Analysis of Chest Computed Tomography Manifestations of Coronavirus Disease 2019 in Different Age Groups
-
摘要: 目的：分析不同年龄人群新型冠状病毒感染（COVID-19）胸部CT影像特征，提高对不同年龄人群COVID-19影像表现的认识。方法：回顾性分析476例COVID-19的胸部CT资料，男275例，女201例，按照不同年龄段分为A组（0～45岁）33人、B组（45～60岁）72人、C组（60～75岁）203人、D组（75岁以上）168人，共4组，比较4组病例胸部CT病灶累及肺叶侧别、数目、密度和病灶分布等CT基本征象及基于深度学习的病灶体积、体积占比和密度等的差异。结果：476例COVID-19患者均有流行病学史，性别在各组间差异无统计学意义。4组病例双肺下叶病灶最为多见，A组病灶多位于单侧肺，C组和D组病灶以双肺分布多见。各组病灶体积、体积占比随年龄增大呈递增趋势，且分布均以双肺下叶为主，其中A、C和D组均以右肺下叶最为常见且体积及体积占比最大，B组以左肺下叶病灶体积及占比较大；与A组比较，C组各项指标增大，差异均有统计学意义，且右肺下叶病灶体积与B组比较差异有统计学意义；D组左肺上叶病灶体积与A组比较明显增大，占比较A组和B组明显增大，余D组全肺及右肺上叶、中叶、下叶及左肺下叶病灶体积及体积占比较A、B和C组均明显增大，且差异有统计学意义。病灶均以磨玻璃密度影及实变为主，A组以纯磨玻璃密度最多见，混合磨玻璃密度次之，实变密度少见；D组病灶以实变密度较多见，大多呈混合磨玻璃密度；B和C组纯磨玻璃、混合磨玻璃、实变密度病灶出现情况介于A组和D组之间；各组病灶密度均以磨玻璃密度为主，CT值区间以 -570 ～-470 HU及 -470 ～ -370 HU为主，D组各CT值区间病灶体积均较A、B和C组高，体积占比均较A组高且差异有统计学意义。结论：本组研究COVID-19患者均有流行病学史，熟悉不同年龄人群胸部CT特征可使临床诊疗工作更具针对性，可为COVID-19病情监测以及个体化防治措施提供参考。Abstract: Objective: This study aimed to analyze the chest computed tomography (CT) imaging features of coronavirus disease 2019 (COVID-19) in people of different ages and improve the understanding of the imaging manifestations of COVID-19. Methods: Chest CT data of 476 cases with COVID-19 were retrospectively analyzed, including 275 males and 201 females. The patients were divided into four groups according to different age groups: groups A (0~45 years old) 33, B (45~60 years old) 72, C (60~75 years old) 203, and D (over 75 years old) 168. A comparison was made between the four groups of patients with chest CT lesions involving lobe side, number and density, distribution, and other basic CT signs, as well as differences in lesion volume, volume proportion, and density based on deep learning. Results: All the 476 patients with COVID-19 had an epidemiological history, and there was no statistically significant difference in sex between the groups. The lesions in the lower lobes of both lungs were the most common in the four groups. The lesions in group A were mostly located in the unilateral lung, while those in groups C and D were mostly distributed in both lungs. The volume and proportion of lesions increased with age in each group, and the distribution was mainly in the lower lobe of both lungs. In groups A, C, and D, the right lower lobe was the most common and had the largest volume and proportion, while in group B, the left lower lobe had the largest volume and proportion. Compared with group A, all indexes of group C increased, and the difference was statistically significant; the lesion volume of the right inferior lobe of the lung was statistically significant compared with group B. The volume of lesions in the left upper lobe of the lung in group D was significantly increased compared with that in groups A and B, and the volume and proportion of lesions in the whole lung, upper, middle, and lower lobes of the right lung, and the lower lobe of the left lung in group D were significantly increased compared with that in groups A, B and C, and the difference was statistically significant. In group A, the density of pure ground glass was the most common, followed by the density of mixed ground glass, and the density of solid change was rare. The solid density of lesions in group D was more common, most of which showed mixed ground glass density. The incidence of pure ground glass, mixed ground glass, and solid density lesions was higher in groups B and C than that in groups A and D. The lesion density in each group was mainly ground glass density, and the CT value ranged from −570 to −470 HU and −470 to −370 HU. The lesion volume in each CT value range of group D was higher than that in groups A, B, and C, and the volume proportion was higher than that in group A, and the difference was statistically significant. Conclusion: All patients with COVID-19 in this group have an epidemiological history. Being familiar with chest CT features of people of different ages can make clinical diagnosis and treatment more targeted and provide a reference for COVID-19 disease monitoring and individualized prevention and treatment measures.
