CT影像组学鉴别儿童腹膜后神经母细胞瘤和节细胞神经母细胞瘤的价值

目的 基于平扫和增强CT的影像组学分析在鉴别儿童腹膜后神经母细胞瘤（NB）和节细胞性神经母细胞瘤（GNB）中的价值。方法 纳入172例NB和48例GNB患儿,按7∶3的比例分层随机抽样划分为训练集和测试集。分别从平扫期、动脉期和静脉期CT图像中提取并筛选影像组学特征,基于最优特征子集采用多变量回归模型建立各期以及三期复合的影像组学模型,绘制模型ROC曲线,计算并比较各期模型的AUC、准确度、灵敏度及特异性等评价指标。结果 从平扫期、动脉期和静脉期CT图像中分别提取了1218个影像组学特征,最终筛选出平扫期模型4个特征、动脉期模型3个特征、静脉期模型2个特征以及三期复合模型 5 个特征。平扫期模型在训练集中的 AUC 为 0.840（95%CI: 0.778~0.902）,测试集中 AUC 为 0.804（95%CI: 0.699~ 0.899）。动脉期模型在训练集中的AUC为0.819（95%CI: 0.759~0.877）,测试集中AUC为0.815（95%CI: 0.697~0.915）。静脉期模型在训练集中的AUC为0.730（95%CI: 0.649~0.803）,测试集中AUC为0.751（95%CI: 0.619~0.869）。三期复合模型在训练集中的AUC为0.861（95%CI: 0.809~0.910）,测试集中AUC为0.827（95%CI: 0.726~0.915）。结论 基于平扫和增强CT的影像组学特征有助于区分儿童腹膜后NB和GNB,纹理特征相对于一阶直方图特征能更好的反映病灶的差异。平扫期、动脉期和静脉期影像组学模型均可较好鉴别儿童腹膜后NB和GNB。三期复合模型与平扫期、动脉期模型效能相似,但优于静脉期模型。     

基于临床及CT特征构建预测肺浸润性黏液腺癌的机器学习模型

  目的  肺黏液腺癌是一种罕见的肺癌亚型,存在独特的分子生物学特征,并影响治疗方案的选择。本研究拟通过建立浸润性黏液腺癌的机器学习模型来提高治疗前黏液腺癌诊断的准确性。  方法  回顾性分析河北医科大学第四医院在2017年1月—2022年5月期间经穿刺活检或手术病理证实的620例肺浸润性腺癌患者资料。采用倾向性评分匹配法(PSM)进行1 : 1匹配后按7 : 3比例将患者随机分为训练集和测试集, 应用具有统计学差异的变量构建支持向量机(SVM)、随机森林(RF)及逻辑回归(LR)3种机器学习模型, 并通过AUC值选择最优模型。通过5折交叉验证方法分析最优机器学习模型AUC值及绘制决策曲线分析(decision curve analysis, DCA)曲线, 并构建诺莫图。  结果  结果显示病灶位于下叶、囊腔、支气管截断征及ΔCTV值是浸润性黏液性腺癌的独立预测因素。将以上4个特征通过机器学习构建预测模型并进行模型比较, 最终显示逻辑回归模型(AUC = 0. 801)为最优模型。将285例随机抽取30%为测试集(85例), 剩余样本作为训练集进行5折交叉验证, 逻辑回归模型在验证集中得到AUC为0. 777, 测试集中的AUC为0. 785, 准确度为0. 682, 训练集中的AUC为0. 803, 准确度为0. 749。最终构建逻辑回归模型的诺莫图, 模型校准曲线中的Briser Score为0. 149, 且绘制的DCA曲线同样显示该模型具有良好的预测能力及稳定性。  结论  通过对基于临床及CT特征的机器学习模型的分析, 构建了原发性肺浸润性黏液性腺癌的临床预测模型, 该模型具有潜在指导临床诊断的作用。      

