MRI纹理分析在单囊状胰腺囊腺瘤鉴别诊断中的价值

【摘要】目的:比较胰腺寡囊型浆液性囊腺瘤（MaSCA）与粘液性囊腺瘤（MCN）磁共振成像(MRI)影像学及纹理特征差异,构建两者鉴别诊断模型。方法:回顾性搜集32例MaSCA与36例MCN患者,分别基于MRI压脂T1加权图像（FS-T1WI）和压脂T2加权图像（FS-T2WI）进行纹理分析并比较各纹理参数之间差异。采用Logistic回归分析分别对具有差异影像特征构建影像模型,选取曲线下面积（area under the curve,AUC）最大参数构建纹理分析模型,两组特征共同构建组合模型,利用ROC曲线（receiver-operating characteristic curve）评估模型诊断效能。结果:影像模型AUC 0.849,敏感度及特异度分别为86.1%、68.7%;纹理分析模型AUC 0.887,敏感度及特异度均较高,分别约80.6%、84.4%。组合模型AUC最高,为0.958,敏感度及特异度分别为88.9%、90.6%。结论:综合影像特征和纹理分析特征组合模型,有助于术前鉴别MaSCA和MCN且具有很高诊断性能。     

双参数MRI纹理分析鉴别诊断移行区前列腺癌及增生结节的价值

目的探讨双参数MRI纹理分析法在移行区前列腺癌及增生结节鉴别诊断中的应用价值。方法回顾性分析经病理证实的前列腺癌52例,增生结节39例。使用MRIcroN软件勾画病灶的范围,Matlab R2014b软件计算各纹理参数,用Fisher法选择独立纹理特征(包括方差,熵,偏度和峰度)及平均ADC值。使用两独立样本t检验评估各纹理参数及平均ADC值是否具有统计学差异。绘制受试者工作特征曲线并计算曲线下面积、敏感度和特异度。结果T 2WI前列腺癌组的方差低于增生组,熵高于增生组。ADC图前列腺癌组的方差和平均ADC值低于增生组,偏度、峰度、熵高于增生组。T 2WI熵联合ADC图熵的诊断价值最高(AUC=0.880),敏感度和特异度分别为73.7%,90.9%。结论T 2WI联合ADC图双参数纹理分析可准确区分前列腺癌与低信号增生结节,为两者的鉴别诊断提供客观、量化的依据。     

MRI纹理分析对前列腺癌及Gleason分级的诊断价值

目的评估多参数MRI纹理分析法对前列腺癌的诊断价值及其鉴别低危与中高危前列腺癌的诊断效能。方法回顾性分析经穿刺活检或手术病理证实的61例前列腺癌病人,中位年龄66岁(42～89岁),前列腺特异性抗原(PSA)范围3.4～300 ng/mL,并进行Gleason(GS)评分。其中低危(GS≤6分)病人10例,中高危(GS≥7分)病人51例。所有病人均行前列腺常规MRI及扩散加权成像(DWI)检查,基于T2WI勾画三维兴趣区(ROI),使用纹理分析软件(Matlab)提取ROI的直方图纹理特征参数(熵、偏度、峰度和方差),并计算平均ADC值。采用单因素方差分析评估T2WI和ADC图上各直方图纹理参数及平均ADC值在低危前列腺癌、中高危前列腺癌及正常外周区之间的差异。采用受试者操作特征(ROC)曲线计算曲线下面积(AUC),评估各参数的诊断效能,并评价定量纹理参数对低危和中高危前列腺癌的鉴别诊断效能。结果 ADC图及T2WI上,3组之间各诊断参数差异均有统计学意义(P0.05)。中高危前列腺癌在ADC图上平均ADC值的AUC(0.88)最大,在T2WI图纹理分析中,方差值AUC(0.88)最大。低危和中高危前列腺癌鉴别诊断中,ADC图和T2WI的纹理参数中熵值AUC最大,分别为0.87和0.79。结论多参数MRI纹理分析可用于诊断前列腺癌,并能为鉴别诊断低危与中高危前列腺癌提供可靠的量化信息,其中熵值有助于前列腺癌病理分级。     

