慢性阻塞性肺疾病肺功能的CT人工智能評(píng)估

[摘要]"目的"探討慢性阻塞性肺疾?。╟hronic"obstructive"pulmonary"disease，COPD）患者行胸部計(jì)算機(jī)斷層掃描（computed"tomography，CT）時(shí)，基于人工智能（artificial"intelligence，AI）模型算法的肺氣腫全自動(dòng)量化與肺功能的相關(guān)性。方法"回顧性分析2020年12月至2021年5月于臺(tái)州恩澤醫(yī)療中心（集團(tuán)）恩澤醫(yī)院接受胸部CT平掃檢查的COPD住院患者的臨床及影像資料。根據(jù)患者通氣功能下降程度分為5個(gè)等級(jí)。利用AI模型計(jì)算COPD患者的肺氣腫病變范圍，識(shí)別低于–950HU的低衰減區(qū)域，并計(jì)算低衰減區(qū)域百分比（low"attenuation"area"percentage，LAA%）。結(jié)合AI模型輸出結(jié)果，根據(jù)變量是否滿足正態(tài)分布的特征，分別計(jì)算COPD不同分級(jí)患者的1秒末用力呼氣容積實(shí)測(cè)值占預(yù)計(jì)值百分比（percentage"of"measured"forced"expiratory"volume"at"the"end"of"1"second"to"estimated"value，F(xiàn)EV1%）與各肺葉LAA%之間的Pearson相關(guān)系數(shù)及FEV1占用力肺活量百分比（FEV1"as"a"percentage"of"forced"vital"capacity，F(xiàn)EV1/FVC）與各肺葉LAA%之間的Spearman相關(guān)系數(shù)。結(jié)果"中度COPD患者全肺LAA%與FEV1/FVC存在負(fù)相關(guān)關(guān)系（r=–0.632，P=0.001）；極重度COPD患者全肺LAA%與FEV1/FVC和FEV1%均呈負(fù)相關(guān)（r=–0.562，P=0.045和r=–0.701，P=0.004）。肺段分析結(jié)果表明極重度COPD患者左肺上葉LAA%與肺功能指標(biāo)相關(guān)性更強(qiáng)（r=–0.650，P=0.016和r=–0.731，P=0.002）；中度COPD患者左肺下葉LAA%與FEV1/FVC相關(guān)性更顯著（r=–0.712，P=0.000）。吸煙患者中，右肺下葉LAA%與FEV1%呈中度相關(guān)（r=–0.534，P=0.006），左肺下葉LAA%與FEV1/FVC亦呈中度相關(guān)（r=–0.564，P=0.003）。結(jié)論"基于AI的肺氣腫量化結(jié)果與FEV1/FVC和FEV1%具有良好的相關(guān)性，可為基于CT平掃圖像的COPD診斷和分級(jí)提供有力支持。

[關(guān)鍵詞]"慢性阻塞性肺疾??；人工智能；肺功能；定量CT

[中圖分類號(hào)]"R563；R816""""""[文獻(xiàn)標(biāo)識(shí)碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.06.001

CT"artificial"intelligence"assessment"of"pulmonary"function"in"chronic"obstructive"pulmonary"diseases

FU"Haonan1，"ZHANG"Shanshan1，"ZHANG"Minge1，"LIU"Zishan2，"YANG"Hai1

1.Department"of"Radiology，"Taizhou"Hospital"of"Zhejiang"Province，"Enze"Hospital"of"Taizhou"Enze"Medical"Center"（Group），"Taizhou"317000，"Zhejiang，"China;"2.Department"of"Radiology，"Taizhou"Central"Hospital，"Taizhou"University"Hospital，"Taizhou"318000，"Zhejiang，"China