-
Keywords:
- tomography /
- X -ray computed /
- coronavirus disease 2019
-
在胸部CT临床检查过程中，借助定位像辅助定位是保障扫描精准性的重要环节。然而，在这一过程中，受检者携带体外异物的状况时有发生。当CT操作人员协助受检者移除异物之后，后续操作方案有两种选择：一是让受检者保持当前体位不变，使用带有异物的定位像行正式扫描程序；另一种方案则是重新扫描定位像。但这两种方案都会不可避免地导致辐射剂量有一定程度的增加。具体而言，若采用原定位像进行正式扫描，剂量的增加可能源于含异物定位像对自动管电流调制（automatic tube-current modulation，ATCM）技术产生的影响[1-2]，使得扫描过程中管电流无法依据实际人体组织情况进行精准自动调节；若选择重新扫描定位像，那么剂量的增加则主要是由重复扫描定位像造成的。尽管相较于整个胸部CT扫描的辐射剂量而言，定位像异物所引发的剂量增量相对有限，但在临床实践中，当CT操作人员需要对两种方案做出选择时，仍缺乏足够的客观数据作为有力支撑。
鉴于此，本研究采集历史数据，回顾性分析自动管电流调制技术作用于有异物人群和无异物人群所产生的剂量增量，并与定位像序列的辐射剂量进行比较，进而探究定位像重扫的必要性。
1. 资料与方法
1.1 资料收集
本研究已获得首都医科大学附属北京友谊医院生命伦理委员会的批准（编号2023-P2-219）。作为一项回顾性研究，所使用的数据均为经过脱敏处理的数据，依据相关规定可免除进一步的伦理审查。
本研究收集2022年1月1日至2023年12月31日，年龄在18至80岁之间的受检者，并在同一设备使用相同协议行胸部CT平扫检查的所有DICOM图像数据。
使用python 3.8.10编写专门程序提取DICOM头文件信息，其中受检者的扫描信息包括性别、检查年龄、图像层数、扫描床高度，以及每层图像中的人体横截面积。同时，收集的辐射剂量信息包含定位像序列和扫描序列各自的容积CT剂量指数（volume CT dose index，CTDIvol）以及剂量长度乘积（dose-length product，DLP）。
以定位像中是否含有明显体外异物为标准将数据分为处理组和对照组。其中体外异物包括文胸、衣物纽扣、拉链、项链坠饰、手机钥匙、铅防护等物品。将心脏起搏器等体内异物、定位像不全、体位异常以及胸腹连扫等情况排除在研究范围之外。此外，若出现定位像计数或扫描次数大于1的特殊情况，表明该次检查可能存在异常，也被排除在研究范围之外。
1.2 扫描方法
本研究所用数据均采用飞利浦设备Brilliance iCT 256行胸部扫描所得。定位像序列参数120 kV、50 mA；扫描序列参数120 kV，DoseRight Index 15，平均毫安秒72 mAs、Collimation Auto、螺距0.925、扫描范围包括肋膈角和肺尖。
1.3 评分匹配
本研究使用SPSS 26.0软件实施倾向性评分匹配法（propensity score matching，PSM）对研究数据进行配平。具体采用最近邻居匹配法，按照1∶1的匹配比例、卡钳值设置为倾向性评分标准偏差的1/4[3-4]，本研究中计算为0.01。鉴于两组数据差异较小且对照组数据充足，本研究选择尝试精度更高的卡钳值0.002。基于以上参数对非剂量相关协变量进行评分匹配，从而使处理组与对照组达到类随机分组的效果，最大程度减少选择偏倚。
本次研究中，纳入匹配的协变量包括性别、检查年龄、图像层数、扫描床高度、以及受检者平均横截面积。
1.4 统计学分析
在匹配前与匹配后，分别运用统计学方法对两组数据的均衡性进行验证。预实验发现，两组数据于匹配前后的各变量均不服从正态分布，所以，本研究运用两样本秩和检验判断两组数据是否符合均衡性要求。成功匹配并获得均衡样本后，选用秩和检验进行统计分析，以判断剂量指标CTDIvol和DLP在两组间是否存在显著统计学差异。最后，根据评分匹配的结果，将数据转换为配对数据形式。
分别计算CTDIvol和DLP指标在两组间的差值，此差值即为剂量增量。随后，分别对剂量增量和定位像序列的剂量指标进行单样本秩和检验，比较两者大小关系，进而判断定位像重扫的必要性。
2. 结果
2.1 倾向性评分匹配结果
本研究所采集的原始数据共计
27667 例，排除定位像不完整、体位异常以及体内异物的病例，最终获得17342 例合格数据。其中女性病例10064 人次（58.0%），男性病例7278 人次（42.0%）。对合格数据进行倾向性评分，成功匹配3944 对数据，这两组数据集的处理流程及基础资料如图1所示。匹配后，处理组（含异物）与对照组（无异物）共
7888 例数据，女性7088 人次，占比89.9%；男性800人次，占比10.1%；检查年龄在18~80岁之间。2.2 匹配前各协变量特征比较
在
17342 例合格数据中，定位像包含异物的处理组病例共4740 例，占比27.3%。与12602 例的对照组数据相比，两组数据在性别、检查年龄、图像层数、扫描床高度以及人体平均横截面积多个方面均存在统计学差异（P < 0.01），标准化均数差异绝对值在10.9%~166.0%之间，均大于10%（表1）。表 1 两组数据匹配前各协变量特征比较Table 1. Comparison of covariates’ characteristics between two groups before matching指标 处理组（ 4740 例）