基于FS-T2WI的影像组学鉴别甲状腺乳头状癌与腺瘤

【摘要】目的：探讨基于FS-T2WI的影像组学模型对甲状腺乳头状癌与腺瘤的鉴别诊断价值。方法:回顾性分析经手术病理证实的甲状腺结节共72个,其中乳头状癌42个,腺瘤30个。患者术前均行甲状腺MRI平扫检查。所有结节按7：3的比例随机分为训练集和测试集。在FS-T2WI图中逐层勾画病灶并提取影像组学特征,后使用曼-惠特尼U秩和检验以及最小绝对收缩和选择算子对特征进行降维,使用支持向量机（SVM）分类器对提取的特征进行机器学习。通过绘制ROC曲线下面积(AUC)、敏感度、特异度3个指标评价所构建模型的效能。结果:从FS-T2WI序列中提取出1409个特征,经过曼-惠特尼U检验和LASSO回归降维筛选出14个特征,应用SVM所建立的术前预测模型显示训练集AUC 0.89,敏感度79%,特异度86%;测试集AUC 0.85,敏感度77%,特异度67%。结论:基于FS-T2WI的SVM影像组学模型可鉴别甲状腺乳头状癌和腺瘤,从而为甲状腺结节患者的风险预测和个体化治疗提供有效信息。     

基于高分辨T2WI的影像组学对直肠癌术前分期的应用价值

【摘要】目的：探讨基于高分辨T2WI影像组学在直肠癌术前T分期中的应用价值。方法：回顾性分析2017年1月-2018年12月在上海长海医院经手术病理证实且术前行3T磁共振高分辨T2WI的直肠癌患者资料。根据病理T分期结果将T1和T2期患者归为未突破肌层组，T3和T4期患者归为突破肌层组。在高分辨T2WI图像上手动勾画病灶ROI后提取影像组学特征，之后采用LASSO算法进行降维选择出对病理T分期有价值的特征。将所选样本按7:3的比例随机分为训练集与验证集进行机器学习，构建支持向量机（SVM）分类器模型，得到训练集和验证集的ROC曲线下面积（AUC）、敏感度、特异度及95%置信区间。结果：纳入病例共154例，男92例，女62例，平均年龄(56.5±10.2)岁，其中T1期26例，T2期41例，T3期76例，T4期11例。训练集106例（未突破肌层组46例，突破肌层组60例），验证集48例（未突破肌层组21例，突破肌层组27例）。LASSO算法筛选出5个与T分期相关特征。得到SVM模型验证集的AUC、95%CI、敏感度及特异度分别为0.730、0.583~0.848、73.1%、66.7%。结论：基于高分辨T2WI的影像组学SVM模型可以判断直肠癌病灶是否突破固有肌层，对于直肠癌术前T分期具有较高的参考价值。     

MRI影像组学术前预测脑膜瘤病理分级的研究

【摘要】目的：探讨基于MRI的影像组学分析对脑膜瘤病理分级的预测效能。方法：回顾性分析经病理证实的137例脑膜瘤患者的MRI资料（T2WI和对比增强T1WI），其中低级别脑膜瘤（WHO Ⅰ级）99例，高级别脑膜瘤（WHO Ⅱ级）38例。按7:3的比例将患者分为训练组（95例）和验证组（42例）。评估肿瘤的常规MRI征象，包括双侧分布、部位、形状、T2WI上信号是否均匀、血管流空现象、瘤周水肿、强化是否均匀、强化程度、脑膜尾征、邻近组织侵袭情况及是否跨中线生长等。应用IBEX软件，在瘤体内手动勾画ROI，自每个MRI序列上提取5个特征组共736个影像组学特征，使用最小绝对收缩和选择算子（LASSO）及10折交叉验证法进行降维。在训练组中，采用Logistic回归分析进行建模，共构建3个模型，即影像特征模型、影像组学模型和联合诊断模型。在验证组中，绘制3个模型的受试者工作特征曲线（ROC）来评估其预测效能。结果：在训练组和验证组中，高级别和低级别脑膜瘤患者的各项一般临床资料的差异均无统计学意义（P>0.05）；各项常规MRI征象中，仅血管流空和强化是否均匀这两个特征在低级别和高级别脑膜瘤间的差异有统计学意义（P<0.05）。通过降维后共筛选出13个影像组学特征。在验证组中对3个模型分别进行效能评估，ROC曲线分析显示：影像特征模型预测脑膜瘤病理分级的敏感度为66.7%，特异度为80.0%，AUC为0.800；影像组学模型的预测敏感度为66.7%，特异度为86.7%，AUC为0.811；联合诊断模型的预测敏感度为100.0%，特异度为66.7%，AUC提高至0.856。结论：基于MR T2WI及增强T1WI的影像组学分析有助于术前预测脑膜瘤的病理分级，影像组学分析方法具有较好的临床应用前景。     