[Abstract]"Objective"To"analyse"correlation"between"automatic"quantification"of"emphysema"and"lung"function"based"on"artificial"intelligence"（AI）"model"algorithm"by"chest"computed"tomography"（CT）"in"patients"with"chronic"obstructive"pulmonary"disease"（COPD）."Methods"The"clinical"and"imaging"data"of"hospitalized"COPD"patients"who"received"chest"CT"plain"scan"in"Taizhou"Hospital"of"Zhejiang"Province，"Enze"Hospital"of"Taizhou"Enze"Medical"Center"（Group）"from"December"2020"to"May"2021"were"retrospectively"collected，"patients"were"classified"into"five"levels"of"ventilator-function"decline."By"using"the"AI"model，"the"extent"of"emphysema"lesions"in"COPD"patients"were"calculated，"low-attenuation"areas"below"–950HU"were"identified"and"their"low"attenuation"area"percentage"（LAA%）"were"calculated."Combined"with"the"output"results"of"AI"model"and"whether"each"variable"met"the"characteristics"of"normal"distribution，"Pearson"correlation"coefficient"between"percentage"of"measured"forced"expiratory"volume"at"the"end"of"1"second"to"estimated"value"（FEV1%）"and"LAA%"of"each"lung"lobe，"and"the"Spearman"correlation"coefficient"between"FEV1"as"a"percentage"of"forced"vital"capacity"（FEV1/FVC）"and"LAA%"of"each"lung"lobe"in"patients"with"different"COPD"grades"were"calculated"respectively."Results"There"was"a"negative"correlation"between"total"lung"LAA%"and"FEV1/FVC"in"moderate"COPD"（r=–0.632，"P=0.001）."Total"lung"LAA%"in"very"severe"COPD"was"negatively"correlated"with"both"FEV1/FVC"and"FEV1%"（r=–0.562，"P=0.045"and"r=–0.701，"P=0.004）."The"results"of"lung"segment"analysis"showed"that"LAA%"of"the"left"upper"lung"lobe"was"more"strongly"correlated"with"pulmonary"function"indicators"in"extremely"severe"COPD"（r=–0.650，"P=0.016"and"r=–0.731，"P=0.002）."The"correlation"between"left"inferior"lobe"LAA%"and"FEV1/FVC"was"stronger"correlation"in"patients"with"moderate"COPD"（r=–0.712，"P=0.000）."In"smoking"patients，"LAA%"was"moderate"correlated"with"FEV1"（r=–0.534，"P=0.006），"and"LAA%"was"moderate"correlated"with"FEV1/FVC"（r=–0.564，"P=0.003）."Conclusion"AI-"based"emphysema"quantification"results"have"a"good"correlation"with"FEV1/FVC"and"FEV1%，"which"can"provide"strong"support"for"the"diagnosis"and"classification"of"COPD"based"on"CT"plain"scan"images.

[Key"words]"Chronic"obstructive"pulmonary"disease;"Artificial"intelligence;"Lung"function;"Quantitative"computed"tomography

慢性阻塞性肺疾?。╟hronic"obstructive"pulmonary"disease，COPD）包括肺氣腫和慢性支氣管炎，是全球范圍內(nèi)第4大死因和第3大致殘?jiān)颉?021年，COPD導(dǎo)致的死亡人數(shù)達(dá)350萬，而實(shí)際患病人數(shù)可能更多，許多患者因未被診斷或未察覺而未被統(tǒng)計(jì)在內(nèi)[1-2]。肺氣腫的特征是終末細(xì)支氣管的永久性膨脹和支氣管壁破壞，其主要誘因是吸煙，患者預(yù)后較差。早期干預(yù)可顯著改善治療效果，因此早期診斷和治療尤為重要[3-6]。肺功能檢查（pulmonary"function"test，PFT）是評(píng)估肺氣腫的金標(biāo)準(zhǔn)，但其存在以下局限性：首先，并非所有患者均適合接受肺功能檢查，如因全身無力或呼吸道問題的患者；其次，肺功能檢測(cè)對(duì)早期診斷的敏感度較低，僅當(dāng)病變范圍gt;30%時(shí)才能確診氣流受限；此外，PFT無法全面評(píng)估病變的分布情況，還可能受非肺部疾病的影響[7]?；贑T的低密度區(qū)域（low"attenuation"area，LAA）分析可將作為病理生理學(xué)一部分的潴留空氣識(shí)別為肺氣腫，對(duì)無法進(jìn)行PFT的肺氣腫患者可能具有重要意義。然而，不同研究表明即使LAA比例相似，其分布和定位對(duì)肺功能的影響可能存在顯著差異。此外，這些技術(shù)通常需要手動(dòng)輸入，易受主觀因素的影響[8]。人工智能（artificial"intelligence，AI）技術(shù)可實(shí)現(xiàn)肺部分割和定量分析的自動(dòng)化，減少主觀性和操作時(shí)間，從而降低觀察者間和患者間的差異，顯著提高診斷的一致性。AI在肺部病變?cè)u(píng)估，特別是早期小氣道疾病的診斷和管理方面展現(xiàn)出巨大潛力。AI可為臨床醫(yī)生提供更準(zhǔn)確、快速、客觀的診斷信息，從而助力改善患者的治療和預(yù)后[9]。本研究旨在探討COPD患者行胸部CT掃描時(shí)基于AI模型算法的肺氣腫全自動(dòng)量化與肺功能的相關(guān)性。

