal assessment of patients withidiopathic pulmonary fibrosis.[Journal Article].Am Rev Respir Dis,1986,133(1):9 7-103.doi:10.1164/arrd.1986.133.1.97；Watters,L.C.,M.I.Schwarz,R.M.Cherniack,et al.Idiopathic Pulmonary Fibrosis-Pretreatment Bronchoalveolar Lavage Cellular-Constituents and Their Relationships with LungHistopathology and Clinical-Response to Therapy.[Journal Article].AmericanReview of Respiratory Disease,1987,135(3):696-704.doi:)1986年发表的CRP(clinical-radiographic-physiologic，临床-影像-生理)评分系统，包含7个变量：呼吸困难程度，胸片定量评分，用力肺活量(forced vital capacity，FVC)及第一秒用力呼气量(forced expir atory volume in one second，FEV1)，胸腔内气体容积(Vtg)，一氧化碳肺弥散量(diffusing capacity of the lung for carbon Monoxide，DLco)与肺容积(alveolar volume，VA)比值(DLco/VA)，静息状态下肺泡-动脉氧分压差(AaPO2)，但存在参数较多，计算方法复杂，胸片不能很好分辨纤维化病灶等较多缺陷。2001年TalmadgeE.King等(King,T.E.,J.A.Tooze,M.I.Schwarz,et al.Predicting survival inidiopathic pulmonary fibrosis:Scoring system and survival model.[JournalArticle].American Journal of Respiratory and Critical Care Medicine,2001,164(7):1171-1181.doi:)对CRP评分系统的进行了改良，增加了性别，年龄，吸烟情况，杵状指等项目作为评价指标，进一步加大了评估的复杂性。(2)Athol U.Wells等(Wells,A.U.,S.R.Desai,M.B.Rubens,et al.Idiopathic pulmonary fibrosis-A compositephysiologic index derived from disease extent observed by computedtomography.[Jou rnal Article].American Journal of Respiratory and CriticalCare Medicine,2003,167(7):962-969.doi:)2002年提出一个结合胸部CT和肺功能参数的复合生理指数(composite physiologic index，CPI)来评估ILD的严重程度，并证实其在评估肺纤维化程度及预测生存率方面优于单个肺功能指标，但计算公式复杂，临床应用受限。(3)Brett Ley,MD等(Ley,B.,C.J.Ryerson,E.Vittinghoff,et al.A MultidimensionalIndex and Staging System for Idiopathic Pulmonary Fibrosis.[Journal Article].Annals of Internal Medicine,2012,156(10):684-U58.doi:10.7326/0003-4819-156-10-201205150-00004)通过回顾性分析制定了以性别、年龄、FVC和DLco为基础的GAP(gender,age,and physiologic variables，性别，年龄和生理因素)模型，但缺乏最重要的HRCT(High Resolution CT，高分辨率CT)资料，评估的精准度受影响，也并未在临床上广泛应用。2017年Hasti Robbie等(Robbie,H.,C.Daccord,F.Chua,et al.Evaluating diseaseseverity in idiopathic pulmonary fibrosis.[Journal Article].Eur Respir Rev,2017,26(145):10.1183/16000617.0051-2017)回顾性分析了生理学参数、组织病理学参数、影像学参数、生物标记物在评估IPF疾病严重程度中的地位，认为单一的参数评估疾病的严重度有较大的局限性，整合相关参数是制定IPF严重度评分的方向。
基于此，选取有较好预后判断价值的参数，建立一种HRCT肺纤维化分期联合生理学指标的肺纤维化严重度综合评估方法很有必要，以达到更为精准的肺纤维化严重度和预后评估，且应可开发出智能评估系统便于临床广泛应用。