ADC值联合基于T2WI脂肪抑制图像的纹理特征预测软组织良恶性肿瘤的价值

目的探讨DWI的ADC值联合纹理特征鉴别良恶性软组织肿瘤的价值。方法回顾性分析中国科学技术大学附属第一医院西区经病理证实的94例软组织肿瘤(恶性44例,良性50例)MRI及DWI图像。在GE ADW4.6工作站测量肿块的实性成分ADC值。在T₂WI脂肪抑制图像上的肿瘤最大层面手动勾画ROI并提取纹理特征;采用独立样本t检验对良恶性软组织肿瘤的ADC值及纹理参数进行统计学分析,并多因素logistic回归分析建模,计算诊断效能。结果良恶性软组织肿瘤的ADC值分别为(1.6±0.3)×10^-3 mm²/s、(1.2±0.5)×10^-3 mm²/s,差异有统计学意义(t=-5.382,P<0.05),以1.28×10^-3 mm²/s为诊断良恶性软组织肿瘤临界值,AUC为0.783,灵敏度为92.00%,特异度为65.91%。纹理特征中直方图特征(frequency size、skewness),灰度共生矩阵特征(Inertia_All Direction_offset7、Inverse Difference Moment_angle0_offset1、Inverse Difference Moment_angle0_offset7)及Haralick特征(Haralick Correlation_All Direction_offset4_SD)鉴别良恶性软组织肿瘤的曲线下面积分别为AUC 0.825、0.739、0.826、0.816、0.820、0.783。多因素logistic回归分析最佳预测模型鉴别良恶性软组织肿瘤的曲线下面积、灵敏度、特异度分别为0.930、88.00%、86.36%。结论ADC值联合纹理特征对术前预测软组织良恶性肿瘤有较高的应用价值。     

CT影像组学在头颈部木村病淋巴结病变与淋巴瘤鉴别中的应用

【摘要】目的：探讨基于增强CT影像组学特征鉴别头颈部木村病淋巴结病变和淋巴瘤的可行性,并验证建立的逻辑回归诊断模型。方法：回顾性分析经手术病理或穿刺活检证实的14例头颈部木村病（38枚肿大淋巴结）和27例淋巴瘤患者（37枚肿大淋巴结）的相关资料,所有患者均行头颈部增强CT扫描。将病灶所有显示层面的CT静脉期图像导入ITK-SNAP软件（www.itksnap.org）,手动勾画立体感兴趣区（VOI）,使用artificial intelligence kit软件提取纹理特征。按照7:3的比例将数据随机分为训练组与验证组。采用方差分析+秩和检验、一般线性模型和Lasso算法进行特征降维,并用最终筛选出的纹理特征构建逻辑回归模型并进行5折交叉验证。用验证组数据对模型进行验证,评价指标采用ROC曲线下面积（AUC）、敏感性和特异性。结果：从75个病灶中共提取396个特征,通过降维最终筛选出5个可用于鉴别两种病变的组学特征。逻辑回归模型在训练组中鉴别效能的AUC为0.987,特异度为0.958,敏感度为0.966;验证组的AUC 为0.938,特异度为0.786,敏感度为1。结论：影像组学鉴别头颈部木村病淋巴结病变和淋巴瘤具有可行性,基于CT影像组学特征建立的逻辑回归模型具有较高的诊断效能。     