1""資料與方法

1.1""一般資料

回顧性分析2020年12月至2021年5月臺(tái)州恩澤醫(yī)療中心（集團(tuán)）恩澤醫(yī)院經(jīng)臨床診斷為COPD的住院患者的臨床資料。納入標(biāo)準(zhǔn)：①符合美國(guó)胸科學(xué)會(huì)–歐洲呼吸學(xué)會(huì)（American"Thoracic"Society-"European"Respiratory"Society，ATS-ERS）指南診斷標(biāo)準(zhǔn)[10]；②使用相同的CT掃描儀，掃描參數(shù)一致；③CT圖像清晰；④胸部CT檢查前后1周內(nèi)完成PFT。排除標(biāo)準(zhǔn)：①肺惡性疾?。ㄈ绶伍T腫瘤）或先前的肺切除手術(shù)史等其他具有可能影響定量CT測(cè)量結(jié)果的因素；②CT圖像質(zhì)量差；③數(shù)據(jù)不全；④直接接受CT增強(qiáng)檢查的患者。最終納入190例患者，其中輕度98例，中度34例，中重度22例，重度21例，極重度15例。本研究經(jīng)臺(tái)州恩澤醫(yī)療中心（集團(tuán)）恩澤醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)（倫理審批號(hào)：K20240708）。

1.2""CT檢查方法

CT檢查采用Lightspeed"16層螺旋CT掃描儀（GE，美國(guó)）；胸部CT掃描參數(shù)：管電流100～"180mA，管電壓120kV，矩陣512×512，螺距1.375，機(jī)架旋轉(zhuǎn)時(shí)間0.5s。檢查時(shí)患者取仰臥位，在深吸氣后屏氣狀態(tài)下從肺尖至肺底區(qū)域進(jìn)行掃描。

1.3""臨床資料

收集患者的臨床資料，包括年齡、性別及吸煙史（吸煙狀態(tài)、吸煙量和年限），所有數(shù)據(jù)均摘錄自患者的住院病史記錄。

1.4""PFT

患者于胸部CT檢查前后1周內(nèi)按ATS-ERS指南建議，使用標(biāo)準(zhǔn)質(zhì)量流量傳感器和多氣體分析儀（康訊醫(yī)療，德國(guó)）進(jìn)行PFT。檢測(cè)內(nèi)容包括支氣管擴(kuò)張劑后肺活量測(cè)定，主要指標(biāo)：1秒末用力呼氣容積實(shí)測(cè)值占預(yù)計(jì)值百分比（percentage"of"measured"forced"expiratory"volume"at"the"end"of"1"second"to"estimated"value，F(xiàn)EV1%）、FEV1占用力肺活量的百分比（FEV1"as"a"percentage"of"forced"vital"capacity，F(xiàn)EV1/FVC）、肺活量、功能殘氣量與肺總量。檢測(cè)時(shí)患者取坐位。所有肺功能數(shù)據(jù)均在同一天內(nèi)獲得，以減少因生理節(jié)律變化導(dǎo)致的誤差。根據(jù)ATS-ERS指南肺通氣功能下降分5級(jí)。輕度：FEV1%≥70%；中度：60%≤FEV1%≤69%；中重度：50%≤FEV1%≤59%；重度：35%≤FEV1%≤49%；極重度：FEV1%lt;35%。

1.5""定量評(píng)估

使用AI1.0.6軟件對(duì)胸部CT圖像中的肺實(shí)質(zhì)和肺氣腫區(qū)域進(jìn)行自動(dòng)識(shí)別和分割。通過設(shè)置閾值（LAAlt;–950HU）檢測(cè)胸部CT圖像中的低衰減區(qū)域，并計(jì)算整個(gè)肺及各肺葉（左上葉、左下葉、右上葉、右中葉和右下葉）的低衰減區(qū)域百分比（low"attenuation"area"percentage，LAA%）。LAA%作為量化指標(biāo)用于反映肺氣腫病變的嚴(yán)重程度，見圖1。