发明内容
本发明的目的是提供一种肺纤维化严重度评估方法，以做出更为精准的病情严重度评估和预后判断。
为达到上述目的，本发明提供了一种肺纤维化严重度评估方法，其包括以下步骤：
步骤1：选择CT肺窗4个代表层面:主动脉弓层面、气管分叉层面、下叶上基底段气管分叉层面和右侧肺膈顶下层面；
步骤2：每个层面有左右两个肺野，全肺共分为8个肺野，将8个肺野总共划分为100个小片；
步骤3：对于所划分的每一小片，如果所在小片上的蜂窝面积大于该小片面积的二分之一则记为1％，否则记为0；将所有100片的计算百分比相加得到全肺蜂窝状改变占比；
步骤4：根据全肺蜂窝状改变占比进行肺部CT纤维化分期：全肺蜂窝状改变占比为0时，网状条索影，无蜂窝状改变，纤维化分期记为I期；0＜全肺蜂窝状改变占比≤25％时，纤维化分期记为II期；25％＜全肺蜂窝状改变占比≤50％时，纤维化分期记为III期；50％＜全肺蜂窝状改变占比≤75％时，纤维化分期记为IV期；全肺蜂窝状改变占比＞75％时，纤维化分期记为V期；
步骤5：选取生理学参数：血氧饱和度、用力肺活量占预计值的百分比、一氧化碳肺弥散量占预计值的百分比、年龄和性别；根据预设的评分标准分别对所选取的生理学参数的检测结果进行打分并相加得到肺纤维化严重度的严重度总分，进而根据严重度总分进行严重度分级。
上述的肺纤维化严重度评估方法，其中，步骤2中，对于每个代表层面，左右两侧肺野分别通过画两条弧线划分为3个部分：内带，中带及外带；第一条弧线为外带与中带的分界线，第二条弧线为中带与内带的分界线；外带按肺野面积均分为6小片，中带按肺野面积均分为4-5小片，内带按肺野面积均分为2小片。
上述的肺纤维化严重度评估方法，其中，对于主动脉弓层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从主动脉弓的升段部分与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
上述的肺纤维化严重度评估方法，其中，步骤2中，对于气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从肺动脉段与左肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
上述的肺纤维化严重度评估方法，其中，步骤2中，对于下叶上基底段气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处或从右心房与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从左心室与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
上述的肺纤维化严重度评估方法，其中，步骤2中，对于右侧肺膈顶下层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线的上部起点为右心房与肺野的夹角处，左侧肺野第二条弧线的上部起点为左心室与肺野的夹角处，左右两侧肺野的第二条弧线的下部终点均为所在层面椎体的后缘与所在肺野的连接处，中间经过所在肺野最大横径的中内三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行。
上述的肺纤维化严重度评估方法，其中，步骤5中，对于血氧饱和度：血氧饱和度≥95％时，记0分；90％＜血氧饱和度＜95％时，记1分；血氧饱和度≤90％时，记2分；对于用力肺活量占预计值的百分比：用力肺活量占预计值的百分比≥75％时，记0分；50％＜用力肺活量占预计值的百分比＜75％时，记1分；用力肺活量占预计值的百分比≤50％时，记2分；对于一氧化碳肺弥散量占预计值的百分比：一氧化碳肺弥散量占预计值的百分比≥55％时，记0分；36％＜一氧化碳肺弥散量占预计值的百分比＜55％时，记1分；一氧化碳肺弥散量占预计值的百分比≤36％时，记2分；无法完成，记3分；对于年龄：年龄≤60岁时，记0分；60岁＜年龄＜65岁时，记1分；年龄≥65岁时，记2分；对于性别：男性记为1分；女性记为0分；对于严重度总分：0分≤严重度总分≤3分时，严重度分级记为A级(轻度)；4分≤严重度总分≤6分时，严重度分级记为B级(中度)；7分≤严重度总分≤10分时，严重度分级记为C级(重度)。
相对于现有技术，本发明具有以下有益效果：
本发明所提供的一种肺纤维化严重度评估方法，自主设计了四个层面蜂窝肺百分划分的方法将高分辨力CT上肺纤维化进行定量，按照蜂窝肺的所占面积分为不同程度的肺纤维化，同时选取重要的生理学参数进行评分，最终得出每个患者纤维化程度和严重度的严重度总分。该评估方法可开发成移动手机端的智能评分系统，只要输入患者的相关评估所需的信息，即可获得病情严重度的评估结果，大大便利医生和患者了解病情，评估预后，指导治疗，具有良好的社会效益和应用前景。
附图说明
图1为本发明中主动脉弓层面划片示意图；
图2为本发明中气管分叉层面划片示意图；
图3为本发明中下叶上基底段气管分叉层面划片示意图；
图4为本发明中右侧肺膈顶下层面划片示意图。
具体实施方式
以下结合附图通过具体实施例对本发明作进一步的描述，这些实施例仅用于说明本发明，并不是对本发明保护范围的限制。