基于MR T2WI的影像组学对直肠癌新辅助治疗疗效的评估

目的:探讨基于高分辨T2WI的影像组学模型对评估直肠癌新辅助治疗疗效的价值。方法:回顾性分析2018年1月-2018年12月经手术病理证实且在接受新辅助治疗前、后均行MRI检查的80例直肠癌患者的病例资料。根据术后病理检查确定的肿瘤退缩分级(TRG),将TRG为0、1级者纳入疗效良好组,2、3级者纳入疗效不良组。在高分辨T2WI上勾画病灶的三维容积兴趣区(VOI)并使用两种模型提取影像组学特征,模型1:仅提取治疗前基线影像组学特征;模型B2:提取基线和治疗后的影像组学特征。随机选取70%的病例作为训练集,30%的病例作为测试集进行验证。对两种模型分别利用LASSO(least absolute shrinkage and selection operator)算法进行特征降维后,与TRG标签建立随机森林(RF)分类器,并分别进行受试者操作特征(ROC)曲线分析,比较两种模型的曲线下面积(AUC)并分析其诊断效能(敏感度、特异度、准确度、阳性预测值、阴性预测值、阳性似然比、阴性似然比)。采用决策曲线分析(DCA)评估临床获益。结果:模型1经降维后得到28个组学特征,模型2共获得3个组学特征,分别建立RF分类器模型,ROC曲线分析得到测试集模型1、2的AUC分别为0.943和0.950,两者间的差异无统计学意义(P>0.05)。模型1的特异度及阳性似然比较高,模型B的敏感度及阴性似然比较高。DCA显示总体上两种方法均可以临床获益。结论:基于治疗前及综合治疗前、后MR T2WI高分辨率图像的影像组学模型均可较准确地预测直肠癌新辅助治疗后的肿瘤退缩程度,可应用于临床上对直肠癌新辅助治疗疗效的评估。     

MR低信号分隔征鉴别乳腺良恶性肿瘤的价值

目的评价MR低信号分隔征在乳腺良、恶性肿瘤鉴别诊断中的价值。方法回顾性分析了经手术病理及临床随访证实的12例20个乳腺癌和14例25个纤维腺瘤的MR表现特点，分析低信号分隔征的鉴别诊断价值。结果乳腺癌和纤维腺瘤在MR抑脂T2 WI信号可为等、高信号，低信号，混杂信号，3种信号在乳腺癌分别为5、11、4个，在纤维腺瘤分别为11、10、4个，两者差异无统计学意义（X^2=1.764，P=0.414）。病灶形状可分为不规则形、类圆形和分叶状，3种形状在乳腺癌和纤维腺瘤分别为12、7、1个和1、7、17个，差异有统计学意义（X^2=23.262，P=0.000）。纤维腺瘤特征性表现分叶状、抑脂T2 WI及增强后低信号分隔征，诊断纤维腺瘤的敏感度分别为68％（17／25）、52％（13／25）、72％（18／25），特异度分别为95％（19／20）、90％（18／20）、95％（19／20）。结论低信号分隔征是诊断乳腺纤维腺瘤较特异的征象之一。     