基于CT影像组学构建模型对实性肺结节鉴别的价值

  目的  探讨CT影像组学模型对实性肺结节良恶性的诊断效能。  方法  回顾性分析安徽医科大学第二附属医院2019年3月—2022年11月经手术、穿刺或临床证实的231例实性肺结节患者CT影像资料,选择典型的231个肺结节,按病理类型分为良性(98例)和恶性(133例)。采用InferScholar软件分别从二维、三维2个角度对病灶轮廓进行勾画,之后用软件提取影像组学特征,将入组病例以7∶ 3的比例分为训练集和测试集。通过Pearson相关系数、显著性检验、LASSO回归分析方法进行特征筛选。在训练集中分别构建二维、三维影像组学特征模型(模型Ⅰ、模型Ⅱ),用测试集来验证,利用ROC曲线下面积来评价模型的预测效能。  结果  从二维、三维2个角度分别提取出919、1 746个影像组学特征,经过筛选,分别得到12、20个最优影像组学特征,用机器算法构建影像组学模型Ⅰ和模型Ⅱ。训练集中模型Ⅰ的AUC为0.97,模型Ⅱ的AUC为0.98;测试集中模型Ⅰ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.94(95% CI:0.87~0.98)、83.9%、89.5%、86.7%、87.2%、87.0%;测试集中模型Ⅱ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.97(95% CI:0.94~0.99)、75.9%、97.5%、95.7%、84.8%、88.4%。  结论  基于CT影像组学构建的模型能够较好地预测实性肺结节的良恶性,从三维角度构建的模型Ⅱ的诊断效能优于二维角度构建的模型Ⅰ。      

基于单样本基因富集分析分型构建肺腺癌的风险预测模型

目的研究基于单样本基因富集分析（ssGSEA）分型构建肺腺癌的风险预测模型的价值。方法从癌症基因组图谱（TCGA）数据库及基因表达数据库（GEO）中分别获取515例及116例肺腺癌患者的数据。基于TCGA数据库进行ssGSEA分析及聚类分析,将样本分为高免疫评分组和低免疫评分组,并进行免疫相关分析、富集分析及差异分析,进一步获得免疫相关的差异表达基因。将TCGA数据集患者以7∶3随机分为训练集和内部验证集。基于TCGA训练集的免疫相关差异表达基因数据,通过单因素Cox风险回归、套索算法（Lasso）回归以及多元逐步Cox风险回归分析降维,构建肺腺癌患者预后的预测模型,获得相应的风险分数（Riskscore）,并用TCGA内部验证集及GEO外部验证集进行验证。将Riskscore与临床特征进行独立预后因素分析,建立列线图。ROC曲线与校正曲线分析分别用来评估模型的效能及拟合度。结果根据患者样本的ssGSEA免疫评分、聚类分析及差异分析的结果,患者被分为高免疫评分组和低免疫评分组以及获得1447个差异表达基因。再通过单因素Cox风险回归、Lasso回归以及多元逐步Cox风险回归分析降维,获得剩余8个预后相关免疫差异表达基因的最优集合和每例患者的Risks-core。该风险预测模型在训练集、内部验证集及外部验证集的AUC分别为0.703、0.713、0.750。根据独立预后分析结果,肺腺癌的分期及预测模型的Riskscore是肺腺癌患者的两个独立预后因子并联合绘制列线图。列线图1、3、5年总生存期的AUC分别为0.789、0.763、0.746。校正曲线分析也显示该模型的拟合度较好。结论基于ssGSEA分型构建并验证的肺腺癌患者预后风险预测模型,具有较高的预后风险预测效能,可为临床医师判断肺腺癌患者总生存期提供辅助工具。     

