基于乳腺X线摄影的影像组学对乳腺肿块和钙化良恶性分类的研究

目的:探讨基于乳腺X线摄影的影像组学在乳腺肿块和钙化良恶性鉴别中的应用价值,并将结果与有经验的放射科医生相对比。方法:回顾性收集本院PACS系统中2014年5月1日-2020年3月1日诊断性乳腺X线图像,根据纳入和排除标准筛选出边界清晰的乳腺肿块性病变患者188例(316幅X线图像)和钙化性病变患者215例(364幅X线图像),训练集与测试集比例分别为222:94和256:108,良恶性病变比例约1:1。先采用深度学习的自动分割模型获取肿块和钙化区域ROI,再利用影像组学技术建立良恶性分类模型,计算模型预测病灶良恶性的曲线下面积(AUC),准确性(ACC),敏感度(SEN)和特异度(SPE),并且与有经验的放射科医师对比。结果:乳腺肿块影像组学良恶性分类模型的AUC、ACC、SPE、SEN分别为0.84、0.80、0.89、0.73,乳腺钙化影像组学良恶性分类模型的AUC、ACC、SPE、SEN分别为0.88、0.85、0.87、0.84,放射科医生鉴别乳腺肿块良恶性的ACC、SPE、SEN分别为0.80、0.88、0.76,放射科医生鉴别乳腺钙化良恶性ACC、SPE、SEN分别为0....     

基于深度学习自动分割模型的DWI影像组学模型预测前列腺癌盆腔骨转移

【摘要】目的：探讨基于DWI图像利用深度学习方法建立的分割模型对盆腔骨结构的自动分割价值,以及基于自动分割图像建立的影像组学模型对前列腺癌骨转移的诊断效能。方法：回顾性搜集2017年1月－2020年1月因临床怀疑前列腺癌而行盆腔多参数MRI扫描的614例患者的DWI数据,训练3D U-Net模型对盆腔骨质结构进行自动分割。以两位影像科医师手工勾画和标注的8个盆腔骨质结构（下腰椎、骶骨、髂骨、髋臼、耻骨、坐骨、股骨头、股骨颈）为金标准,在不同数据集（训练集、调优集、测试集）中,采用Dice相似系数（DSC）、Jaccard相似系数（JSC）和Hausdorff表面距离（HSD）评估3D U-Net模型自动分割盆腔各骨质结构的效能。另搜集2020年2月-2020年12月在本院经病理证实为前列腺癌的275例患者的影像资料,用于盆腔骨质结构分割模型的外部验证集及建立预测骨转移灶的影像组学模型,采用受试者工作特征曲线（ROC）评估影像组学模型的分类效能。结果：U-Net分割模型在测试集中的DSC、JSC和HSD值分别为0.87±0.03、0.77±0.04和21.75±12.08;在外部验证集中相应参数值分别为0.82±0.06、0.71±0.08和16.27±4.35。基于275例前列腺癌患者的盆腔骨质结构自动分割图像,共提取和筛选出20个影像组学特征参数,所建立的影像组学模型在测试集中的ROC曲线下面积（AUC）为0.965（95%CI：0.899~0.993）,敏感度为97.14%（95%CI：85.1%~99.9%）,特异度为89.36%（95%CI：76.9%~96.5%）。结论：基于DWI图像利用深度学习方法建立的自动分割模型能准确分割盆腔骨质结构,随后建立的影像组学模型可以有效检出盆腔范围内的骨转移灶,为自动评估前列腺癌患者盆腔骨转移提供了新方法。     

晚期前列腺癌患者全身磁共振成像多器官评估思路:MET-RADS-P解读及应用介绍

全身磁共振成像(WB-MRI)对于晚期前列腺癌患者全身转移的诊断和评价治疗后反应有重要价值。但由于WB-MRI技术复杂度高,需要制定规范化的图像采集方案和报告标准,才能广泛推广应用。前列腺癌转移报告和数据系统(MET-RADS-P)是由泌尿外科、肿瘤学和影像学专家组对WB-MRI采集方案及标准化报告最低要求提出的建议,并提供了结构化报告的推荐模板。本文结合文献综述和自身应用体会对MET-RADS-P进行解读。     

利用深度学习实现腹盆部CT图像范围及期相分类:临床验证研究

目的:探讨基于深度学习的分类模型对腹盆部CT图像范围及期相进行自动分类的可行性。方法:回顾性搜集本院2019年10月14日-2019年10月18日PACS中连续416例患者的腹盆部CT图像(数据集A)。按照扫描范围分为腹部、腹盆部、盆部三类,按照扫描期相分为平扫、动脉期、门静脉期、延迟期和排泄期五类。以3D-ResNet为基础架构,训练CT图像范围及期相的分类模型。利用该模型预测2020年1月1日-2020年1月3日本院连续657例患者的腹盆部CT图像(数据集B)。以影像医师的分类结果为金标准,采用混淆矩阵评价模型的分类效能。结果:在数据集B中,扫描范围分类模型在腹部、腹盆部和盆部的符合率分别为95.7%(243/254)、98.4%(362/368)和94.3%(33/35)。对数据集B中的腹部图像进行分析,扫描期相分类模型在平扫、动脉期和门静脉期的符合率分别为100.0%(77/77)、97.6%(82/84)和100.0%(11/11);对数据集B中腹盆部图像进行分析,扫描期相分类模型在平扫、动脉期、门静脉期、延迟期和排泄期的符合率分别为96.6%(144/149)、100.0%(9/9)、100.0%(106/106)、66.7%(44/66)和100.0%(32/32);对数据集B中盆部图像分析,扫描期相分类模型在平扫、门静脉期、延迟期和排泄期的符合率分别为100.0%(13/13)、70.0%(7/10)、88.9%(8/9)和100.0%(1/1)。结论:通过深度学习模型建立腹盆部CT图像性质分类模型的准确性基本可达到临床要求。     