MR-T_2WI纹理分析在前列腺癌诊断中初步应用

目的探讨MR-T_2WI纹理分析在前列腺癌诊断中的价值。方法回顾性分析病理证实的140例前列腺癌与160例良性前列腺增生的MR-T_2WI图像;通过纹理分析方法测得MR-T_2WI图像前列腺病灶的熵、平均值、标准差、不均匀度、峰值和偏度等纹理分析定量参数,用独立样本t检验比较前列腺癌组和良性增生组间各纹理分析定量参数的差异;应用受试者工作特征曲线,获得曲线下面积,确定各定量参数鉴别前列腺癌与良性增生的阈值和诊断效能。运用Z检验比较各参数的曲线下面积。结果纹理分析定量参数中熵、平均值、标准差、不均匀度和峰值五个参数在前列腺癌组与良性增生组间的差异具有统计学意义;平均值鉴别前列腺癌组与良性增生组的AUC值为0.804,当阈值为94.34时,其诊断敏感性为73.6%、特异性为80.0%、准确性为77.0%,其效能最高,均高于其他定量参数。结论 MR-T_2WI纹理分析的部分定量参数有助于前列腺癌与良性前列腺增生的鉴别;纹理分析有助于提升MR-T_2WI的诊断价值。     

基于多模态MR影像组学鉴别诊断肺结节和肿块良性与恶性的价值

目的:建立基于多模态MRI的影像组学模型,比较不同模型鉴别诊断肺结节和肿块良性与恶性的效能。方法:回顾性分析2014年1月至2019年10月在南通市第一人民医院就诊的114例患者共115个肺结节的MR平扫影像资料。提取基于T 1WI图像、表观扩散系统（ADC）图像及T 2WI图像的纹理特征,分别...     

MRI纹理特征与肝细胞肝癌Ki-67表达的相关性

【摘要】目的：探讨ADC图、T2WI、DWI的纹理特征诊断肝细胞肝癌（HCC）Ki-67标记指数高低的价值。方法：搜集本院经病理确诊的HCC患者57例并将其分为Ki-67＞20%、Ki-67≤20%两组。通过MaZda软件手工勾画兴趣区（ROI）并分别提取ADC图、T2WI、DWI纹理特征，随后采用Fisher系数、分类错误概率联合平均相关系数（POE+ACC）、交互信息（MI）的方法分别选择10种最佳纹理特征。纹理特征的组间比较采用t检验或Mann-Whitney U检验，描绘受试者工作特征（ROC）曲线并计算曲线下面积（AUC）值，并将每个序列组间比较有统计学差异的纹理特征纳入二元logistic回归模型进行自变量筛选，并建立预测模型。应用灵敏度、特异度、AUC值来评估预测模型的分类性能。结果：对于区别HCC的Ki-67标记指数高低，t检验和U检验结果显示ADC图组间差异有统计学意义的纹理特征20个；T2WI序列共选择出组间差异有统计学意义的纹理特征10个；组间比较结果显示DWI纹理特征在Ki-67标记指数高、低组间差异无统计学意义。二元logistic回归显示ADC图中的S(5,0)和方差以及T2WI中的S(5,0)和均值、高频对角分量小波系数能量s-5是Ki-67>20%的独立预测因素。S(5,0)和方差、高频对角分量小波系数能量s-5数值越大，S(5,0)和均值的数值越小，患者Ki-67>20%的风险越高。结合ADC图中的S(5,0)和方差以及T2WI中的高频对角分量小波系数能量s-5，建立HCC Ki-67表达程度的预测模型，AUC值为0.795，敏感度为61.5%，特异度为90.3%。结论：利用MRI影像组学评估HCC的Ki-67表达，其影像组学预测模型具有较高的诊断效能。     

