李 沐

泌尿系结石复发较为常见，其形成和进展受结石成分、代谢异常及生活方式等因素共同影响。传统成分分析依赖自然排出或手术获取的标本，难以在治疗前提供无创信息。光谱CT利用不同能量下材料衰减特征的差异，可较可靠地区分尿酸性与非尿酸性结石，并为部分亚型识别提供依据；深度学习则可从多能量图像和光谱参数中提取常规定量指标难以表征的复杂特征。二者结合后，有望将无创成分识别延伸至复发风险分层和个体化预防。本文综述光谱CT的材料分辨基础、VGG等卷积神经网络的影像表征方法、结石成分与复发风险的关系及临床转化问题。现有研究仍受样本量有限、混合结石识别困难、模型泛化不足和长期随访证据缺乏等限制。后续应建立标准化多中心数据体系，联合影像、代谢、治疗和行为信息，并通过外部验证和临床净获益评价其应用价值。

泌尿系结石；光谱CT；深度学习；VGG网络；结石成分；复发预测

[1] 杨丽芬,陈佳鸿,黄春榆,等.能谱CT结石成分分析在泌尿系结石体外冲击波碎石中的应用.中外医学研究,2024,22:113-117. [2] 王皓,崔筱洁,万云天,等.IQon光谱CT对泌尿系结石成分分析的应用价值.现代医用影像学,2024,33:353-355. [3] Li X,Tang P,Liang F,et al.Machine learning based multi-label classification of single or mixed-composition urinary stones in in vivo spectral CT.Med Phys,2023,50:661-674. [4] 胡小剑,郑亮,张志刚,等.泌尿系结石患者结石及尿液成分与结石复发相关性分析.河北医学,2023,29:1149-1154. [5] 滑丽美,邱建宏,曹婧然,等.个性化营养治疗对泌尿系结石术后恢复及复发的影响.武警医学,2024,35:417-420. [6] Siener R,Löhr P,Hesse A.Urinary risk profile,impact of diet,and risk of calcium oxalate urolithiasis in idiopathic uric acid stone disease.Nutrients,2023,15:572. [7] 邓昊,程帆,成少平.人工智能在泌尿系结石中的应用进展.微创泌尿外科杂志,2023,12:208-211. [8] Wang J,Wang X,Zhong H,et al.Prospective observational study on the prognosis of ureteral lesions caused by impacted stones via dual-energy spectral CT.Asian J Urol,2023,10:534-540.

点击下载PDF