M（P25，P75）对照组（ 12602 例）
M（P25，P75）标准化均值差异
绝对值（%）统计检验 Z P 女性/（例（%）） 4340 （91.6）5724 （45.4）166.0 −54.87 < 0.01 检查年龄/岁 49（38，59） 55（41，65） 33.8 −19.29 < 0.01 图像层数 64（60，66） 66（60，68） 17.3 −21.23 < 0.01 扫描床高度/mm 136.1（127.5，145.5） 137.5（128.7，146.6） 10.9 −6.14 < 0.01 平均横截面积/cm2 1206.7 （1097.6 ，1325.1 ）1257.1 （1141.2 ，1375.0 ）27.2 −15.85 < 0.01 2.3 匹配后各协变量特征比较
以处理组为参照实施匹配操作，成功匹配
3944 对数据。各指标在匹配后达成均衡条件，所有协变量的标准化均值差异（standardized mean difference，SMD）绝对值均小于10%（表2和图2）。并且两组数据在性别、检查年龄、图像层数、扫描床高度、以及平均横截面积多个方面均不存在统计学差异（P > 0.05）。表 2 两组数据匹配后各协变量特征比较Table 2. Comparison of covariates’ characteristics between two groups after matching指标 处理组（ 3944 例）
M（P25，P75）对照组（ 3944 例）
M（P25，P75）标准化均值差异
绝对值（%）统计检验 Z P 女性/例（%） 3544 （89.9）3544 （89.9）0.0 0.00 1.00 检查年龄/岁 52（40，61） 52（40，61） 1.9 −0.36 0.72 图像层数 64（60，66） 64（60，66） 0.1 −0.85 0.40 扫描床高度/mm 136.6（127.8，145.6） 136.7（127.9，145.5） 1.0 −0.06 0.95 平均横截面积/cm2 1218.7 （1109.2 ，1333.3 ）1215.5 （1095.4 ，1332.9 ）0.9 −1.55 0.12 ![]()
图 2 标准化均值差异绝对值匹配前后均衡性检验注：匹配之前，标准化均值差异绝对值均大于10%，表明两组数据在协变量上不均衡，可能存在混杂偏倚；匹配之后，均小于10%表明两组数据在协变量上分布均衡，可以看作类随机分配。Figure 2. Equilibrium test of standardized mean difference absolute values before and after matching2.4 剂量指标比较
匹配前，处理组和对照组分别有合格数据
4740 例和12602 例。经S-W检验发现，两组数据均不符合正态分布特征，故采用两样本Mann-Whitney U检验方法对数据进行差异性检验。结果显示，其扫描序列的CTDIvol和DLP均有统计学差异（P < 0.01，表3），处理组中位数剂量低于对照组。表 3 两组数据匹配前后剂量指标的统计对比分析Table 3. Statistical comparative analysis of radiation dose metrics between two groups before and after matching指标 处理组
M（P25，P75）对照组
M（P25，P75）统计检验 Z P 匹配前 CTDIvol/mGy 5.1（4.4，6.0） 5.9（5.0，6.8） −31.11 < 0.01 DLP/mGy·cm 216.4（186.8，252.8） 253.4（214.3，295.5） −35.07 < 0.01 匹配后 CTDIvol/mGy 5.2（4.5，6.1） 5.2（4.5，6.0） −2.33 0.02 DLP/（mGy·cm） 218.4（191.1，254.7） 218.1（190.1，252.4） −2.29 0.02 匹配后，处理组和对照组均有
3944 例数据。S-W检验和直方图表明两组数据均不符合正态分布特征，因此采用两样本Mann-Whitney U检验。结果显示， 两组扫描序列的CTDIvol和DLP有统计学差异（P < 0.05，表3）。处理组中位数剂量略高于对照组。2.5 剂量增量比较
扫描序列的CTDIvol和DLP分别在处理组与对照组之间作差值计算。经正态性检验，剂量差值均不满足正态分布特征。鉴于此，本研究选用单样本秩和检验方法对数据进行分析，结果显示如表4所示，CTDIvol和DLP两个指标的剂量增量与定位像剂量均无统计学差异（P > 0.05）。