基于对比增强T1WI的纹理分析技术对磁共振引导下聚焦超声术治疗子宫肌瘤的评估

【摘要】目的：探讨基于对比增强T1WI的纹理分析技术评估症状性子宫肌瘤磁共振引导下聚焦超声术（MRgFUS）治疗疗效的价值。方法：回顾性分析2010年4月－2013年1月在本院接受MRgFUS治疗的16例症状性子宫肌瘤患者的治疗前、治疗后即刻和12个月时的临床和MRI资料。采用TexRAD软件分别对治疗前及治疗后即刻两次MRI检查中的对比增强矢状面T1WI数据进行纹理分析，分别在空间尺度滤波器（SSF）半径值为2、4和6的图像上测量病灶的纹理参数，包括平均值（mean）、标准差（SD）、熵（entropy）、正性像素平均值（MPP）、偏度（skewness）和峰度（kurtosis）。测量并计算治疗前及治疗后12个月时肌瘤的体积及体积变化率，以及治疗后即刻子宫肌瘤无灌注区体积百分比（NPV%）。通过子宫肌瘤症状与生活质量问卷（USF-QOL）调查评估每例患者治疗前和治疗后12个月时的症状严重程度评分（SSS）并转化为标准化SSS，计算治疗后标准化SSS评分的变化率。分析每次检查中不同SSF条件下病灶的各项纹理参数与患者的标准化SSS和肌瘤体积间的相关性。结果：治疗前不同SSF值图像上病灶的各项纹理参数中熵值与NPV%间具有显著相关性（SSF2：r=0.555，P=0.026；SSF4：r=0.535，P=0.033；SSF6：r=0.522，P=0.038）；治疗后即刻组中，SSF4和SSF6图像上病灶的偏度和峰度与NPV%之间均具有显著相关性（偏度：SSF4条件下r=0.696、P=0.003，SSF6条件下r=0.772、P=0.000；峰度：SSF4条件下r=0.707、P=0.002，SSF6条件下r=0.786、P=0.000），SSF2图像上病灶的峰度与治疗前和治疗后12个月时的病灶体积之间具有显著相关性（r=0.523，P=0.038；r=0.503，P=0.047）；治疗前及治疗后即刻组中其余各项纹理参数与肌瘤治疗前体积、治疗后12个月体积、肌瘤体积变化率、治疗前和治疗后12个月标准化SSS及标准化SSS变化率之间均无显著相关性（P＞0.05）。结论：基于MR对比增强T1WI的纹理分析技术可用于预测MRgFUS治疗子宫肌瘤的效果。     

基于ADC图的影像组学模型在前列腺癌Gleason危险度分级中的诊断价值

目的 探讨基于ADC图的影像组学模型在鉴别前列腺癌Gleason危险度分级中的价值。方法 回顾性分析2019年9月至2021年12月行前列腺MRI检查并行手术或穿刺病理学证实为前列腺癌的59例患者资料(28例Gleason评分≤3+4分，31例Gleason评分≥4+3分),采用ITK-SNAP软件对患者的ADC图像进行感兴趣区(ROI)勾画，共勾画病灶73个，采用Pyradiomics方法提取纹理特征Spearman去除相关性较高的特征，最小绝对收缩和选择算法(LASSO)回归进行特征筛选，最终采用迭代的方式建立支持向量机(SVM)分类模型，筛选最优诊断模型，并进行验证，结果用曲线下面积(AUC)表示。结果 共提取94个特征，通过Spearman去除相关系数较高的72个特征后，经LASSO筛选出最佳特征10个，构建SVM最优模型，在训练集中其AUC为0.95(95%CI:0.90～1.00),经交叉验证后，在验证集中AUC为0.87(95%CI:0.72～1.00)。结论 基于ADC图的影像组学模型在鉴别前列腺癌Gleason低危组和高危组中有一定的诊断价值。     