CT定量分析鉴别肺亚实性肺腺癌不同病理亚型的价值

目的：研究CT定量分析鉴别肺亚实性肺腺癌不同病理亚型的价值。方法：选取2020年1月-2022年6月海安市中医院肺亚实性肺腺癌患者57例,根据病理亚型分为浸润性肺腺癌（IAC）和非浸润性肺腺癌（n-IAC）,比较IAC患者与n-IAC患者临床特征及CT定量分析参数,采用受试者工作特征（ROC）曲线分析CT定量参数对肺亚实性肺腺癌病理亚型的鉴别诊断价值。结果：IAC患者与n-IAC患者性别、年龄、结节部位、吸烟史、家族史比较,差异均无统计学意义（P>0.05）;IAC患者结节直径、Ⅲ～Ⅳ期占比、低分化占比、淋巴结转移占比均大于n-IAC患者（P<0.05）;IAC患者结节总体积、实性成分体积、三维平均CT值、实性成分体积比、结节总质量、实性成分质量、实性成分质量比均大于n-IAC患者（P<0.05）;ROC曲线分析显示,实性成分体积比、实性成分质量比鉴别肺亚实性肺腺癌病理亚型的cut-off值分别为24.59%、28.74%,AUC分别为0.865、0.928,敏感度分别为84.85%、93.94%,特异度分别为87.50%、79.17%。结论：CT定量分析对肺亚实性肺...     

影像组学特征对磨玻璃结节型肺腺癌病理亚型的预测作用

目的 验证影像组学模型鉴别磨玻璃结节(GGN)型肺腺癌病理亚型(浸润与非浸润)的准确性。方法 回顾性收集184例结节影像学表现为GGN、术后病理证实为肺腺癌的180例手术病例,按照7∶3的比例将入组患者的结节随机分为训练组及验证组,训练组有129例结节,验证组有55例结节。选取磨玻璃结节CT图像中的1 mm平扫序列勾画感兴趣区域(ROI),从中提取960个影像组学特征,通过t检验及LASSO回归方法筛选出7个特征。利用支持向量机(SVM)的方法在训练组中构建影像组学模型,并在验证组中验证其准确性。应用受试者工作特征(ROC)曲线评估模型对GGN型肺腺癌病理亚型的预测效能。结果 单因素分析结果显示,性别和病变位置与GGN的病理亚型差异无统计学意义(P>0.05),而年龄及CT图像中结节最大直径与GGN的病理亚型之间的差异有统计学意义(P<0.05)。影像组学模型在训练组的AUC(95%CI)值为0.94(0.89～0.99),准确度为91%、灵敏度95%、特异度为84%;在验证组的AUC(95%CI)值为0.88(0.83～0.93),准确度为83%、灵敏度84%、特异度为8...     

基于迁移学习的胃镜图像自动识别多分类系统的研究

目的通过迁移学习提高早期胃癌图像识别准确率。方法根据胃癌前病变概念收集5类胃镜图像,分别为早期和进展期胃癌图像783张、胃溃疡图像1042张、慢性胃炎图像1143张、胃息肉图像1096张和正常胃镜图像1763张,按6:2:2的比例分为训练集、验证集、测试集,通过从零训练模型ResNet34与微调迁移模型ResNet34、VGG16相比较。结果基于迁移学习的ResNet34模型识别准确率最高,验证集准确率95.64%,测试集准确率90.75%。结论ResNet34模型可较准确的实现常见胃镜图像识别,较传统深度学习方法对小数据集的医学图像有更好的泛化和特征提取能力。     