1.6""統(tǒng)計(jì)學(xué)方法

采用SPSS"26.0統(tǒng)計(jì)學(xué)軟件對(duì)數(shù)據(jù)進(jìn)行處理分析。計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（"）表示。根據(jù)AI結(jié)果及各變量是否符合正態(tài)分布選擇適當(dāng)?shù)南嚓P(guān)性分析方法：對(duì)COPD各分級(jí)的FEV1/FVC與各肺葉LAA%之間進(jìn)行Spearman相關(guān)性分析（適用于非正態(tài)分布數(shù)據(jù)）；對(duì)COPD各分級(jí)的FEV1%與各肺葉LAA%之間進(jìn)行Pearson相關(guān)性分析（適用于正態(tài)分布數(shù)據(jù)）。Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。

2""結(jié)果

2.1""一般資料

190例患者中男118例，女72例；年齡29～86歲，平均（70.50±8.89）歲。吸煙患者26例，非吸煙患者164例，比較差異無統(tǒng)計(jì)學(xué)意義（P=0.094）?？傮wPFT結(jié)果顯示：FEV1%為（65.86±22.74），F(xiàn)EV1/FVC為（58.65±8.39）。根據(jù)肺通氣功能分級(jí)：輕度98例；中度34例；中重度22例；重度21例；極重度15例。吸煙患者（n=26）的肺通氣功能分級(jí)：輕度12例；中度5例；中重度7例；重度2例；極重度0例。

2.2""相關(guān)性分析

2.2.1""全肺分析""中度COPD患者中全肺LAA%與FEV1/FVC呈中度負(fù)相關(guān)（P=0.001）。對(duì)極重度COPD患者，全肺LAA%與FEV1/FVC和FEV1%均表現(xiàn)為顯著負(fù)相關(guān)（P=0.045和P=0.004）。此外，吸煙患者全肺LAA%與肺功能指標(biāo)（FEV1%、FEV1/FVC）呈弱負(fù)相關(guān)（P=0.025和P=0.042），見表1、表2、圖2。

2.2.2""肺段分析""對(duì)極重度COPD患者，左肺上葉LAA%與FEV1/FVC的相關(guān)性更為顯著（P=0.002）；在中度COPD患者中，左肺下葉的LAA%與FEV1/FVC呈強(qiáng)負(fù)相關(guān)（r=–0.712，P=0.000）。吸煙患者中右肺下葉的LAA%與FEV1%呈中度負(fù)相關(guān)（P=0.006），左肺下葉的LAA%與FEV1/FVC亦呈中度負(fù)相關(guān)（P=0.003）。對(duì)中度、極重度COPD患者和吸煙患者，其他肺葉LAA%與肺功能指標(biāo)相關(guān)性較弱或Pgt;0.05，見表2～表4，圖3和圖4。對(duì)輕度、中重度、重度COPD患者各肺葉LAA%與肺功能指標(biāo)呈弱相關(guān)性（|r|lt;0.4）或Pgt;0.05。

3""討論

AI是放射學(xué)領(lǐng)域的前沿技術(shù)，可實(shí)現(xiàn)肺部分割和定量分析的全自動(dòng)化。AI在圖像分析中的優(yōu)勢(shì)體現(xiàn)在其可更全面地評(píng)估肺部病變的分布，特別是在早期小氣道疾病的診斷中展現(xiàn)出較高的應(yīng)用價(jià)值[9]。本研究利用基于AI的肺氣腫定量評(píng)估方法揭示AI量化指標(biāo)即LAA%與肺功能參數(shù)FEV1/FVC及FEV1%的顯著相關(guān)性。研究結(jié)果表明無論是在全肺層面還是肺段層面，LAA%均與FEV1/FVC和FEV1%呈中度至高度的負(fù)相關(guān)性，尤其是在中度和極重度COPD患者中，該發(fā)現(xiàn)進(jìn)一步凸顯AI技術(shù)在COPD定量評(píng)估中的潛力，可為臨床早期診斷和治療COPD提供有力支持。研究證明基于AI的LAA%量化技術(shù)可有效反映肺氣腫病變范圍，其數(shù)值越高，與肺功能下降越顯著的相關(guān)性一致。FEV1/FVC和FEV1%是評(píng)估肺通氣功能的關(guān)鍵指標(biāo)，而LAA%與其顯著負(fù)相關(guān)性揭示肺實(shí)質(zhì)破壞、氣道阻塞與肺功能減退之間的內(nèi)在聯(lián)系[11-12]。關(guān)于LAA%閾值的選擇，研究表明當(dāng)CT閾值設(shè)定為–950HU時(shí)，LAA%與FEV1/FVC和FEV1%的相關(guān)性最佳[12-15]；本研究采用這一閾值并驗(yàn)證其有效性。Zompatori等[16]在26例患者中發(fā)現(xiàn)CT量化指標(biāo)與FEV1/FVC的相關(guān)性為0.75～0.79，提示CT量化技術(shù)在評(píng)估肺功能方面具有潛力。近年來，基于AI算法的肺氣腫應(yīng)用逐漸增多。如Fischer等[17]在137例COPD患者中，基于COPD全球倡議的嚴(yán)重程度分級(jí)，報(bào)道全肺AI評(píng)分與FEV1/FVC的相關(guān)性（r=0.88，Plt;0.005）。Ebrahimian等[18]研究顯示CT圖像與FEV1/FVC有較強(qiáng)的相關(guān)性，與FEV1%有中度相關(guān)性。更重要的是AI技術(shù)的引入將肺氣腫的量化曲線下面積從0.77提高至0.87，從而增強(qiáng)對(duì)COPD嚴(yán)重程度分級(jí)的區(qū)分能力。

