西南某部新兵对前列腺炎认知度调查分析

目的调查某部新兵对前列腺炎认知情况,指导基层部队开展前列腺炎相关知识的科普教育工作。方法采用自制前列腺炎认知度调查表对某部去年入伍的145名新兵进行前列腺炎认知度调查,对调查结果进行分析。结果145名新兵中既往有前列腺炎病史的有12人,占比8．33％。目前有前列腺炎症状并且符合前列腺炎诊断的有4人,占比2．75％。按学历分组显示大学组战士在前列腺炎的认知度上高于高中组及高中以下组。结论目前在基层部队中新兵对前列腺炎的认知度较低,在新兵入伍教育中可分学历加强新兵对前列腺炎的认知教育,有助于提高新兵新训质量。     

基于IVIM多参数MRI影像组学术前预测直肠癌T分期

【摘要】目的：探讨基于术前体素内不相干运动（IVIM）功能图像和高分辨T2WI图像建立的多参数影像组学模型对直肠癌术前T分期的预测价值。方法：回顾性分析行直肠高分辨率MRI和IVIM扫描,并在2周内进行手术且经病理证实的83例直肠癌患者的临床及影像资料。以7:3的比例将83例患者随机分为训练组和验证组（分别为58例和25例）。由两位放射科医师使用ITK-Snap软件分别在DWI（b=1000s/mm2）、高分辨率T2WI序列图像上对肿瘤原发灶边缘进行三维勾画,并将DWI-ROI映射到IVIM序列（ADCmap、Dmap、fmap）图像上。使用RIAS软件进行特征提取和分析建模,从高分辨率T2WI、DWI、ADCmap、Dmap、fmap序列的每个ROI中分别提取1427个组学特征,每例患者的图像共提取7135个组学特征。通过最小绝对收缩算子算法（LASSO）选择单序列中预测价值最高的影像组学特征,采用逻辑回归模型进行单序列Rad评分的建立;将每个单序列降维后得到的影像组学特征进行融合,再次使用LASSO算法进行降维,最终得到多序列中最有价值的影像组学特征32个,同样采用逻辑回归模型构建多序列融合T分期预测R评分。结果：T1、T2、T3、T4期直肠癌患者例数分别为6、16、47、14例。使用逻辑回归模型建立了单序列及联合序列Rad评分,其中联合序列Rad评分的诊断效能最佳,其在验证组中的ROC曲线下面积为0.929（95％CI：0.78~1.00）,敏感度、特异度分别为0.81、0.75。结论：基于IVIM功能图像和高分辨率T2WI图像建立的多参数影像组学模型对术前预测直肠癌T分期具有一定价值。