探讨高低场强多参数MRI对PI-RADS（第2版）定性诊断前列腺临床显著癌的价值

【摘要】目的：对比1.5T和3.0T多参数MRI（mpMRI）结合前列腺影像报告和数据系统（PI-RADS v2）对临床显著前列腺癌的诊断准确性。方法：从2010年12月至2013年12月行前列腺mpMRI检查的患者中,筛选出以定性诊断前列腺癌为目的、且在检查后3个月内取得经直肠超声引导下活检病理结果的447例患者纳入分析,年龄（68.7±9.0）岁,PSA（15.4±14）ng/mL。其中75例使用1.5T MR仪,372例使用3.0T MR仪。检查序列包括常规T2WI、DWI（b=0、800s/mm2）和动态增强扫描。以病理结果作为金标准,Gleason评分≥7认为是临床显著癌。由两位放射科医师对入组病例使用PI-RADS v2进行独立阅片分析,将1.5和3.0T mpMRI的诊断结果进行诊断效能分析和一致性检验。结果：447例中经病理证实的临床显著前列腺癌195例（43.6%）。1.5T和3.0T两组的受试者工作特征（ROC）曲线下面积（AUC）分别为0.94和0.89,诊断敏感度分别为95.0%和85.8%,特异度分别为91.4%和80.7%,阳性预测值为92.7%和76.1%,阴性预测值为94.1%和88.8%;两组间诊断准确性的差异无统计学意义（P＞0.05）。结论：不同场强多参数MRI对PI-RADS v2定性诊断前列腺临床显著癌的影响不显著。     

泌尿系结石CT征象与手术方式的相关性：NLP研究

目的:以自然语言处理(NLP)方法研究泌尿系结石CT报告征象与临床手术方式的相关性.方法:回顾性选取HIS中因泌尿系结石行CT检查、并在本院行外科处理的住院患者资料,包括CT报告、出院小结中记录的诊疗经过,形成记录文档.使用不同NLP模型研究CT报告中结石的影像特征与手术方式的相关性.结果:共纳入371例连续患者的资料用于分析,其中行经皮肾镜碎石取石术(PNL) 142例,输尿镜碎石术(URL) 190例,输尿管软镜碎石术(IRS) 39例.NLP提取“结石”、“炎症”、“输尿管形态”为关键CT特征,十折交叉验证结果显示,经优化后的NLP对结石手术(URL和PNL)分类符合率为0.730,ROC曲线下面积为0.741.结论:NLP用于CT结石特征分析是可行的,可为临床决策提供一定的帮助.     

动脉自旋标记序列对前列腺癌血流灌注无创定量测量的可行性研究

目的：探讨基于流动敏感交替反转恢复标记技术（FAIR）结合单次激发快速自旋回波（SSFSE）成像技术的动脉自旋标记（ASL）序列无创定量测量前列腺血流灌注（PBF）的可行性。方法：15例经临床活检确诊的前列腺癌患者纳入本组研究,每例患者同时采集4个不同反转时间（1000、1200,1400和1600ms）下的ASL数据,以获得最优的标记血流到前列腺时间来估算其PBF。结果：前列腺正常组织区域测得的PBF为（52．04±8．69）ml／min／100g,前列腺癌区测得的PBF为（79．28±28．89）ml／min／100g,两者差异有统计学意义（P〈0．01,最优TI）,表明前列腺癌区有更大的血流灌注。结论：初步结果表明基于流动敏感交替反转恢复标记技术结合单次激发快速自旋回波成像技术的动脉自旋标记序列（FAIR-SSFSE—ASL）可以无创、定量测量前列腺血流灌注,可探测到由于前列腺癌而引起的血流灌注改变。     

前列腺癌体积对PI-RADS v2检出效能的影响：基于逐层切片病理检查

【摘要】目的：探讨以第二版前列腺影像报告及数据系统（PI-RADS v2）为诊断标准,多参数MRI（mpMRI）对不同体积前列腺癌的诊断效能。方法：52例前列腺癌患者行mpMRI检查,且所有患者在本院行前列腺根治术并进行逐层切片病理检查,共发现83个临床显著癌,其中体积≥0.5cm3的癌灶（任何Gleason评分）47个（A组）,体积＜0.5cm3且Gleason评分≥3+4的癌灶36个（B组）。由两位阅片者以PI-RADS v2作为评分标准,对所有患者的mpMRI图像进行独立盲法阅片,分别比较两位医师对两组临床显著癌的检出率。结果：两位阅片者对A组中外周带癌和移行带癌的检出率分别为100%（25/25）、100%（25/25）和100%（22/22）、86.4%（19/22）。两位阅片者对B组中外周带癌和移行带癌的检出率分别为36%（9/25）、52%（13/25）和9.1%（1/11）、9.1%（1/11）。结论：PI-RADS v2对于体积≥0.5cm3的癌灶具有非常高的检出率,但对于体积＜0.5cm3且Gleason评分≥3+4的癌灶诊断价值有限。     