表 4 受检者受异物影响的剂量增量与定位像剂量比较Table 4. Comparison of dose increments in patients affected by foreign bodies with scout-image doses指标 剂量增量M（P25，P75） 定位像剂量（定量值） 统计检验 Z P CTDIvol/mGy 0.10（−0.90，1.00） 0.09 −0.76 0.45 DLP/（mGy·cm） 2.80（−37.78，42.10） 3.50 −1.19 0.23 3. 讨论
影响辐射剂量的因素众多，其中设备管电流和管电压等扫描参数起着关键作用。为降低辐射剂量同时满足诊断需求，已有多项研究验证了参数优化策略的可行性[5-9]。在众多优化策略中，自动管电流调制技术尤为突出，该技术通过对定位像的X射线衰减信息进行深入分析，能够动态调节管电流。在确保图像质量不受影响的基础上，有效降低了辐射剂量，并已在全身多部位的CT扫描中得到了广泛应用[10-13]。然而，自动管电流调制技术并非完美，当定位像中存在异物时，这一技术会导致出现额外的微小辐射剂量增量。在实际医疗场景中，一旦定位像发现体外异物，通常面临两种选择：一是使用包含异物的定位像继续后续扫描；二是重新进行一次定位像序列扫描。是否重扫定位像应基于额外剂量增量与重新扫描定位像所产生的剂量之间的大小关系来判断。
本研究发现，这两种选择在剂量方面的差异并无统计学意义。这种因体外异物导致的剂量增量非常微小，其中CTDIvol增量为0.10 mGy（IQR：−0.90 mGy，1.00 mGy），DLP增量为2.80 mGy·cm（IQR：−37.78 mGy·cm，42.10 mGy·cm）；而定位像CTDIvol和DLP为定量值，分别为0.09 mGy和3.50 mGy·cm。相对于扫描序列的中位数CTDIvol（5.2 mGy）和DLP（218.1 mGy·cm），均不足2%，可以忽略不计。这表明，在定位像中发现异物时，无论选择哪种方案，对于本次CT检查，其剂量上的增量相差无几。
需要指出的是，鉴于两组间的DLP差值呈偏态分布，四分位距跨度从−37.78~42.10 mGy·cm，不能排除在少数情况下，剂量增量远超3.5 mGy·cm的可能性。因此，在实际操作中，需要综合多方面条件来判断选择哪种方案更为合适。如果体外异物的密度较高或面积较大，可能引发较高的剂量增量，这种情况下重新扫描定位像更为可取。其不仅可以避免剂量增加还可以避免线束硬化伪影影响临床诊断；如果受检者体位能够保持不变，选择继续扫描可以提高检查效率；而若受检者体位发生变化，为了避免因体位变化带来的图像质量问题和剂量不准确等情况，重新扫描定位像无疑是更稳妥的选择。需要强调的事，避免异物影响最有效的方法依然是检查前准备阶段尽量去除异物。
总之，在进行CT扫描之前，仔细检查并去除受检者体外异物是极为重要且必不可少的步骤。这不仅有助于提高图像质量，还能有效减少辐射剂量。此外，通过对匹配前与匹配后的两个数据集观察发现，女性人群在处理组占比均保持在90%左右，说明女性受检者是主要的受影响群体，CT检查之前的准备阶段或可给予更充分的时间和空间用于去除体外异物。
本研究采用PSM方法，对接受胸部CT平扫检查的受检者按照有无异物进行匹配分析。经过严谨的匹配过程，最终成功匹配了
3944 对样本。匹配前，处理组（有异物组）与对照组（无异物组）在多个关键指标上呈现出显著的统计学差异。分别在性别、检查年龄、图像层数、扫描床高度以及人体横截面积5个方面，差异均具有统计学意义，并且这些差异通过标准化均值差异来衡量时，其数值较大，多项指标远超10%。这一结果表明，在匹配前，两组数据之间存在巨大的差异。匹配后，各协变量在处理组和对照组之间不再存在统计学差异，标准化均值差异均小于10%。这意味着两组数据在各个协变量上达到了均衡状态，可以认为此时处理组和对照组的特征分布极为相似，呈现出类似随机分组的效果。在此均衡条件下，两组之间仅在剂量方面存在差异。进一步的统计结果显示，CT检查中，体外异物的存在确实会导致辐射剂量的增加。尽管这种增加幅度非常微小，在常规情况下甚至可以忽略不计，但这并不代表可以忽视体外异物。实际上，对于庞大的受检群体而言，这些微小的剂量增加累积起来仍会达到一个相对较高的量级。因此，对于辐射剂量管理工作，CT检查之前的准备阶段应当认真对待，尽量避免体外异物的出现。
本次研究存在一定的局限性。在体外异物的分类方面尚不够细致，未依据异物的大小、材质或者CT值等因素对异物类别进行详细划分。这主要是由于现实情况中异物种类繁多，其形状、大小各异，要建立一个合理且全面的划分等级体系面临着诸多困难。鉴于此，本研究在处理组和对照组的区分上，采用了体外异物存在与否这一相对简便的标准。倘若能够针对特定高密度的异物进行单独分析，可能会得出与现有结论不同的结果。然而，本次研究所获取的样本量有限，无法为深入探究这一设想提供足够的数据支持。此外，本研究基于控制变量的原因，选用了单一设备型号（飞利浦设备Brilliance iCT 256）和固定扫描参数（如120 kV），结果的普适性存在受影响可能。
综上所述，体外异物确实会使辐射剂量出现一定程度的增加，不过这种增加幅度相对微小。经统计分析发现，该增量与额外扫描一次定位像所产生的剂量之间不存在统计学差异。基于此，在实际的医疗操作过程中，当定位像中发现体外异物时，操作人员可根据具体的临床情况灵活决定是否需要重新扫描定位像。
