临床放射学杂志

作者：孙晶, 张嘉雯, 杨臻, 段晓峰, 王诗媛, 王竞

单位：450000 郑州大学附属郑州中心医院高新儿科（孙 晶、张嘉雯、杨 臻、段晓峰、王诗媛）;550000 贵阳,贵州医科大学附属医院核医学科王 竞;

关键词：肺炎支原体肺炎,儿童,胸部CT,U-Net深度学习算法

基金：本研究系贵州省基础研究计划（自然科学）面上项目（编号：黔科合基础MS[2025]431）; 贵州省卫生健康委员会科学技术基金立项项目（编号：gzwkj2025-484）; 贵州医科大学附属医院NSFC培育项目（编号：gyfynsfc[2024]-42）; 贵州医科大学附属医院博士科研启动基金项目（编号：gyfybsky-2025-18）

<b>目的</b> 评价基于胸部CT影像的U-Net深度学习模型诊断儿童肺炎支原体肺炎（MPP）的价值。<b>方法</b> 回顾性分析434例肺炎患儿（220例MPP,214例非MPP）的治疗前CT影像及临床资料,按照7&#x02236;3的比例分层抽样划分为训练集和验证集。采用U-Net深度学习算法分别建立临床模型、影像模型和临床+影像联合模型,并分别通过受试者工作特征曲线（ROC）曲线下面积（AUC）、校准曲线及临床决策曲线（DCA）来评估模型诊断性能、可靠性及临床获益。<b>结果</b> 临床+影像联合模型诊断效能最优,训练集AUC为0.873（95％CI：0.831~0.909）,敏感度和特异度分别为88.96%和90.67%,验证集AUC为0.839（95％CI：0.765~0.898）,敏感度和特异度分别为87.88%和85.94%。校准曲线及DCA显示临床+影像联合模型稳定性良好且能为患儿带来获益。<b>结论</b> 基于胸部CT的U-Net深度学习模型有助于儿童MPP的早期诊断。

来源：2025年第12期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第12期