本发明提供了一种肺纤维化严重度评估方法，其包括以下步骤：
步骤1：选择CT肺窗4个代表层面:主动脉弓层面、气管分叉层面、下叶上基底段气管分叉层面和右侧肺膈顶下层面；
步骤2：每个层面有左右两个肺野，全肺共分为8个肺野，将8个肺野总共划分为100个小片；
对于每个代表层面，左右两侧肺野分别通过画两条弧线划分为3个部分：内带，中带及外带；第一条弧线为外带与中带的分界线，第二条弧线为中带与内带的分界线；外带按肺野面积均分为6小片，中带按肺野面积均分为4-5小片，内带按肺野面积均分为2小片。
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本发明的优点和特征将更清楚。
如图1所示，对于主动脉弓层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从主动脉弓的升段部分与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
如图2所示，对于气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从肺动脉段与左肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
如图3所示，对于下叶上基底段气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处或从右心房与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从左心室与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
如图4所示，对于右侧肺膈顶下层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线的上部起点为右心房与肺野的夹角处，左侧肺野第二条弧线的上部起点为左心室与肺野的夹角处，左右两侧肺野的第二条弧线的下部终点均为所在层面椎体的后缘与所在肺野的连接处，中间经过所在肺野最大横径的中内三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行。
步骤3：对于所划分的每一小片，如果所在小片上的蜂窝面积大于该小片面积的二分之一则记为1％，否则记为0；将所有100片的计算百分比相加得到全肺蜂窝状改变占比；
步骤4：根据全肺蜂窝状改变占比进行肺部CT纤维化分期：全肺蜂窝状改变占比为0时，网状条索影，无蜂窝状改变，纤维化分期记为I期；0＜全肺蜂窝状改变占比≤25％时，纤维化分期记为II期；25％＜全肺蜂窝状改变占比≤50％时，纤维化分期记为III期；50％＜全肺蜂窝状改变占比≤75％时，纤维化分期记为IV期；全肺蜂窝状改变占比＞75％时，纤维化分期记为V期；
步骤5：选取生理学参数：血氧饱和度(SaO2％)、用力肺活量占预计值的百分比(FVC，％predicted)、一氧化碳肺弥散量占预计值的百分比(DLco，％predicted)、年龄和性别；根据预设的评分标准分别对所选取的生理学参数的检测结果进行打分并相加得到肺纤维化严重度的严重度总分，进而根据严重度总分进行严重度分级。
对于血氧饱和度：血氧饱和度≥95％时，记0分；90％＜血氧饱和度＜95％时，记1分；血氧饱和度≤90％时，记2分；对于用力肺活量占预计值的百分比：用力肺活量占预计值的百分比≥75％时，记0分；50％＜用力肺活量占预计值的百分比＜75％时，记1分；用力肺活量占预计值的百分比≤50％时，记2分；对于一氧化碳肺弥散量占预计值的百分比：一氧化碳肺弥散量占预计值的百分比≥55％时，记0分；36％＜一氧化碳肺弥散量占预计值的百分比＜55％时，记1分；一氧化碳肺弥散量占预计值的百分比≤36％时，记2分；无法完成，记3分；对于年龄：年龄≤60岁时，记0分；60岁＜年龄＜65岁时，记1分；年龄≥65岁时，记2分；对于性别：男性记为1分；女性记为0分；对于严重度总分：0分≤严重度总分≤3分时，严重度分级记为A级(轻度)；4分≤严重度总分≤6分时，严重度分级记为B级(中度)；7分≤严重度总分≤10分时，严重度分级记为C级(重度)。
以下通过一个实施案例来具体说明上述的肺纤维化严重度评估方法：
姓名：张某某 日期：2012/06/08
纤维化分期
严重度分级
最后该患者评估为：纤维化III期/严重度C级(重度)。
综上所述，本发明所提供的一种肺纤维化严重度评估方法，自主设计了四个层面蜂窝肺百分划分的方法将高分辨力CT上肺纤维化进行定量，按照蜂窝肺的所占面积分为不同程度的肺纤维化，同时选取重要的生理学参数进行评分，最终得出每个患者纤维化程度和严重度的严重度总分。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种肺纤维化严重度评估方法，其特征在于，包括以下步骤：
步骤1：选择CT肺窗4个代表层面:主动脉弓层面、气管分叉层面、下叶上基底段气管分叉层面和右侧肺膈顶下层面；
步骤2：每个层面有左右两个肺野，全肺共分为8个肺野，将8个肺野总共划分为100个小片；
步骤3：对于所划分的每一小片，如果所在小片上的蜂窝面积大于该小片面积的二分之一则记为1％，否则记为0；将所有100片的计算百分比相加得到全肺蜂窝状改变占比；