基于SEER数据库构建高危PTMC的诊断模型与验证

目的：探讨高危甲状腺微小乳头状癌（papillary thyroid microcarcinoma,PTMC）的风险预测因子，构建可靠的列线图诊断模型并验证。方法：回顾性分析2004至2015年SEER数据库中手术治疗的PTMC患者（训练集）以及2020至2022年四川省人民医院甲状腺诊疗中心诊治的甲状腺微小结节患者（外部验证集）的临床病理及超声影像资料。验证集中，利用logistic回归分析高危PTMC的风险预测因子，构建列线图诊断模型并采用内部验证集和外部验证集分别进行验证。再根据术前超声影像学特征进行间接评估，探讨术前超声影像学特征预测高危PTMC的可行性与可靠性。结果：训练集纳入患者1 552例，外部验证集纳入患者516例。训练集中筛选出高危PTMC的独立危险因素为性别（男性）、年龄（≤55岁）、结节数目（多灶）、包膜侵犯，颈部淋巴结异常（P<0.05），构建出的列线图C指数为0.946。在训练集及外部验证集中，该列线图模型的预测结果与实际情况均具有较好的一致性。基于超声影像特征诊断高危PTMC的受试者工作特征（receiver operating characteris...     

基于支持向量机与XGboost的成年人群肿瘤患病风险预测研究

背景　肿瘤风险预测对于提高人群健康水平、降低患者经济负担意义重大。但随着医疗大数据的产生,传统的统计预测方法逐渐无法满足需求,有必要尝试开展机器学习等新方法在肿瘤预测领域的应用。目的　探讨支持向量机与XGboost和逐步Logistic回归分析在成年人群肿瘤患病风险中的预测价值。方法　本研究时间为2011-2015年,数据来源于中国健康与营养调查（CHNS）,以我国12个地区（黑龙江、辽宁、湖南、山东、贵州、江苏、广西、湖北、河南、北京、上海和重庆）城乡成年（≥18岁）常住居民为对象,经过数据清理,最终纳入19 410人为本研究对象。将研究对象按2∶1分为训练集和测试集,基于逐步Logistic回归分析的变量筛选策略,在训练集上分别建立逐步Logistic回归分析、支持向量机、XGboost肿瘤患病风险预测模型,并在测试集上进行验证。通过比较各模型受试者工作特征曲线（ROC曲线）下面积（AUC）,分析各模型预测肿瘤患病风险的性能。结果　19 410例研究对象中,被诊断为肿瘤患者262例（1.35%）。训练集（n=12 919）中含有174例肿瘤患者,测试集（n=6 491）含有88例肿瘤患者。逐步Logistic回归分析、支持向量机、XGboost在测试集中预测成年人群患肿瘤的正确率分别为72.96%〔95%CI（71.86%,74.04%）〕、99.54%〔95%CI（99.34%,99.69%）〕、70.05%〔95%CI（68.92%,71.16%）〕,AUC分别为76.75%〔95%CI（72.35%,81.14%）〕、86.32%〔95%CI（81.64%,91.00%）〕、79.03%〔95%CI（74.96%,83.10%）〕。支持向量机、XGboost预测成年人群患肿瘤的AUC与Logistic回归模型比较,差异有统计学意义（Z值分别为-2.519、-2.138,P值分别为0.012、0.032）;XGboost预测成年人群患肿瘤的AUC低于支持向量机,差异有统计学意义（Z=2.081,P=0.037）。结论　支持向量机相较于逐步Logistic回归分析预测成年人群肿瘤患病风险的正确率、灵敏度、特异度、AUC等指标较好,而XGboost未见明显优势,但考虑到逐步Logistic回归分析操作的便捷性和可解释性优势,建议在肿瘤风险预测方面,采用支持向量机与逐步Logistic回归分析相结合的模式。     