-
![]()
图 1 各组全肺及各肺叶病灶体积占比比较
Figure 1. Comparison of the proportion of the volume of the whole lung and each lung lobe in each group
![]()
图 2 各组不同CT值病灶密度占比比较
Figure 2. Comparison of focal density ratio with different CT values in each group
![]()
图 3 男，34岁，奥密克戎变异株BF.7感染患者
Figure 3. Male, 34 years old, Patients with Omicron variant BF.7 were infected
![]()
图 4 男，53岁,奥密克戎变异株BF.7感染患者
Figure 4. Male, 53 years old, Patients with Omicron variant BF.7 were infected
![]()
图 5 男，52岁，奥密克戎变异株BF.7感染患者
Figure 5. Male, 52 years old, Patients with Omicron variant BF.7 were infected
![]()
图 6 女，67岁，奥密克戎变异株BF.7感染患者
Figure 6. Female, 56 years old, Patients with Omicron variant BF.7 were infected
![]()
图 7 女，66岁，奥密克戎变异株BF.7感染患者
Figure 7. Female, 66 years old，Patients with Omicron variant BF.7 were infected
![]()
图 8 男，86岁，奥密克戎变异株BF.7感染患者
Figure 8. Male, 86 years old，Patients with Omicron variant BF.7 were infected
表 1 各年龄段全肺及各肺叶感染体积、体积占比比较
Table 1 Comparison of the infected volume and the proportion of infected volume in the whole lung and each lung lobe at different ages
指标 年龄段 统计检验 ＜45岁
（n=33）45～60岁
（n=72）60～75岁
（n=203）≥75岁
（n=168）H P 全肺病灶体积占比/％ 0.63 1.24 2.14a 6.21abc 50.675 ＜0.001 全肺病灶体积 24.74 49.58 71.40a 189.09abc 49.238 ＜0.001 右肺上叶病灶体积占比/％ 0.00 0.10 0.53a 1.79abc 33.428 ＜0.001 右肺上叶病灶体积 0.00 0.89 4.90a 14.73abc 35.840 ＜0.001 右肺中叶病灶体积占比/％ 0.00 0.29 0.58a 1.97abc 27.296 ＜0.001 右肺中叶病灶体积 0.00 1.28 1.925a 5.90abc 25.960 ＜0.001 右肺下叶病灶体积占比/％ 0.42 1.15 3.15a 9.16abc 57.565 ＜0.001 右肺下叶病灶体积 4.02 8.16 26.39ab 67.02abc 58.197 ＜0.001 左肺上叶病灶体积占比/％ 0.00 0.23 0.23a 0.86ac 21.036 ＜0.001 左肺上叶病灶体积 0.00 2.20 2.26a 7.33a 20.602 ＜0.001 左肺下叶病灶体积占比/％ 0.21 1.58 2.25a 7.13abc 31.768 ＜0.001 左肺下叶病灶体积 1.38 11.89 15.51a 45.76abc 27.555 ＜0.001 注：a与＜45岁组比较P＜0.05；b与45～60岁组比较P＜0.05；c与60～75岁组比较P＜0.05。 
下载: 导出CSV
表 2 各组病灶密度及各密度病灶占比比较
Table 2 Comparison of lesion density and cases in each group
指标 组别 统计检验 A（＜45岁） B（45～60岁） C（60～75岁） D（≥75岁） H P （-570～-470）体积 2.62 6.09 9.37a 27.46abc 49.529 ＜0.001 （-570～-470）体积占比/％ 13.22 13.44 14.04a 13.77a 2.211 ＜0.001 （-470～-370）体积 1.97 5.08 8.97a 21.38abc 50.983 ＜0.001 （-470～-370）体积占比/％ 8.64 11.23 a 10.97a 11.57a 9.192 0.027 （-370～-270）体积 1.46 4.46 a 6.74 16.22abc 50.336 ＜0.001 （-370～-270）体积占比/％ 6.39 8.73 