本研究發(fā)現(xiàn)在中度和極重度COPD患者中，全肺LAA%與FEV1/FVC的相關(guān)性強(qiáng)于FEV1%，可歸因于FEV1/FVC更能反映氣流阻塞的存在，從而驗(yàn)證COPD作為一種以阻塞性肺氣腫為表現(xiàn)的疾病特性。此外，在不同肺葉層面，LAA%與肺功能指標(biāo)的相關(guān)性表現(xiàn)出一定的異質(zhì)性。如左肺下葉LAA%在中度COPD患者中與FEV1/FVC的相關(guān)性最強(qiáng)，而右肺下葉LAA%在吸煙患者中與FEV1%具有中度相關(guān)性。在極重度COPD患者中，左肺上葉LAA%與FEV1/FVC和FEV1%的相關(guān)性最為顯著。Fischer等[19]研究發(fā)現(xiàn)左肺上葉LAA%與FEV1/FVC及FEV1%呈最強(qiáng)相關(guān)性，與本研究結(jié)果一致。肺氣腫分布異質(zhì)性可反映病變進(jìn)展差異，左肺上葉LAA%與肺功能的強(qiáng)相關(guān)性符合肺氣腫上葉分布的典型病理特點(diǎn)。這種分布異質(zhì)性對(duì)優(yōu)化AI模型進(jìn)一步提高診斷精準(zhǔn)度具有重要意義。

吸煙是COPD的重要高危因素[20]；但關(guān)于吸煙患者不同肺葉LAA%與肺功能相關(guān)性的研究較少。本研究揭示吸煙患者中右肺下葉和左肺下葉LAA%分別與FEV1%和FEV1/FVC呈中度相關(guān)，提示吸煙對(duì)肺氣腫分布及功能損害的顯著影響。研究表明吸煙患者的全肺LAA%與肺功能嚴(yán)重程度分級(jí)呈正相關(guān)[19]。然而，由于本研究中的吸煙患者樣本量較小，無法根據(jù)肺功能嚴(yán)重程度分級(jí)進(jìn)一步分析全肺LAA%與肺功能指標(biāo)的相關(guān)性。因此，未來研究計(jì)劃擴(kuò)大吸煙患者的樣本量以進(jìn)一步探索不同肺葉的LAA%與肺功能的關(guān)系。

本研究存在以下不足之處：首先，研究對(duì)象僅限于住院患者，可能無法全面代表COPD患者的整體情況，尤其是輕度和穩(wěn)定期患者的特征；其次，CT掃描未包括肺活量觸發(fā)，無法完全確保影像學(xué)檢查是在最大吸氣狀態(tài)下完成；此外，本研究為單中心研究，缺乏多中心數(shù)據(jù)的支持。

本研究使用肺活量參數(shù)（FEV1、FVC和FEV1%），盡管這些指標(biāo)能反映肺功能，但并不能完全說明肺氣腫的嚴(yán)重程度。未來研究需要進(jìn)一步探索，將CT量化分析作為肺氣腫患者的影像學(xué)生物標(biāo)志物，為疾病的臨床診斷與治療提供更可靠的支持。未來的研究方向：①進(jìn)一步改進(jìn)AI算法，提升對(duì)早期和輕度COPD的敏感度和特異性；②通過大樣本量、多中心的前瞻性研究驗(yàn)證本研究結(jié)果的普遍性，并探索AI量化指標(biāo)在疾病進(jìn)展監(jiān)測(cè)和治療效果評(píng)估中的應(yīng)用價(jià)值；③擴(kuò)大吸煙患者的樣本量，深入研究不同吸煙量和吸煙史對(duì)病變分布及其與肺功能相關(guān)性的影響，為臨床提供更加個(gè)性化的干預(yù)策略。