丹红注射液对多柔吡星所致Lewis肺癌小鼠心肌损伤保护作用的研究

摘 要 目的：研究丹红注射液（DH）对抗肿瘤药物多柔吡星（DOX）所致小鼠心肌损伤的保护作用及其机制。方法: 通过腋下注射Lewis肺癌细胞建立小鼠实体瘤模型,随机分为4组：模型对照组、DOX组、DH组、DH+DOX组。实验结束,颈臼处死小鼠,无菌分离心肌和肿瘤组织,肿瘤称质量,比色法检测心肌组织中乳酸脱氢酶（LDH）、肌酸激酶（CK)、超氧化物歧化酶（SOD）、过氧化物酶（CAT）和谷胱甘肽过氧化物酶（GPx）的活性及丙二醛（MDA）的含量;流式细胞仪检测心肌细胞内的细胞凋亡、活性氧（ROS）和线粒体膜电位（△Ψm）。结果: 与模型对照组相比,DOX和DH+DOX组中肿瘤质量显著下降（P<0.01）,且DH对DOX的抗肿瘤作用无显著影响;小鼠心肌组织中LDH和CK活性、细胞凋亡显著增加（P<0.01）。与DOX组相比,DH+DOX组心肌组织中LDH和CK活性、细胞凋亡显著降低（P<0.01）,且△Ψm、SOD、CAT与GPx的活性显著增加（P<0.05或P＜0.01）,MDA含量和ROS生成减少（P<0.01）。结论:腹腔注射DH不影响DOX的抗肺癌作用,但对于DOX介导的心肌损伤具有保护作用,其机制与DH抑制心肌组织氧化应激和稳定△Ψm有关。     

基于3D U-Net深度学习网络对眼眶CT图像的分割：初步探索

目的 探索基于3D U-Net深度学习网络对眼眶CT图像中主要结构进行自动分割的可行性。方法 回顾性搜集34例患者的58个正常的眼眶CT检查图像,由两位影像科医师标注双侧眼眶、眼球、上直肌、下直肌、内直肌、外直肌、视神经结构,按照8∶1∶1的比例随机分为训练集、调优集及测试集,训练3D U-Net分割模型,输出径线、体积及CT值,并返回到结构化报告。用测试集的Dice值进行客观评价,并用非参数检验和Bland-Altman散点图比较手工标注和模型预测的结果。医师对预测结果进行满分为10分的主观评价。用另外10个眼肌增粗图像进行外部验证。结果 测试集各结构的平均Dice值为0.82±0.12,眼肌平均体积为552.83～859.04 mm³。模型预测与手工标注所得到的体积、径线及CT值的测量结果之间的差异大多无统计学意义（P>0.05）。该模型的主观评价总分为7.00±2.00。外部验证敏感性为95.12%,特异性为53.85%。结论 基于3D U-Net的眼眶CT图像的分割以及体积、径线和CT值的自动测量是可行的,其测量结果可自动导入结构化报告,准确性符合临...     

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。     

应用深度学习进行基于前列腺癌转移报告和数据系统指南的晚期前列腺癌盆腔外脏器及转移灶分割

目的 探讨应用深度学习进行基于前列腺癌转移报告和数据系统指南的晚期前列腺癌患者盆腔外脏器及转移灶分割的可行性。资料与方法 回顾性收集北京大学第一医院2017年1月—2022年1月不同扫描部位（头部、颈部、胸部、腹部）的经临床综合诊断存在转移灶的数据集（头部、颈部、胸部及腹部转移患者分别为68、91、57、263例）,用于进行扫描范围的分类模型及不同区域脏器和转移灶的分割模型训练。另收集90例经病理证实为前列腺癌且行全身MRI患者用于模型的外部验证。以手工标注的区域（脑实质、颈椎、肺实质、纵隔、胸椎、肝、腰椎）及转移灶标签为“金标准”,评估模型的分割性能。评价指标包括Dice相似系数（DSC）、体积相似度（VS）。结果 在外部验证数据集中,分类模型在头部、颈部、胸部和腹部的符合率分别为100%(90/90)、98.89%(89/90)、96.67%(87/90)和94.44%(85/90);分割模型对不同区域脏器分割的DSC、VS范围分别为（0.86±0.10）～(0.99±0.01)、（0.89±0.10）～(0.99±0.01);分割模型对不同转移灶分割的DSC、VS范围分别为（0....     

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。