a 8.76a 8.88a 14.231 0.003 （-270～-170）体积 0.83 3.65 a 4.84a 11.60abc 48.063 ＜0.001 （-270～-170）体积占比/％ 4.40 6.87 a 6.53a 6.50a 13.823 0.003 （-170～-70）体积 0.53 2.45 a 3.77a 8.13 abc 44.968 ＜0.001 （-170～-70）体积占比/％ 3.28 5.32 5.22 4.91a 8.044 0.045 （-70～30）体积 0.25 1.37 2.68a 6.58abc 43.384 ＜0.001 （-70～30）体积占比/％ 2.15 2.86 3.52a 3.40a 10.103 0.018 （30～70）体积 0.02 0.31 a 0.47a 1.39abc 41.819 ＜0.001 （30～70）体积占比/％ 0.19 0.55 a 0.67a 0.74a 12.169 0.007 其他 12.34 17.99 31.49 88.00abc 46.874 ＜0.001 其他占比/％ 56.94 41.72 a 47.58a 47.11a 16.631 0.001 注：a与＜45岁组比较P＜0.05；b与45～60岁组比较P＜0.05；c与60～75岁组比较P＜0.05。
下载: 导出CSV
-
[1] 中华医学会放射学分会. 新型冠状病毒肺炎的放射学诊断: 中华医学会放射学分会专家推荐意见(第一版)[J]. 中华放射学杂志, 2020,54(4): 279−285. DOI: 10.3760/cma.j.cn112149-20200205-00094. Chinese Society of Radiology. Radiological diagnosis of new coronavirus infected pneumonitis: Expert recommendation from the Chinese Society of Radiology (First edition)[J]. Chinese Journal of Radiology, 2020, 54(4): 279−285. DOI: 10.3760/cma.j.cn112149-20200205-00094. (in Chinese).
[2] CHUNG M, BERNHEIM A, MEI X Y, et al. CT imaging features of 2019 novel coronavirus (2019-nCoV)[J]. Radiology, 2020, 295(1): 202−207. DOI: 10.1148/radiol.2020200230.
[3] AI T, YANG Z L, ZHAN H Y, et al. Correlation of chest CT and RT-PCR testing in coronavirus disease 2019 (COVID-19) in China: A report of 1014 cases[J]. Radiology, 2020, 296(2): E32−E40. DOI: 10.1148/radiol.2020200642.
[4] LI Q, GUAN X, WU P, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus infected pneumonia[J]. The New England Journal of Medicine, 2020, 382(13): 1199−1207. DOI: 10.1056/NEJMoa2001316.
[5] MUNSTER V J, KOOPMANS M, VAN D N, et al. A novel coronavirus emerging in china-key questions for impact assessment[J]. The New England Journal of Medicine, 2020, 382(8): 692−694. DOI: 10.1056/NEJMp2000929.
[6] 中华人民共和国国家卫生健康委员会. 新型冠状病毒感染诊疗方案(试行第十版)[EB/OL]. (2023-01-06) [2023-01-20]. http://www.nhc.gov.cn/ylyjs/pqt/202301/32de5b2ff9bf4eaa88e75bdf7223a65a.shtml. [7] CHEN D D, JIANG X Q, HONG Y, et al. Can chest CT features distinguish patients with negative from those with positive initial RT-PCR results for coronavirus disease (COVID-19)?[J]. American Journal of Roentgenology, 2021, 216(1): 66−70. DOI: 10.2214/AJR.20.23012.
