基于深度学习的系统性红斑丹疹患者肺气管分割分析：高分辨率 CT 对比研究
图像与视频处理
2026-03-19 v1 计算机视觉与模式识别
摘要
本研究旨在利用基于深度学习的方法对系统性红斑丹疹（SLE）伴肺纤维化（ILD）患者和无 ILD（non-ILD）患者之间的肺叶和段位气道容积差异进行表征。方法：对 106 例 SLE 患者（27 例 SLE-ILD，79 例 SLE-non-ILD）进行回顾性分析。开发基于 U-Net 架构的定制化深度学习框架，用于自动在非对比胸部高分辨率 CT（HRCT）中对气道结构进行肺叶和段位级别的分割。对从分割中导出的肺叶和段位体积进行统计比较，使用双样本 t 检验（显著性阈值：p < 0.05）。结果：在肺叶级别，SLE-ILD 患者在右上叶（p=0.009）和左上叶（p=0.039）上的气道容积显著扩大。段位级别发现显著差异的段位包括 R1（p=0.016）、R3（p<0.001）和 L3（p=0.038），上肺区变化最为显著，下肺区显示非显著趋势。结论：本研究表明自动化的深度学习方法能够有效量化 HRCT 扫描中的气道体积，并揭示 SLE-ILD 患者相对于无 ILD 患者在特定解剖区发生显著的气道扩张。该病变分布模式主要影响上肺叶和特定段位，凸显了 SLE-ILD 的独特解剖表型，暗示气道结构改变可能是疾病存在的潜在生物标志物。该 AI 驱动的定量影像生物标志物有望提高 SLE 人群中 ILD 早期检测和监测的能力，最终有助于实现更个性化的患者管理。
引用
@article{arxiv.2603.17547,
title = {Deep Learning-Based Airway Segmentation in Systemic Lupus Erythematosus Patients with Interstitial Lung Disease (SLE-ILD): A Comparative High-Resolution CT Analysis},
author = {Sirong Piao and Ying Ming and Ruijie Zhao and Jiaru Wang and Ran Xiao and Rui Zhao and Zicheng Liao and Qiqi Xu and Shaoze Luo and Bing Li and Lin Li and Zhuangfei Ma and Fuling Zheng and Wei Song},
journal= {arXiv preprint arXiv:2603.17547},
year = {2026}
}