步骤4：根据全肺蜂窝状改变占比进行肺部CT纤维化分期：全肺蜂窝状改变占比为0时，纤维化分期记为I期；0＜全肺蜂窝状改变占比≤25％时，纤维化分期记为II期；25％＜全肺蜂窝状改变占比≤50％时，纤维化分期记为III期；50％＜全肺蜂窝状改变占比≤75％时，纤维化分期记为IV期；全肺蜂窝状改变占比＞75％时，纤维化分期记为V期；
步骤5：选取生理学参数：血氧饱和度、用力肺活量占预计值的百分比、一氧化碳肺弥散量占预计值的百分比、年龄和性别；根据预设的评分标准分别对所选取的生理学参数的检测结果进行打分并相加得到肺纤维化严重度的严重度总分，进而根据严重度总分进行严重度分级。
2.如权利要求1所述的肺纤维化严重度评估方法，其特征在于，步骤2中，对于每个代表层面，左右两侧肺野分别通过画两条弧线划分为3个部分：内带，中带及外带；第一条弧线为外带与中带的分界线，第二条弧线为中带与内带的分界线；外带按肺野面积均分为6小片，中带按肺野面积均分为4-5小片，内带按肺野面积均分为2小片。
3.如权利要求2所述的肺纤维化严重度评估方法，其特征在于，对于主动脉弓层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从主动脉弓的升段部分与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
4.如权利要求2所述的肺纤维化严重度评估方法，其特征在于，步骤2中，对于气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从肺动脉段与左肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
5.如权利要求2所述的肺纤维化严重度评估方法，其特征在于，步骤2中，对于下叶上基底段气管分叉层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线从上腔静脉与肺野的夹角处或从右心房与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端；左侧肺野第二条弧线从左心室与肺野的夹角处起，与第一条弧形线保持平行直至肺野下端。
6.如权利要求2所述的肺纤维化严重度评估方法，其特征在于，步骤2中，对于右侧肺膈顶下层面，左右两侧肺野的第一条弧线的上部起点在CT图片上胸骨边缘，下部终点为肺野最下端，中间经过肺野最大横径的中外三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行；右侧肺野第二条弧线的上部起点为右心房与肺野的夹角处，左侧肺野第二条弧线的上部起点为左心室与肺野的夹角处，左右两侧肺野的第二条弧线的下部终点均为所在层面椎体的后缘与所在肺野的连接处，中间经过所在肺野最大横径的中内三分之一分界点，其弧线走形与所在肺野的外界边缘走形相平行。
7.如权利要求1所述的肺纤维化严重度评估方法，其特征在于，步骤5中，对于血氧饱和度：血氧饱和度≥95％时，记0分；90％＜血氧饱和度＜95％时，记1分；血氧饱和度≤90％时，记2分；对于用力肺活量占预计值的百分比：用力肺活量占预计值的百分比≥75％时，记0分；50％＜用力肺活量占预计值的百分比＜75％时，记1分；用力肺活量占预计值的百分比≤50％时，记2分；对于一氧化碳肺弥散量占预计值的百分比：一氧化碳肺弥散量占预计值的百分比≥55％时，记0分；36％＜一氧化碳肺弥散量占预计值的百分比＜55％时，记1分；一氧化碳肺弥散量占预计值的百分比≤36％时，记2分；无法完成，记3分；对于年龄：年龄≤60岁时，记0分；60岁＜年龄＜65岁时，记1分；年龄≥65岁时，记2分；对于性别：男性记为1分；女性记为0分；对于严重度总分：0分≤严重度总分≤3分时，严重度分级记为A级；4分≤严重度总分≤6分时，严重度分级记为B级；7分≤严重度总分≤10分时，严重度分级记为C级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910514972.5A CN110211695B (zh) | 2019-06-14 | 2019-06-14 | 一种肺纤维化严重度评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910514972.5A CN110211695B (zh) | 2019-06-14 | 2019-06-14 | 一种肺纤维化严重度评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110211695A true CN110211695A (zh) | 2019-09-06 |
| CN110211695B CN110211695B (zh) | 2021-08-06 |
Family