[8] 靳英辉, 蔡林, 程真顺, 等. 新型冠状病毒(2019-nCoV)感染的肺炎诊疗快速建议指南(标准版)[J]. 解放军医学杂志, 2020,45(1): 1−20. DOI: 10.11855/j.issn.0577-7402.2020.01.01. JIN Y H, CAI L, CHENG Z S, et al. A rapid advice guideline for the diagnosis and treatment of 2019 novel coronavirus (2019-nCoV) infected pneumonia (Standard version)[J]. Medical Journal of Chinese People's Liberation Army, 2020, 45(1): 1−20. DOI: 10.11855/j.issn.0577-7402.2020.01.01. (in Chinese).
[9] 赵建华, 张晓琴, 柴军, 等. 无症状感染转确诊新型冠状病毒肺炎胸部CT分析[J]. 生物医学工程与临床, 2020,24(6): 672−677. DOI: 10.13339/j.cnki.sglc.20201023.021. ZHAO J H, ZHANG X Q, CHAI J, et al. Analysis of COVID-19 chest CT in asymptomatic infection transferred to diagnosis patients[J]. Biomedical Engineering and Clinical Medicine, 2020, 24(6): 672−677. DOI: 10.13339/j.cnki.sglc.20201023.021. (in Chinese).
[10] 吴杰, 肖安岭, 顾金凤. 多层螺旋CT对新型冠状病毒肺炎的临床诊断价值[J]. 实用放射学杂志, 2021,37(5): 746−748. doi: 10.3969/j.issn.1002-1671.2021.05.013 WU J, XIA0 A L, GU J F. Clinical value of MSCT in the diagnosis of COVID-19[J]. Journal of Practical Radiology, 2021, 37(5): 746−748. (in Chinese). doi: 10.3969/j.issn.1002-1671.2021.05.013
[11] 余成成, 杨彦鸿, 胡天丽, 等. 新型冠状病毒B.1.617.2变异株感染者高分辨率CT与临床特点[J]. 中华放射学杂志, 2021,55(10): 1054−1058. DOI: 10.3760/cma.j.cn112149-20210618-00574. YU C C, YANG Y H, HU T L, et al. High resolution CT findings and clinical features of the novel corona-virus B.1.617.2 variant[J]. Journal of Practical Radiology, 2021, 55(10): 1054−1058. DOI: 10.3760/cma.j.cn112149-20210618-00574. (in Chinese).
[12] 李声鸿, 曾献军, 鄢海蓝, 等. 新型冠状病毒肺炎薄层CT评价[J]. 实用放射学杂志, 2021,37(7): 1074−1076, 1130. DOI: 10.3969/j.issn.1002-1671.2021.07.007. LI S H, ZENG X J, YAN H L, et al. Evaluation of COVID-19 with thin-sclice CT[J]. Journal of Practical Radiology, 2021, 37(7): 1074−1076, 1130. DOI: 10.3969/j.issn.1002-1671.2021.07.007. (in Chinese).
[13] LIGUORO I, PILOTTO C, BONANNI M, et al. SARS-CoV-2 infection in children and newborns: A systematic review[J]. European Journal of Pediatrics, 2020, 179(7): 1029−1046. DOI: 10.1007/s00431-020-03684-7.
[14] 耿梦杰, 任翔, 余建兴, 等. 不同年龄组新型冠状病毒肺炎患者临床特征分析[J]. 疾病监测, 2021,36(6): 573−580. DOI: 10.3784/jbjc.202101220035. GENG M J, REN X, YU J X, et al. Clinical characteristics of coronavirus disease 2019 cases in different age groups[J]. Disease Surveillance, 2021, 36(6): 573−580. DOI: 10.3784/jbjc.202101220035. (in Chinese).
[15] HENRY B M, LIPPI G, PLEBANI M. Laboratory abnormalities in children with novel coronavirus disease 2019[J]. Clinical Chemistry and Laboratory Medicine, 2020, 58(7): 1135−1138. DOI: 10.1515/cclm-2020-0272.
[16] 孙莹, 李玲, 刘晓燕, 等. 早期新型冠状病毒肺炎的胸部薄层平扫CT表现特征[J]. CT理论与应用研究, 2023,32(1): 131−138. DOI: 10.15953/j.ctta.2023.006. SUN Y, LI L, LIU X Y, et al. Imaging features of early COVID-19 on chest thin-slice non-enhanced CT[J]. CT Theory and Applications, 2023, 32(1): 131−138. DOI: 10.15953/j.ctta.2023.006. (in Chinese).
[17] 吴宝亮, 李婷, 侯勤明, 等. 不同年龄组新型冠状病毒肺炎患者首次胸部CT表现[J]. 医学影像学杂志, 2020,30(11): 2034−2037. WU B L, LI T, HOU Q M, et al. Chest CT manifestation of patients with corona virus disease 2019 in different age groups[J]. Journal of Medical Imaging, 2020, 30(11): 2034−2037. (in Chinese).