泌尿系结石患者手术方式的选择：“临床信息+CT特征”的预测效能

目的:探讨泌尿系结石手术前的临床信息(症状、体征等)和CT报告与手术方式的相关性.方法:选取因泌尿系结石住院治疗的患者的病例资料,导出有完整术前资料的患者文档,以自然语言处理(NLP)技术对文档进行分析,提取加工其中的关键信息,研究术前关键信息与手术方式的相关性.结果:收集连续患者资料371例,行输尿镜碎石术(URI)患者190例,行经皮肾镜碎石取石术(PNL)患者142例,行输尿管软镜碎石术(RIRS)患者39例.利用NLP比较临床信息、CT报告与手术方式的相关性,单纯“CT报告”分类符合率为0.456,ROC曲线下面积为0.608;“CT报告+临床信息”分类符合率为0.461,ROC曲线下面积为0.618.增加临床信息后,NLP模型的分类符合率未见明显变化,但决策树路径变长,节点变多,规则复杂,不利于临床使用.结论:对于拟行手术的泌尿系结石患者,手术前的CT报告与手术方式具有相关性,可为手术方式的临床决策提供直接有效的信息.增加症状和体征的临床信息,不能提高预测手术方式的符合率.     

利用深度学习构建自动分类模型以辅助髌骨轴位X线片的图像质控

【摘要】目的：利用深度学习方法训练髌骨轴位X线片图像质量控制的自动分类模型。方法：回顾性收集髌骨轴位X线片,由两位专家将髌骨轴位X线片分为不同数据组以训练模型,分别为：术后/非术后共175例（术后96例,非术后79例）,侧别共735例（左侧419例,右侧316例）,图像质量共453例（图像质量不合格246例,图像质量合格207例）。上述每组数据均按8:1:1的比例随机分为训练集、调优集和测试集,即：术后/非术后为136例、21例、18例,侧别586例、75例、74例,图像质量为362例、46例、45例。训练HRNet模型对上述三组图像进行自动分类,应用混淆矩阵评价模型分类预测效能,以符合率为评价指标。结果：测试集中,三组图像分类模型的预测符合率依次为：术后/非术后94.4%（17/18）、侧别98.6%（73/74）、图像质量91.1%（41/45）。结论：基于深度学习训练的分类模型对髌骨轴位X线片进行图像质量控制效能良好,有利于工作流程的优化及后续对接AI诊断模型。     

使用U-Net 深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究

目的:研究训练U-Net模型自动分割腰椎矢状面T₂WI图像中各结构的可行性。方法:回顾性搜集腰椎矢状面T2WI图像数据,共获得80个矢状面T₂WI序列。由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经。将数据随机分为训练集、调优集和测试集,使用U-Net网络分两步(coarse-to-fine)训练腰椎矢状T₂WI分割模型。模型评价指标包括客观评估(Dice系数)和主观评估。结果:11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82~0.9(平均0.864)、椎间盘0.86~0.92(平均0.898)、椎管/硬膜囊0.76~0.87(平均0.837)、椎间孔0.6~0.76(平均0.67)、脊髓及马尾神经0.55~0.9(平均0.669)。主观评估各解剖部位分割满意率分别为椎体97.5%、椎间盘97.9%、椎管/硬膜囊86.4%、椎间孔76.7%、脊髓及马尾神经78.6%。结论:基于U-Net深度学习网络对腰椎矢状T₂WI图像的解剖结构进行自动分割是可行的。     