綜上，本研究結(jié)果表明基于AI的肺氣腫量化分析指標(biāo)（LAA%）與FEV1/FVC及FEV1%具有良好的相關(guān)性。AI量化指標(biāo)有助于基于CT圖像的COPD診斷與分級(jí)，為臨床早期診斷、治療及疾病管理提供新的技術(shù)支持。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻(xiàn)]

[1] FastStats."Centers"for"disease"control"and"prevention"（CDC）"（2020）[S]."https：//www.cdc.gov/nchs/fastats/deaths.htm.

[2] 世界衛(wèi)生組織."2021年全球健康估計(jì)報(bào)告[EB/OL]."https：//www.who.int/data/gho/data/themes/mortality-and-"global-health-estimates/ghe-2021.

[3] DAI"Q，"ZHU"X，"ZHANG"J，"et"al."The"utility"of"quantitative"computed"tomography"in"cohort"studies"of"chronic"obstructive"pulmonary"disease："A"narrative"review[J]."J"Thorac"Dis，"2023，"15（10）："5784–5800.

[4] 康淑琴，"董向月，"馬娟，"等."高分辨率CT肺氣腫指標(biāo)聯(lián)合血清CEA、NLR、PLR對(duì)慢性阻塞性肺疾病患者非小細(xì)胞肺癌發(fā)生風(fēng)險(xiǎn)的預(yù)測(cè)價(jià)值[J]."現(xiàn)代生物醫(yī)學(xué)進(jìn)展，"2024，"24（14）："2785–2789.

[5] SHIMIZU"M，"MIYANAGA"A，"SEIKE"M，nbsp;et"al."The"respiratory"microbiome"associated"with"chronic"obstructive"pulmonary"disease"comorbidity"in"non-small"cell"lung"cancer[J]."Thorac"Cancer，"2022，"13（13）："1940–1947.

[6] WOODRUFF"P"G，"BARR"R"G，"BLEECKER"E，"et"al."Clinical"significance"of"symptoms"in"smokers"with"preserved"pulmonary"function[J]."N"Engl"J"Med，"2016，"374（19）："1811–1821.

[7] TOPALOVIC"M，"LAVAL"S，"AERTS"J"M，"et"al."Automated"interpretation"of"pulmonary"function"tests"in"adults"with"respiratory"complaints[J]."Respiration，"2017，"93（3）："170–178.

[8] CHOI"J"Y，"RHEE"C"K."Diagnosis"and"treatment"of"early"chronic"obstructive"lung"disease"（COPD）[J]."J"Clin"Med，"2020，"9（11）："3426–3433.

[9] THONG"L"T，"CHOU"H"S，"CHEW"H"S"J，"et"al."Diagnostictest"accuracy"of"artificial"intelligence-based"imaging"for"lung"cancernbsp;screening："A"systematic"review"and"Meta-analysis[J]."Lung"Cancer，"2023，"17（6）："4–13.

[10] STANOJEVIC"S，"WADE"A，"STOCKS"J，"et"al."ERS/ATS"technical"standard"on"interpretive"strategies"for"routine"lung"function"tests[J]."Eur"Respir"J，"2022，"60（1）："210–216.

[11] OCCHIPINTI"M，"PAOLETTI"M，"BARTHOLMAI"B"J，"et"al."Spirometric"assessment"of"emphysema"presence"and"severity"as"measured"by"quantitative"CT"and"CT-based"radiomics"in"COPD[J]."Respir"Res，"2019"，"20（1）："101–108.

[12] MADANI"A，"ZANEN"J，"DEMAERTELAER"V，"et"al."Pulmonary"emphysema："Objective"quantification"at"multi-detector"row"CT—comparison"with"macroscopic"and"microscopic"morphometry[J]."Radiology，"2006，"23（8）："1036–1043.

[13] SCHROEDER"J"D，"MCKENZIE"A"S，"ZACH"J"A，"et"al."Relationships"between"airflow"obstruction"and"quantitative"CT"measurements"of"emphysema，"air"trapping，"and"airways"in"subjects"with"and"without"chronic"obstructive"pulmonary"disease[J]."AJR"Am"J"Roentgenol，"2013，"20（1）："111–114.