[18] 李勃, 孙钢. 基础医学视角的新型冠状病毒肺炎CT表现及鉴别诊断[J]. 中国医学影像学杂志, 2020,28(10): 738−740. DOI: 10.3969/j.issn.1005-5185.2020.10.005. LI B, SUN G. CT findings and differential diagnosis of novel coronavirus pneumonia from the perspective of basic medicine[J]. Chinese Journal of Medical Imaging, 2020, 28(10): 738−740. DOI: 10.3969/j.issn.1005-5185.2020.10.005. (in Chinese).
[19] 田斌, 余晖, 任基刚, 等. 基于机器学习的多种分类模型在新型冠状病毒肺炎与社区获得性肺炎鉴别诊断中的效能[J]. 放射学实践, 2021,36(5): 590−595. DOI: 10.13609/j.cnki.1000-0313.2021.05.004. TIAN B, YU H, REN J G, et al. Effectiveness of multiple classification models based on machine learning in the differential diagnosis of COVID-19 and community-acquired pneumonia[J]. Radiologic Practice, 2021, 36(5): 590−595. DOI: 10.13609/j.cnki.1000-0313.2021.05.004. (in Chinese).
[20] 侯阳, 郭启勇. 从SARS、MERS到COVID-19: 以史为鉴−浅谈影像学在冠状病毒肺炎中的应用价值[J]. 中国临床医学影像杂志, 2020,31(2): 77−82. DOI: 10.12117/jccmi.2020.02.001. HOU Y, GUO Q Y. From SARS, MERS to COVID-19: Learning from history: A brief introduction to imaging of coronavirus pneumonia[J]. Journal of China Clinic Medical Imaging, 2020, 31(2): 77−82. DOI: 10.12117/jccmi.2020.02.001. (in Chinese).
[21] CORMAN V M, LANDT O, KAISER M, et al. Detection of 2019 novel coronavirus (2019-nCoV) by real-time RT-PCR[J]. Eurosurveillance, 2020, 25(3): 2000045. DOI: 10.2807/1560-7917.ES.2020.25.3.2000045.
[22] LEE N, HUI D, WU A, et al. A major outbreak of severe acute respiratory syndrome in Hongkong[J]. The New England Journal of Medicine, 2003, 348(20): 1986−1994. DOI: 10.1056/NEJMoa030685.
[23] WONG K T, ANTONIO G E, HUI D S, et al. Severe acute respiratory syndrome: Radiographic appearances and pattern of progression in 138 patients[J]. Radiology, 2003, 228(2): 401−406. DOI: 10.1148/radiol.2282030593.
[24] HOSSEINY M, KOORAKI S, GHOLAMREZANEZHAD A, et al. Radiology perspective of coronavirus disease 2019 (COVID-19): Lessonsfrom severe acute respiratory syndrome and middle east respiratory syndrome[J]. American Journal of Roentgenology, 2020, 215(5): 1−5. DOI: 10.2214/AJR.20.22969.
[25] 李蕾. 重症甲型H1N1流感肺部的影像学表现[J]. 中国临床医学影像杂志, 2011,22(2): 118−120. LI L. Pulmonary imaging findings in severe influenza Alpha H1N1[J]. Journal of China Clinic Medical Imaging, 2011, 22(2): 118−120. (in Chinese).
[26] 王青乐, 施裕新, 张志勇, 等. 新型重组禽流感病毒(H7N9)性肺炎的影像学初步观察[J]. 中华放射学杂志, 2013,47(6): 505−508. DOI: 10.3760/cma.j.issn.1005-1201.2013.06.005. WANG Q L, SHI Y X, ZHANG Z Y, et al. Preliminary imaging findings of novel reassortant avian-origin influenza A(H7N9) pneumonia[J]. Chinese Journal of Radiology, 2013, 47(6): 505−508. DOI: 10.3760/cma.j.issn.1005-1201.2013.06.005. (in Chinese).
[27] 陈钊, 王荣福. CT在新型冠状病毒肺炎诊断与鉴别诊断中的应用价值[J]. CT理论与应用研究, 2020,29(3): 273−279. DOI: 10.15953/j.1004-4140.2020.29.03.02. CHEN Z, WANG R F. Application of CT in the diagnosis and differential diagnosis of novel coronavirus pneumonia[J]. CT Theory and Applications, 2020, 29(3): 273−279. DOI: 10.15953/j.1004-4140.2020.29.03.02. (in Chinese).
计量
- 文章访问数: 230
- HTML全文浏览量: 95
- PDF下载量: 20
