肝脏原发性未分化多形性肉瘤的CT及MRI表现

目的 观察肝脏原发性未分化多形性肉瘤（UPS）的CT与MRI表现。方法 回顾性分析8例经病理证实的肝脏原发性UPS患者的影像学资料。结果 6例肿瘤位于肝右叶,1例位于肝左叶,1例位于尾状叶。6例病灶呈不规则形,边界模糊;2例呈类圆形,边界尚清。7例呈混杂密度,1例密度较均匀。8例肿瘤增强扫描动脉期均呈轻度不均匀强化,静脉期肿瘤强化程度、范围均进一步增加;6例肿瘤延迟期持续强化。4例肿瘤并发下腔静脉或门静脉癌栓。结论 肝脏UPS的CT及MRI表现具有一定特征性,有助于诊断。     

MRI表观弥散系数用于腰椎间盘退变诊断的价值

目的 探讨MRI表观弥散系数值（ADC）用于腰椎间盘退变诊断的价值。方法 对50例腰痛患者进行腰椎MRI常规序列和弥散加权成像（DWI）扫描,测量每个腰椎间盘平均ADC值,分析腰椎间盘平均ADC值与退变分级、解剖部位的相关性。结果不同退变分级腰椎间盘平均ADC值差异有统计学意义（P＜0.01）,且退变分级越高,其平均ADC值越低;相同退变分级不同解剖部位腰椎间盘平均ADC值均有统计学差异（H=36.71、11.51、21.32,P＜0.05或0.01）,解剖部位与II~IV级ADC值呈正相关（r=0.41、0.40、0.55,均P＜0.01）,越接近足侧腰椎间盘其平均ADC值则越高。结论MRIADC值能够定量评估椎间盘退变,间接反映退变椎间盘微观结构的改变,为临床诊断和治疗提供更多有效信息。     

肝脏原发性神经内分泌癌的CT诊断及鉴别

目的探讨肝脏原发性神经内分泌癌(NEC)的CT诊断及鉴别诊断。方法回顾性分析2007年7月~2016年6月经病理证实的7例肝脏原发性NEC患者的临床、病理及影像资料并总结分析其CT表现。结果 7例患者中单发4例,多发3例,表现为单个较大主灶伴多发子灶。肿瘤最大径4.8~17.3cm,4例边界清楚,3例边界欠清。7例密度均欠均匀,可见不同程度囊变坏死。动脉期7例肿瘤实质部分轻中度不均匀强化,门脉期持续强化,其中3例强化范围增加,逐渐向内填充。肿瘤血管显影3例,瘤体边缘包膜样强化2例。侵犯胆囊壁2例;肝内胆管扩张3例;肝门区、后腹膜淋巴结肿大4例。结论肝脏原发性NEC的CT表现具有一定特征,CT检查对该病诊断与鉴别有一定的价值,确诊仍需依赖病理。     

基于CT皮质期影像组学预测肾细胞癌亚型的研究

目的：探讨基于CT皮质期影像组学鉴别肾透明细胞癌(ccRCC)和非透明细胞癌(non-ccRCC)的价值。方法：回顾性分析2017年1月—2022年12月经病理证实的122例肾细胞癌患者的资料,其中ccRCC 82例,non-ccRCC 40例,并以随机数表法按7∶3的比例将患者分成训练集(n=85)和验证集(n=37)。在CT皮质期手工逐层勾画肿瘤感兴趣区(ROI)后提取影像组学特征,使用特征间线性相关检查和F检验依次进行特征筛选,采用逻辑回归分类器构建影像组学模型。采用t检验、χ²检验及Logistic回归分析筛选CT影像特征,建立常规影像模型。综合影像组学评分和常规影像模型建立联合模型。绘制ROC曲线评估各模型的预测效能,AUC比较采用Delong检验。结果：影像组学模型在训练集和验证集中的AUC分别为0.990(95%CI 0.976～1.0)和0.890(95%CI 0.774～1.0)。在训练集和验证集中,影像组学模型和联合模型的预测效能均优于常规影像模型,差异有统计学意义(P均<0.05);相比联合模型,在验证集中影像组学模型的预测效能略高,但...     

基于CT征象构建肾透明细胞癌WHO/ISUP分级积分评价系统

目的探讨基于CT征象构建的积分评价系统对术前预测肾透明细胞癌（ccRCC）WHO/国际泌尿病理学会（ISUP）分级的评估价值。方法收集2017年1月至2022年9月杭州市中医院（87例）和浙江大学医学院附属邵逸夫医院（53例）经病理检查证实的ccRCC患者共140例,依据WHO/ISUP分级标准分为低级别组（98例,Ⅰ级13例、Ⅱ级85例）和高级别组（42例,Ⅲ级34例、Ⅳ级8例）,并以分层抽样法按照8∶2的比例将患者分为训练集（112例）与验证集（28例）。通过Mann-WhitneyU检验、χ2检验、多因素logistic回归分析CT征象筛选组间差异有统计学意义的因素,并进行加权赋分得到积分模型;绘制ROC曲线评价模型预测效能;最后将积分模型分为3个积分区间。结果多因素logistic回归分析显示,形状与边界、坏死及皮髓质期强化程度为预测ccRCC分级的独立危险因素,该模型的AUC为0.851（95%CI：0.762~0.941）,灵敏度为0.794,特异度为0.846。积分模型包括形状与边界（分叶型2分或浸润型3分）、大量坏死（3分）及皮髓质期轻中度强化（2分）。积分模型的AUC为0.850（95%CI：0.760~0.940）,应用Youden指数确定最佳阈值（3.5）,灵敏度为0.765,特异度为0.859。将积分模型分为3个积分区间：0~3分、4~6分、7~8分。随着积分增加,训练集、验证集各积分区间高级别ccRCC的发生率逐渐增高。结论基于CT征象构建的积分评价系统对术前预测ccRCCWHO/ISUP分级具有较高的临床应用价值。