利用U-net算法在头CT平扫图像上分割脑梗死的初步探究

【摘要】目的：基于深度学习方法训练辅助诊断模型,探究对头CT平扫（NCHCT）图像中脑梗死病灶自动分割的可行性。方法：搜集自2018年5月1日-2020年8月31日影像诊断报告中诊断印象包含“梗死”关键词的NCHCT连续病例1185例,筛选出最终证实为脑梗死的数据362例。由两位医师结合最终结果手工标注脑梗死区域。将数据按8：1：1的比例随机分为训练集（training set,n=288）、调优集（validate set,n=37）和测试集（test set,n=37 例）。训练2D U-net模型分割脑梗死病灶,分割结果自动输入到结构化报告中。对测试集的预测结果和人工标注的结果进行比较,统计梗死病灶体积、径线的差异,使用Dice相似系数（DSC）、体积相似度（VS）和Hausdorff距离（HD）评价模型的预测效能。使用Bland-Altman评价模型预测的病灶体积、径线和CT值与手工标注的一致性。结果：测试集中平均DSC为0.66 (95% CI：0.60~0.72),平均VS为0.75(95%CI：0.69~0.82),平均HD为39.69mm(95%CI：32.38~47.01)。Bland-Altman图显示模型预测与手工标注对病灶大小和CT值测量的一致性较高,体积、径线和CT值数据点位于95%一致性界限（95% limits of agreement,95% LoA）外的数据为2.8%~11.1%。结论：基于深度学习的辅助诊断模型可用于分割NCHCT中的脑梗死病灶,并自动生成报告,对患者分诊有一定作用。     

基于U-Net实现CT图像上肝段自动分割和术前评估的初步研究

目的:评估基于U形全卷积神经网络(U-Net)对CT图像上Couinaud法肝段的自动分割及体积测量的准确性,探讨其用于半肝切除术剩余肝脏体积百分比(FLR%)评估的可行性。方法:回顾性收集医学中心A的腹部CT增强扫描数据(共170例)用于肝段分割模型的建立,先分割肝脏轮廓,再训练自动分割肝段的模型,最终获得各肝段体积。将放射科医生标注的肝段数据作为金标准。采用医学中心B的CT数据(50例)作为外部验证集,以平均Dice相似性系数(DSC)评价模型效能,分析比较模型与医师在肝段分割、体积测量、FLR%评估上的差异。结果:医学中心A所有数据随机分为训练集(132例)、调优集(19例)、测试集(19例)。外部验证集平均DSC值为(0.92±0.00),肝段平均体积最小为Ⅰ段[(37.59±1.26) mL],最大为Ⅷ段[(241.76±6.07) mL]。模型与手工标注FLR%评估结果一致性高(95%一致范围为0.9768～0.9906),在手术可行性预测上差异无统计学意义(P=0.25)。结论:基于U-Net的Couinaud’s肝段自动分割、体积测量并评估半肝切除术FLR%具有可行性。     

U-Net模型在CT图像实现肾实质和肾窦分割及体积和径线测量

【摘要】目的:利用U-Net模型实现CT图像肾脏分割,测量肾实质和肾窦体积和径线。方法:搜集本院PACS中365例腹部CT增强检查中双肾正常者动脉期薄层图像。其中93例用于训练U-Net分割模型,272例用于模型效能评价。由两位影像专家检查模型返回分割结果,评价结果是否可用于体积和径线测量。以去除最小连通域方法处理图像保留像素数计算双侧肾实质和肾窦的体积。以最小体积包围盒算法测量双侧肾实质、肾窦径线。测量结果自动填写到结构化报告完成肾脏大小定量评估。建模时人工标注93例和预测时模型分割效果好272例共同用于体积和径线测量。计算肾实质、肾窦体积及三维径线95%参考值范围,采用相关性分析探讨相关因素,应用多元线性回归分析探讨其影响因素。结果：专家评价U-Net模型可很好地完成双侧肾实质和肾窦分割。测试集中分割右肾实质DICE值0.97±0.01,分割左肾实质DICE值0.97±0.01,分割右肾窦DICE值0.84±0.06,分割左肾窦DICE值0.88±0.04。多元线性回归分析显示肾实质体积=0.654×身高-0.597×年龄+0.653×体重-6.321×侧别-8.824×性别,回归方程R2为0.304;肾窦体积=0.213×体重+0.168×年龄-4.162×侧别-2.052×性别+0.122×身高,回归方程R2为0.389。模型测量结果可自动填写入结构化报告中。结论：基于U-Net可有效分割CT图像肾实质和肾窦并测量径线及体积,自动完成影像报告中双肾大小定量评估;肾实质体积和肾窦体积均与性别、年龄、身高、体重、侧别有一定关联。