嘌呤代谢相关基因预测肺腺癌预后模型的构建及验证

目的 探讨嘌呤代谢相关基因预测肺腺癌预后模型的临床应用价值。 方法 嘌呤代谢相关基因数据来源于人类基因数据库,肺腺癌 mRNA 转录组数据和临床数据来源于癌症基因组图谱数据库,并使用 Perl 及 R 软件筛选出与肺腺癌预后有关的表达差异的嘌呤代谢相关基因,并进行京都基因与基因组百科全书和基因本体论富集分析,用 Cox 回归分析及套索回归分析建立预后模型,通过 Kaplan-Meier 生存曲线比较高、低风险组的预后差异,通过 ROC 曲线验证该预后模型预测 1、3、5 年总生存期（OS）的可靠性,使用 Cox 回归分析临床因素与肺腺癌患者预后的关系。最后使用基因表达数据库中的 GSE26939 数据集进行外部验证。 结果 本研究最终筛选出了 5 个与肺腺癌预后相关的嘌呤代谢相关基因（CD19、CYP17A1、KHDRBS2、INHA、PLK1）,并建立了相关预后风险评分模型。Kaplan-Meier 生存曲线显示,低风险组患者 OS 高于高风险组（P＜0.01）。生存状态图及建模基因表达热图显示,高风险组患者比低风险组患者的预后差。1、3、5 年 OS 的 AUC 分别为 0.76、0.74、0.77,提示该模型有较好的预测效能。多因素 Cox 回归分析显示肿瘤分期和风险评分均是肺腺癌患者预后的独立危险因素（均 P＜0.05）。外部验证集的 Kaplan-Meier 生存曲线显示,低风险组患者 OS 高于高风险组（P＜0.01）。生存状态图及建模基因表达热图显示,高风险组患者具有更差的预后。1、3、5 年 OS 的 AUC 分别为 0.96、0.82、0.84,提示模型有较好的预测效能。 结论 嘌呤代谢相关基因可能通过促进肺腺癌细胞的增殖来影响肺腺癌患者的预后,本文建立的预后模型可为临床研究提供潜在依据。     

Risk assessment of malignancy in solitary pulmonary nodules in lung computed tomography: a multivariable predictive model study

Background:Computed tomography images are easy to misjudge because of their complexity, especially images of solitary pulmonary nodules, of which diagnosis as benign or malignant is extremely important in lung cancer treatment. Therefore, there is an urgent need for a more effective strategy in lung cancer diagnosis. In our study, we aimed to externally validate and revise the Mayo model, and a new model was established.Methods:A total of 1450 patients from three centers with solitary pulmonary nodules who underwent surgery were included in the study and were divided into training, internal validation, and external validation sets (n = 849, 365, and 236, respectively). External verification and recalibration of the Mayo model and establishment of new logistic regression model were performed on the training set. Overall performance of each model was evaluated using area under receiver operating characteristic curve (AUC). Finally, the model validation was completed on the validation data set.Results:The AUC of the Mayo model on the training set was 0.653 (95% confidence interval [CI]: 0.613–0.694). After re-estimation of the coefficients of all covariates included in the original Mayo model, the revised Mayo model achieved an AUC of 0.671 (95% CI: 0.635–0.706). We then developed a new model that achieved a higher AUC of 0.891 (95% CI: 0.865–0.917). It had an AUC of 0.888 (95% CI: 0.842–0.934) on the internal validation set, which was significantly higher than that of the revised Mayo model (AUC: 0.577, 95% CI: 0.509–0.646) and the Mayo model (AUC: 0.609, 95% CI, 0.544–0.675) (P < 0.001). The AUC of the new model was 0.876 (95% CI: 0.831–0.920) on the external verification set, which was higher than the corresponding value of the Mayo model (AUC: 0.705, 95% CI: 0.639–0.772) and revised Mayo model (AUC: 0.706, 95% CI: 0.640–0.772) (P < 0.001). Then the prediction model was presented as a nomogram, which is easier to generalize.Conclusions:After external verification and recalibration of the Mayo model, the results show that they are not suitable for the prediction of malignant pulmonary nodules in the Chinese population. Therefore, a new model was established by a backward stepwise process. The new model was constructed to rapidly discriminate benign from malignant pulmonary nodules, which could achieve accurate diagnosis of potential patients with lung cancer.     