ID=67792727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910514972.5A Active CN110211695B (zh) | 2019-06-14 | 2019-06-14 | 一种肺纤维化严重度评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110211695B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112132800A (zh) * | 2020-09-18 | 2020-12-25 | 上海市肺科医院 | 基于深度学习的肺纤维化检测与严重度评估方法及系统 |
| CN114972296A (zh) * | 2022-06-14 | 2022-08-30 | 中日友好医院(中日友好临床医学研究所) | 一种基于肺图的高分辨ct图像分析方法、设备及系统 |
| US11948305B2 (en) | 2020-06-11 | 2024-04-02 | GE Precision Healthcare LLC | Method and system for segmenting lung image, and storage medium |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
| CN105232915A (zh) * | 2015-10-20 | 2016-01-13 | 苏凤哲 | 一种用于治疗特发性肺纤维化的中药组合物及其制备方法与用途 |
| CN106319057A (zh) * | 2016-08-31 | 2017-01-11 | 青岛市中心医院 | 早期监测肿瘤放疗导致的放射性肺炎纤维化的方法 |
| CN109171782A (zh) * | 2018-07-23 | 2019-01-11 | 浙江省肿瘤医院 | 放射生物学实验用放射性肺纤维化ct定量检测方法 |
-
2019
- 2019-06-14 CN CN201910514972.5A patent/CN110211695B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
| CN105232915A (zh) * | 2015-10-20 | 2016-01-13 | 苏凤哲 | 一种用于治疗特发性肺纤维化的中药组合物及其制备方法与用途 |
| CN106319057A (zh) * | 2016-08-31 | 2017-01-11 | 青岛市中心医院 | 早期监测肿瘤放疗导致的放射性肺炎纤维化的方法 |
| CN109171782A (zh) * | 2018-07-23 | 2019-01-11 | 浙江省肿瘤医院 | 放射生物学实验用放射性肺纤维化ct定量检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| DAVID A.LYNCH 等: ""High-Resolution Computed Tomography in Idiopathic Pulmonary Fibrosis Diagnosis and Prognosis"", 《AMERICAN JOURNAL OF RESPIRATORY AND CRITICAL CARE MEDICINE》 * |
| HASTI ROBBIE ETAL: ""Evaluating disease severity in idiopathic pulmonary fibrosis"", 《JOURNAL ARTICLE》 * |
| 陆慰萱主编: "《呼吸系疾病诊断与诊断评析》", 30 September 2004, 上海科学技术出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11948305B2 (en) | 2020-06-11 | 2024-04-02 | GE Precision Healthcare LLC | Method and system for segmenting lung image, and storage medium |
| CN112132800A (zh) * | 2020-09-18 | 2020-12-25 | 上海市肺科医院 | 基于深度学习的肺纤维化检测与严重度评估方法及系统 |
| CN114972296A (zh) * | 2022-06-14 | 2022-08-30 | 中日友好医院(中日友好临床医学研究所) | 一种基于肺图的高分辨ct图像分析方法、设备及系统 |
| CN114972296B (zh) * | 2022-06-14 | 2023-02-07 | 中日友好医院(中日友好临床医学研究所) | 一种基于肺图的高分辨ct图像分析方法、设备及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110211695B (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tan et al. | Canadian prediction equations of spirometric lung function for Caucasian adults 20 to 90 years of age: results from the Canadian Obstructive Lung Disease (COLD) study and the Lung Health Canadian Environment (LHCE) study | |