基于高分辨率T2WI影像组学联合临床特征预测食管癌新辅助放化疗疗效的价值

【摘要】目的：探讨基于高分辨率（HR）T2WI影像组学联合临床特征预测食管癌新辅助放化疗后疗效的价值。方法：回顾性分析本院2016年1月-2021年12月新辅助放化疗前接受HRT2WI成像检查并经病理证实的95例食管癌患者资料。依据新辅助放化疗后病理缓解状态结果将患者疗效分为缓解组和未缓解组,在HRT2WI图像上勾画肿瘤感兴趣区（ROI）后采用A.K软件提取影像组学特征,采用最大相关最小冗余（mRMR）算法进行降维,采用逻辑回归模型对筛选出的影像组学特征及临床参数构建模型;采用受试者操作特征（ROC）曲线评估不同模型的预测效能,计算曲线下面积（AUC）、准确率、敏感度和特异度,并采用DeLong检验比较不同模型预测食管癌新辅助放化疗敏感性的效能。结果：缓解组与未缓解组年龄差异具有统计学意义（P=0.001）,其他临床特征差异无统计学意义（P＞0.05）。从1688个组学特征中逐层筛选出4个影像组学特征,构建两个预测模型：基于HRT2WI的影像组学模型、年龄-影像组学模型。HRT2WI影像组学模型在训练集与验证集预测食管癌新辅助放化疗是否缓解的AUC、准确率、敏感度和特异度分别为0.863、80.0%、88.2%、76.7%,0.809、81.5%、75.0%、84.2%。年龄-影像组学模型在训练集与验证集预测食管癌新辅助放化疗是否缓解的AUC、准确率、敏感度和特异度分别为0.888、81.7%、94.1%、76.7%,0.836、81.5%、87.5%、78.9%。年龄-影像组学模型预测食管癌新辅助放化疗是否缓解的AUC、准确率和敏感度均高于HRT2WI影像组学模型,而两者的特异度相仿。结论：基于HRT2WI影像组学模型对食管癌新辅助放化疗是否缓解具有较好的预测效能,且HRT2WI影像组学联合年龄特征模型显示出更高的预测价值。     

ADC直方图分析法鉴别中央带前列腺癌与T2WI低信号增生结节的研究

目的:探讨表现扩散系数(ADC)直方图分析法鉴别诊断中央带前列腺癌和T2 WI低信号增生结节的效能.方法:回顾性分析29例中央腺体(CG)前列腺癌患者(前列腺癌组)和24例T2WI低信号增生结节患者(增生结节组)的MRI图像,所有患者行磁共振DWI检查,b值为0、1000 s/mm2.在MR上确定前列腺癌和增生结节病灶,并与病理结果对照.计算并比较两类病变的平均ADC(ADCmean)值和第10百分位数ADC值(10％ ADC).用受试者工作特性曲线(ROC)分析10％ ADC和ADCmean鉴别CG前列腺癌与T2 WI低信号增生结节的效能.结果:共计32处前列腺癌病灶和28处增生结节纳入研究,增生结节的10％ ADC和ADCmean值分别为(0.81±0.14)×101、(1.03±0.17)×10-3mm2/s,前列腺癌10％ ADC和ADCmean值为0.64±0.12和0.83±0.15,均明显低于增生病变(P＜0.05).10％ADC值鉴别前列腺癌和增生结节的ROC曲线下面积(AUC)为0.87,明显高于ADCmean(0.81) (P＜0.05).结论:表观扩散系数直方图有助于提高中央带前列腺癌与T2 WI低信号增生结节的鉴别诊断.     

基于多参数MRI影像组学鉴别子宫内膜癌和子宫黏膜下肌瘤的价值

【摘要】目的：探讨基于多参数MRI影像组学建立模型在鉴别子宫内膜癌与子宫黏膜下肌瘤中的价值。方法：回顾性收集本院2013年8月-2022年1月经术后病理证实为子宫内膜癌和子宫黏膜下肌瘤病例93例, 其中子宫内膜癌51例，子宫黏膜下肌瘤42例。应用Python软件Pyradiomics包将T2WI、ADC、对比增强T1WI（CE-T1WI）图像勾画的ROI提取影像组学特征，按照7：3的比例随机分为训练集（n=65）和测试集（n=28），应用最小绝对收缩和选择算子（LASSO）回归对训练集数据进行特征降维，筛选最佳影像组学特征，代入Logistic回归机器学习方法构建模型，通过对受试者工作特征曲线、准确率、敏感度、特异度进行分析，探讨T2WI、ADC、CE-T1WI及T2WI、ADC联合CE-T1WI四组影像组学模型的诊断效能。结果：经过降维和筛选，分别在T2WI、ADC、CE-T1WI组中提取24、27、26个影像学特征。构建的鉴别诊断子宫内膜癌和子宫黏膜下肌瘤模型中，T2WI、ADC、CE-T1WI及T2WI、ADC联合CE-T1WI组的训练集和测试集ROC曲线下面积分别为0.97、0.88、0.93、0.99和0.90、0.67、0.85、0.94。结论：基于T2WI、ADC和CE-T1WI建立影像组学模型对鉴别子宫内膜癌和子宫黏膜下肌瘤有一定价值。     

MR信号强度值对区分腮腺多形性腺瘤及与沃辛瘤的诊断价值北大核心CSCD

目的:评估磁共振T1WI及T2WI信号强度值对腮腺多形性腺瘤(pleomorphic adenoma,PA)和沃辛瘤(Warthin tumor,WT)鉴别诊断中的价值。方法:将2018年1月—2020年6月于本院完成MR检查并经病理组织学证实的29例PA及37例WT患者纳入研究。29例PA患者中,男7例、女22例,平均年龄(43±16)岁。37例WT患者中,男35例、女2例,平均年龄(59±11)岁。所有患者在术前行腮腺MRI平扫检查,包括横轴位TSE T1WI、横轴位及冠状位STIR T2WI序列。测量两者MR序列横轴位上信号强度值(SI),T1-max-SI和T2-SI、T2-max-SI、T2-min-SI,并以病灶同层面同侧咬肌SI为参照,计算肿瘤与咬肌的信号强度比值(SIR),比较PA与WT的T1-max-SIR、T2-SIR、T2-max-SIR和T2-min-SIR的差异,并绘制ROC曲线评价以上参数的诊断价值。结果:WT的T1-max-SIR大于PA(P=0.00),T1-max-SIR用于鉴别WT和PA的ROC曲线下面积(AUC)为0.83±0.05,其灵敏度为72.41%,特异度为83.78%。而WT的T2-SIR、T2-min-SIR均小于PA(P=0.01,P=0.01),T2-SIR用于鉴别WT和PA的AUC为0.81±0.06,其灵敏度为86.21%,特异度为75.68%。T2-min-SIR用于鉴别WT和PA的AUC为0.80±0.06,其灵敏度为93.10%,特异度为70.27%。而T2-max-SIR在鉴别WT和PA中差异没有统计学意义(P=0.06),AUC为0.63±0.07,其灵敏度为51.72%,特异度为78.38%。结论:T1-max-SIR、T2-SIR及T2-min-SIR有助于PA及WT的鉴别诊断,诊断阈值分别为1.59、3.52和1.81。     

基于MRI FS-T2WI影像组学鉴别腮腺多形性腺瘤与Warthin瘤的价值

目的 探讨基于MRI FS-T2WI的影像组学分析对腮腺多形性腺瘤与Warthin瘤的鉴别诊断的价值。方法分析108例腮腺常见肿瘤患者的治疗前MRI FS-T2WI图像,其中多形性腺瘤63例,Warthin瘤45例,提取肿瘤瘤体区的影像组学特征,将所有患者分为训练组(多形性腺瘤43例、Warthin瘤30例)和验证组(多形性腺瘤20例、Warthin瘤15例)。使用Python Pyradiomics对所有患者进行特征提取,利用随机森林算法对训练组进行特征选择并构建模型,使用验证组数据对模型进行验证。使用受试者工作特征曲线下面积评估所构建模型对腮腺多形性腺瘤与Warthin瘤的鉴别效能。结果 从MR常规序列FS-T2WI的腮腺肿瘤瘤体区提取了10个重要性排名最高的特征,其中单个特征重要性最高、最具有诊断效能的是平方变换的均匀性。多形性腺瘤的均匀性中位数(四分位间距)是0. 065(0. 049,0. 098),Warthin瘤的均匀度中位数(四分位间距)是0. 151(0. 124,0. 244),该特征的ROC曲线的AUC、最佳临界值、敏感度、特异度分别为0. 853、0. 122、78. 1%、82. 5%。构建模型后在训练组中反映所构建模型预测效能的受试者工作特征曲线的AUC为0. 93±0. 05,在验证组中的AUC为0. 74。结论 基于MRI FS-T2WI影像组学的分析有助于对腮腺多形性腺瘤与Warthin瘤的鉴别诊断。