基于人工智能CT密度定量对肺结节的良恶性诊断价值

目的 探讨基于人工智能学习CT密度定量对肺内孤立性亚实性及实性结节的良恶性诊断价值.方法 回顾性分析延安大学附属医院2017年6月至2021年6月经手术后病理学检查证实的73例肺内孤立性亚实性及实性肺结节患者,利用人工智能肺结节辅助诊断分析软件对肺结节患者胸部CT进行定量分析.采用独立样本t检验或非参数检验比较两组患者...     

云南地区多结节肺腺癌EGFR突变及其临床意义

目的 探讨使用下一代测序(Next-generation sequencing,NGS)技术检测云南地区多结节肺腺癌患者肿瘤组织中EGFR基因突变与临床病理特征的关系.方法 收集2018年1月至2020年5月云南省分子诊断中心共检测的79例多结节肺腺癌患者送检的111枚肺结节肿瘤组织样本,以NGS法检测EGFR突变情况...     

基于CT影像组学及临床资料预测肝细胞癌微血管侵犯的研究

目的 基于肝细胞癌（hepatocellular carcinoma,HCC）患者的术前CT影像组学特征和术前临床资料分别建立影像组学模型,探讨其预测微血管侵犯（microvascular invasion,MVI）的研究价值。方法 回顾性分析复旦大学附属肿瘤医院2018年1月至2020年12月110例经术后病理结果确诊为HCC患者的资料。采用ITK-SNAP软件勾画肝脏肿瘤边缘,通过Python(3.7.10版本)软件对图像做预处理,使用pyradiomics(3.0.1版本)工具包提取9种滤波器下的八类影像组学特征共1 317个。依据术后病理结果分成MVI阳性组（65例）和MVI阴性组（45例）。分析临床资料,利用逻辑回归算法分别建立影像组学模型,临床模型,临床特征联合影像组学模型（简称联合模型）。通过绘制训练组和测试组的受试者特征曲线（receiver operating characteristic curve,ROC）、ROC曲线下面积（the area under the ROC curve,AUC）、特异性和敏感性评估预测患者MVI状态的诊断效能。结果 筛选出18个最优的...     

肺部CT多发磨玻璃结节的病理诊断分析

目的 探讨影像上持续存在的多发磨玻璃结节（ground-grass opacity,GGO）在病理组织学上的特点.方法 回顾分析本院2010年6月-2012年8月肺CT上存在磨玻璃结节且有病理诊断的病例,统计分析多发磨玻璃结节患者在病理诊断、影像特征等方面的特点,及其随访结果.结果 103例GGO患者中,表现为多发GGO 27例,孤立GGO 76例.多发GGO51个,包括不典型腺瘤样增生（atypical adenomatous hyperplasia,AAH） 14个,细支气管肺泡癌（bronchoalveolar carcinoma,BAC） 11个,腺癌18个,间质性肺炎4个,机化性肺炎2,肺结核2个;孤立GGO 76个,包括AAH 9个,BAC 20个,腺癌34个,机化性肺炎5个,间质性肺炎3个,肺出血2个,肺结核2个,错构瘤1个.多发GGO患者中女性（P=0.0124＜0.05）更多,病灶直径比孤立GGO小（P=0.017 5＜0.05）、磨玻璃成分比例更高（P=0.030 3＜0.05）.胸膜牵拉征在孤立GGO中更常见（P=0.014 9＜0.05）,多发GGO边缘光滑更常见（P=0.028 3＜0.05）.除1例多发GGO患者,其他均无术后复发.结论 肺多发磨玻璃结节的病理、影像特征与孤立磨玻璃结节有所不同.随访发现,这两种结节预后相似.     