| CN110211695A (zh) | 一种肺纤维化严重度评估方法 | |
| Jalan et al. | Development and validation of a prognostic score to predict mortality in patients with acute-on-chronic liver failure | |
| Martınez et al. | Hepatopulmonary syndrome in candidates for liver transplantation | |
| CN110246577B (zh) | 一种基于人工智能辅助妊娠期糖尿病遗传风险预测的方法 | |
| Washko et al. | Quantitative pulmonary imaging using computed tomography and magnetic resonance imaging | |
| CN111261300A (zh) | 肺功能参数正常预计值的获取方法 | |
| CN102930163A (zh) | 一种2型糖尿病风险状态判定方法 | |
| CN110289061A (zh) | 一种创伤失血性休克伤情的时间序列预测方法 | |
| Crestanello et al. | The association of chronic lung disease with early mortality and respiratory adverse events after aortic valve replacement | |
| Chandra et al. | The association between lung hyperinflation and coronary artery disease in smokers | |
| Howard et al. | Comparative discrimination of Life’s Simple 7 and Life’s Essential 8 to stratify cardiovascular risk: is the added complexity worth it? | |
| Luo et al. | Early postoperative organ dysfunction is highly associated with the mortality risk of patients with type A aortic dissection | |
| CN110246126A (zh) | 一种从肺部ct图像中提取末端支气管树的方法 | |
| CN117174294A (zh) | 一种构建慢阻肺评估模型方法及系统 | |
| CN107334458A (zh) | 一种用于亚裔人群的肺癌检测方法及系统 | |
| CN114496210A (zh) | St段抬高型心肌梗死预后评分系统 | |
| CN117079810A (zh) | 一种心血管疾病非计划再住院风险预测方法 | |
| De | Body mass index among patient with chronic obstructive pulmonary diseases | |
| Reis et al. | Association of oscillatory ventilation during cardiopulmonary test to clinical and functional variables of chronic heart failure patients | |
| CN115579128B (zh) | 一种多模型特征增强疾病筛查系统 | |
| Koh et al. | Differential risk reclassification improvement by exercise testing and myocardial perfusion imaging in patients with suspected and known coronary artery disease | |
| Zhao et al. | Study on the effect of hypertensive treatment based on drug factor analysis model under the background of big data | |
| CN110739072A (zh) | 出血事件发生评估方法和系统 | |
| Conhaim et al. | Perfusion heterogeneity in rat lungs assessed from the distribution of 4-μm-diameter latex particles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |