基于全肿瘤ADC图纹理特征诊断脑胶质瘤分级

目的 探讨基于全肿瘤ADC图的纹理特征鉴别高级别胶质瘤（HGG）与低级别胶质瘤（LGG）的价值。方法 收集66例经病理证实的脑胶质瘤患者,HGG 41例和LGG 25例。基于术前ADC图,提取107个全肿瘤纹理特征,比较HGG与LGG患者107个纹理特征和临床特征的差异;将差异有统计学意义的变量纳入Logistic回归分析模型,筛选出HGG的独立危险因素,并绘制ROC曲线,评价其诊断HGG的效能。结果 单因素分析显示LGG与HGG患者性别、年龄和3个纹理特征（表面体积比、总能量和区域熵）差异有统计学意义。Logistic回归分析显示年龄（P=0.002,优势比=1.090）和区域熵（P=0.003,优势比=2.984）为HGG的独立危险因素。联合年龄和区域熵诊断HGG的ROC曲线下面积为0.844,敏感度为75.6%,特异度为88.0%。结论 基于全肿瘤ADC图纹理特征有助于判断脑胶质瘤级别,联合临床特征诊断效能较高。     

基于深度学习技术探讨乳腺X线密度与乳腺癌临床及病理的相关性

目的:基于深度学习技术探讨乳腺癌患者乳腺X线密度(mammographic density,MD)与临床及病理学指标的相关性,以期为个体化治疗及预后评估提供影像学依据。方法:回顾并分析2019年4—12月于深圳市人民医院经病理学检查证实的205例乳腺癌患者的临床、病理及术前乳腺X线摄影检查资料。根据第5版乳腺影像报告和数据系统(Breast Imaging ReportingandDataSystem,BI-RADS)中乳腺构成分类的标准,采用深度学习技术辅助放射科医师对MD进行评估,将a型(脂肪型)和b型(散在纤维腺体型)乳腺归为非致密组,c型(不均匀致密型)和d型(极度致密型)乳腺归为致密组,采用χ2检验比较两组间临床(年龄、绝经状态、家族史)及病理学(肿瘤大小、组织学分级、淋巴结状态、神经或脉管侵犯情况、病理学类型及各免疫组织化学指标)资料的差异性。采用Spearman等级相关分析MD与年龄组、孕激素受体(progesterone receptor,PR)表达状态的相关性。结果:205例患者中,非致密组56例,致密组149例。两组间年龄、绝经状态的差异有统计学意义(P0.001),年龄组小、绝经前女性患者MD高于年龄组大和绝经后,而家族史的差异无统计学意义(P0.05)。两组间PR表达状态差异有统计学意义(P0.05),致密组PR阳性表达率(77.85%,116/149)高于非致密组(60.71%,34/56),而肿瘤大小、组织学分级、淋巴结状态、是否神经或脉管侵犯、病理学类型、雌激素受体(estrogen receptor,ER)、人表皮生长因子受体2(human epidermal growth factor receptor 2,HER2)及Ki-67表达情况的差异均无统计学意义(P均0.05);Spearman等级相关分析显示,MD与年龄呈显著负相关(r=-0.481,P0.001),与PR表达呈正相关(r=0.196,P0.05)。结论:MD与年龄、绝经状态及PR表达有一定的相关性,对乳腺癌预后具有潜在的预测作用。     

基于神经网络模型预测宫颈癌淋巴结转移

目的 探索基于多参数MRI的放射组学特征和神经网络模型在区分宫颈癌淋巴结转移的效能.材料与方法 回顾性分析178例宫颈癌并提取9个临床及病理特征,经过方差分析进而提取3个特征进入模型.两位观察者分别用软件勾勒得到感兴趣容积,提取到428个放射组学特征.放射组学特征结合临床及病理特征建模:分别组成428维、437维、431维模型.通过Python库的torch和sklearn构建并评价神经网络模型和支持向量机模型.组内相关系数(intraclass correlation coefficient,ICC)来评估观察者之间的信度,使用分类准确率、敏感度、特异度和受试者特征曲线下面积(area under the receiver operating characteristics curve,AUC)用来衡量检测模型性能.使用sklearn中的metrics.roc_curve函数绘制ROC曲线,通过最大约登指数(Youden index)确定最佳界值,并进行诊断效能评估.结果 两位观察者ICC为0.819、观察者内ICC为0.796.431维神经网络模型AUC为0.882,在测试集中该模型的分类准确率、敏感度和特异度分别为0.810、0.840和0.741,优于其他模型.结论 基于多参数MRI的神经网络模型可有效地预测宫颈癌淋巴结转移.     

临床指标联合MRI评估胎盘植入高危患者术中子宫切除风险

目的 探索临床指标联合MRI征象评估胎盘植入谱系疾病(placenta accreta spectrum,PAS)高危患者术中子宫切除风险的价值.材料与方法 回顾性分析251例妊娠晚期(32周以上)PAS高危孕妇的MR图像及临床资料,包括64例子宫切除患者及187例子宫保留患者,对相关临床指标及MRI征象进行单因素及多因素分析,构建预测PAS高危患者子宫切除风险Logistic回归模型.结果 单因素分析显示,剖宫产次数、前置胎盘、T2WI胎盘内暗带、胎盘膨出、子宫肌层变薄或消失、膀胱壁T2WI低信号中断、局部外突性肿块和子宫浆膜面异常血管在两组之间差异具有统计学意义(P<0.01).Logistic回归分析显示,剖宫产次数(X1)、T2WI胎盘内暗带(X2)、胎盘膨出(X3)、子宫浆膜面异常血管(X4)是PAS高危患者子宫切除的独立危险因素,联合预测模型为Logistic(P)=-4.713+0.960X1+1.477X2+1.569X3+1.901X4,模型AUC值0.915(95％CI:0.873～0.946),敏感度、特异度分别为87.50％、81.82％.校准曲线显示模型校准能力好.结论 基于临床指标及MRI征象,有望产前为PAS高危患者子宫切除风险的评估提供依据,改善患者预后.     

无口服对比剂急诊CT平扫对闭合性腹部创伤的诊断价值

目的：探讨无口服对比剂急诊CT平扫对闭合性腹部创伤诊断价值。方法：回顾性分析349倒闭合性腹部创伤患者，采用多层螺旋CT无口服对比剂急诊腹盆腔CT平扫的结果，与经临床随访和外科剖腹探查证实的诊断结果进行对比，观察其符合率。结果：CT报告292例阴性，57例阳性，其中7例假阴性和5例假阳性，对闭合性腹部创伤诊断敏感性为91％，特异性为98％，阳性预测值为88％，阴性预测值为98％。结论：无口服对比剂急诊CT平扫可以作为闭合性腹部创伤患者首选影像学检查方法。     

多层螺旋CT特征联合模型列线图鉴别0期与ⅠA1期肺腺癌

目的 评估多层螺旋CT(MSCT)特征联合模型列线图鉴别0期与ⅠA1期肺腺癌的价值。方法 回顾性分析经手术病理证实的230例肺腺癌患者,其中单发病灶210例,17例存在2个、3例存在3个病灶。根据病理分期将患者分为0期组(n=83)和IA1期组(n=147,含112例微浸润性腺癌和35例浸润性腺癌)。采用单因素分析和二元logistic回归分析筛选肺腺癌分期(0期与ⅠA1期)的独立影响因子,并以之构建联合模型,绘制列线图将其可视化。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各独立影响因子及联合模型鉴别0期与ⅠA1期肺腺癌的效能;绘制校准曲线,行决策曲线分析(DAC),验证模型的效能。结果 分叶征(OR=4.28,P=0.02)、微血管征(OR=2.55,P=0.04)、脐凹征(OR=7.02,P=0.04)、最小密度(OR=1.01,P<0.01)及实性成分占比(OR=1.15,P=0.03)是0期与ⅠA1期肺腺癌的独立影响因子。联合模型鉴别0期与ⅠA1期肺腺癌的AUC为0.88,高于各单一独立影响因子(P均<0.05)。联合模型预测结果与实际情况较吻...     

基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统3类与4类疾病的价值

目的探讨基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统(BI-RADS)3类与4类疾病的价值。方法回顾性分析2020年1至12月在深圳市人民医院及深圳市罗湖区人民医院乳腺X线摄影评估为BI-RADS 3类及4类305例患者的临床及影像资料。305例患者共314个病灶, 均为女性, 年龄21～83(47±12)岁。按1∶1比例交叉、简单随机分配给2名工作经验分别为5年及6年普通影像诊断医师(普通医师A、普通医师B)和2名工作经验均为21年且经过专业乳腺影像培训的乳腺影像诊断医师(专业医师A、专业医师B)单独阅片, 之后分别结合深度学习系统再次阅片, 最终将乳腺病变重新分为BI-RADS 3类或4类。采用受试者操作特征曲线及曲线下面积(AUC)评价诊断效能, 以DeLong法比较AUC的差异。结果普通医师A结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师A单独诊断明显提高(AUC分别为0.79、0.63, Z=2.82、P=0.005);普通医师B结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师B明显提高(AUC分别为0.8...     

免疫检查点抑制剂相关不良反应影像评估

【摘要】使用免疫检查点抑制剂（ICIs）的免疫疗法正在改变癌症的传统治疗模式。ICIs通过增强T细胞介导的抗肿瘤免疫反应来达到抗肿瘤治疗的作用，但同时可能引发T细胞异常激活产生免疫毒性，导致免疫相关不良事件（irAEs）。影像学是评估免疫治疗反应的基石，在监测irAEs方面发挥着关键的作用。由于国内较晚开展ICIs治疗，放射科医生对irAEs的常见影像学表现缺乏认识，国内相关文章也较少报道。本综述旨在总结irAEs最典型的影像学表现并与其他相关的疾病进行鉴别诊断，为临床早期识别并及时治疗irAEs提供影像学评估。     

基于CT放射组学的机器学习模型预测肺腺癌气腔播散的研究

目的 探讨基于术前CT放射组学的机器学习模型预测肺腺癌气腔播散(STAS)的价值。方法 回顾性分析829例病理证实为肺腺癌并且术前3个月行CT检查的患者资料。在中心Ⅰ的709例患者中，采用单因素分析比较STAS状态与临床及放射组学特征间的差异(P<0.05)。随机从中心Ⅰ的578例STAS阴性患者中，选取25%(150例)与131例STAS阳性患者构建放射组学信号。采用10折叠交叉验证(10-fold cross-validation)套索回归(LASSO)进一步特征筛选并用多元Logstic回归建立放射组学信号。将中心Ⅰ患者按0.7∶0.3比例分为训练集及内部验证集。在训练集中用利用放射组学信号和差异有统计学意义的临床特征采用多因素Logstic回归建立预测模型并绘制列线图(Nomogram)。以中心Ⅱ的120例患者作为测试集检验模型的预测效能。结果 多因素Logistics回归结果表明性别和组学分数为独立危险因素。联合模型的在训练集曲线下面积(AUC)为0.84(90%CI:0.80～0.88),在内部验证集和外部测试集的AUC分别为0.83(95%CI:0.78～0.90)...     

基于深度学习的乳腺X线摄影肿块检测系统的应用

目的 探讨基于深度学习(DL)的乳腺X线摄影肿块检测系统的临床应用价值。资料与方法 回顾性分析2019年4—12月深圳市人民医院1 755例接受乳腺X线摄影检查的患者资料。由DL系统和2名初级职称医师采用盲法独立阅片，比较DL系统与2名医师对肿块病灶检出的敏感度，并分析患者年龄、乳腺密度分类、乳腺影像报告和数据系统分类、肿块形态、边缘、密度、大小对于DL系统及2名初级职称医师肿块检出准确度的影响。结果 共检出肿块324例(618个肿块)，2名医师及DL系统分别检出肿块277例(519个肿块)、268例(482个肿块)、284例(533个肿块)。DL系统及2名医师对于肿块检出的敏感度分别为86.25%、83.98%、77.99%,DL系统对于不同乳腺密度分类的肿块检出差异无统计学意义(χ²=3.04,P>0.05)，而2名医师的差异有统计学意义(χ²=9.39、8.96,P<0.05)。DL系统对于不同患者年龄、肿块形态、边缘、密度、大小及乳腺影像报告和数据系统分类的肿块检出差异均有统计学意义(χ²=15.28...