超声造影在甲状腺微小癌血流灌注方面的初步研究

目的 应用超声造影动态观察常规超声TI-RADS 3级及3级以上的甲状腺小结节的血流灌注特点,定量分析TIC曲线,探讨甲状腺微小癌超声造影的特征性表现.方法 选取在笔者医院就诊常规超声诊断为TI-RADS 3级及3级以上的、结节直径＜ 1cm患者67例,共72个甲状腺结节行超声造影,所有结节均经手术切除并获得病理诊断.超声造影观察甲状腺结节增强模式和增强强度,分析良、恶性结节的超声造影增强规律.应用Contrast Dynamic定量分析软件分别在甲状腺结节及周边正常甲状腺腺体感兴趣区取样,获取TIC曲线及TIC曲线定量参数（峰值强度、达峰时间、曲线下面积及平均通过时间）,比较良、恶性小结节与周边正常腺体,良、恶性小结节间上述参数差异,探讨甲状腺微小癌的超声造影特征.结果 甲状腺良、恶性小结节的增强规律存在统计学差异,良性小结节以环状增强（25/36）、等增强（28/36）较常见;微小癌以不均匀（33/36）、低（36/36）增强多见;甲状腺微小癌Peak及AUC均小于周围正常组织、AUC小于良性小结节,其差异均具统计学意义（P＜0.05）;而达峰时间和平均通过时间三者间差异无统计学意义（P＞0.05）.结论 甲状腺微小癌的超声造影多表现为不均匀、低增强.微小癌的Peak及AUC均小于周围正常组织,微小癌的AUC小于良性小结节.超声造影能更好地显示甲状腺微小癌的血流灌注情况,对甲状腺微小癌的诊断有一定的意义.     

CT灌注成像对肺癌的诊断研究

目的 探讨CT灌注成像对肺癌的临床诊断价值。方法 选择临床鉴别诊断困难,可疑肺肿瘤的47例孤立性肺结节患者做CT灌注检查,按入选标准共有20例纳入研究。先行常规CT扫描,确定肺肿瘤中心部位,对选定肿瘤层面行灌注成像,包括组织的时间-密度曲线（Time-density curve,TDC）、血流量（Blood flow,BF）、血容量（Blood volume,BV）、对比剂平均通过时间（Mean transit time,MTT）、表面通透性（Permeability surface,PS）等参数,以此来评价并定量地反映孤立性肺结节的血流灌注状态。结果 孤立性肺结节的恶性与良性病变BV、MTT、BF、PS经分别进行两样本独立t检验,四组差异均有统计学意义（P〈0.01）;恶性病变BV、BF、PS明显高于良性病变,而MTT明显低于良性病变。比较传统CT常规扫描方法和CT灌注检查对孤立性肺结节的术前诊断准确率,分别为70%和95%,经χ2检验,其差异有统计学意义（P〈0.05）,显示CT灌注检查诊断符合率更高。结论 CT灌注能反映出孤立性肺结节的血流特点,其结合肺结节常规CT扫描的形态学特征能为肺癌的临床诊断提供重要依据,对临床治疗方案制定起到积极的指导作用。     

吉西他滨联合铂治疗晚期肺鳞癌与肺腺癌疗效分析

目的观察吉西他滨对晚期肺鳞癌与肺腺癌治疗的疗效差别,为临床上晚期肺癌的化疗的药物筛选提供依据。方法肺鳞癌组31例与肺腺癌组37例分别接受吉西他滨（1000mg／m^2）加顺铂（75mg／m^2）或卡铂（AUC=5）化疗,每21d为1周期,每2个周期考评疗效。结果鳞癌组31例和腺癌组37例均能进行临床评价。鳞癌组中部分缓解（partial response,PR）为10例（32．2％）,稳定（stable disease,SD）为14例（45．2％）,进展（progressive disease,PD）为7例（22．6％）,完全缓解（complete response,CR）为24例（77．4％）。中位生存期为12月,1年生存率为54．8％（17／31）。腺癌组中PR为11例（29．7％）,SD为18例（48．7％）,PD为8例（21．6％）,CR为29例（78．4％）。中位生存期为9月,1年生存率为29．7％（11／37）。结论吉西他滨对肺鳞癌与肺腺癌的疾病控制相近,但对鳞癌表现出比腺癌更高的生存时间与生存率。