CT纹理分析鉴别诊断肾脏嫌色细胞癌与嗜酸性细胞腺瘤

目的 探讨肾脏增强CT的纹理分析在鉴别肾脏嫌色细胞癌（CCRC）与嗜酸性细胞腺瘤（RO）中的价值。方法 回顾性分析64例CCRC和31例RO病灶的CT图像，采用ITK-SNAP version 4.11.0软件进行ROI勾画并使用A.K.Version V3.0.0.R软件提取纹理特征。通过随机森林算法选取纹理参数，采用Logistic回归评价所得参数鉴别CCRC与RO的效能。结果 使用Logistic回归对随机森林算法筛选得到的皮质期、实质期及两期混合后权重值由高到低的前20个纹理参数进行评价，AUC值分别为0.876、0.861和0.945。结论 基于肾脏增强CT图像纹理分析对鉴别诊断CCRC与RO具有临床价值。     

CT值不均匀度诊断肾透明细胞癌

目的 探讨CT值不均匀度鉴别诊断肾透明细胞癌的价值。方法 回顾性分析经术后病理证实为肾细胞癌患者的CT图像,纳入169个肿瘤,分为透明细胞癌组(n=152)和乏血供肾细胞癌组(n=17)。测量CT值的标准差,同时测量皮髓质期和实质期肿瘤的CT值,及同层面正常肾脏皮质和腹主动脉的CT值并获得CT值比值参数: 皮髓质期肿瘤CT值/正常肾脏皮质CT值(TCOCM),皮髓质期肿瘤CT值/腹主动脉CT值(TAOCM),以及实质期肿瘤CT值/正常肾脏皮质CT值(TCON)、实质期肿瘤CT值/腹主动脉CT值(TAON)。对两组以上参数进行统计学分析。结果 皮髓质期透明细胞癌组的CT值标准差(29.60±9.57)高于乏血供肾细胞癌组(18.85±8.10;t=－4.46,P<0.001)。平扫和实质期两组肿瘤CT值标准差差异均无统计学意义(P均>0.05)。皮髓质期的CT值标准差与透明细胞癌的Fuhrman分级存在弱相关(r=－0.16,P=0.049)。透明细胞癌组的TCOCM、TAOCM、TCON、TAON均高于乏血供肾细胞癌(P均<0.05)。结论 肾透明细胞癌皮髓质期的CT值标准差高,且CT值标准差可能与Fuhrman分级相关。CT值标准差可作为反映透明细胞癌皮髓质期不均匀强化的定量指标。     

基于增强CT影像组学模型鉴别肾透明细胞癌与非透明细胞癌

目的 建立基于增强CT的影像组学模型,评估其鉴别肾透明细胞癌（ccRCC）与非透明细胞癌（non-ccRCC）的应用价值。方法 将147例ccRCC及32例non-ccRCC患者随机分为训练集125例和测试集54例。将所有患者的增强CT资料导入ITK-SNAP软件,手动勾画ROI,获得16个特征,分别建立基于特征的随机森林（RF）模型和逻辑回归（LR）模型,采用ROC曲线观察模型对ccRCC的诊断效能。结果 训练集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度0.83;LR模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.83。测试集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.89;LR模型诊断ccRCC的AUC为0.88（P<0.05）,特异度为0.90,敏感度为0.77。结论 基于增强CT影像组学模型可用于鉴别ccRCC与non-ccRCC;RF模型诊断价值较LR模型更高。     

能谱CT鉴别肾脏嗜酸性细胞腺瘤和嫌色细胞癌

目的 观察能谱CT多参数鉴别诊断肾脏嗜酸细胞腺瘤（RO）与嫌色细胞型肾癌（CRCC）的价值。方法 回顾性分析经手术病理证实的12例RO（RO组）和30例CRCC（CRCC组）患者，测量并计算皮/髓质期70 keV单能量CT值、碘浓度（IC）、标准化碘浓度（NIC）、水浓度（WC）、有效原子序数及40~70 keV能谱曲线斜率（λ值）。比较2组常规CT征象及能谱CT参数差异，以ROC曲线评估差异有统计学意义的参数鉴别RO与CRCC的效能。结果 2组常规CT显示病灶中心瘢痕出现率差异有统计学意义（χ²=3.038，P=0.046）。能谱CT参数中，RO组皮/髓质期70 KeV单能量CT值、IC、有效原子序数、λ值及皮质期NIC均高于CRCC组（P均<0.05），髓质期NIC及皮/髓质期WC与CRCC组差异均无统计学意义（P均>0.05）。以皮质期λ值5.68为阈值鉴别RO与CRCC的AUC最高为1.00（P<0.01），敏感度及特异度均为100%。结论 能谱CT参数，包括皮/髓质期70 keV单能量CT值、IC、有效原子序数、λ值及皮质期NIC对鉴别RO与CRCC具有一定价值。     

脑部CT平扫图像直方图分析鉴别肿瘤性与非肿瘤性脑出血

目的 观察脑部CT平扫图像直方图分析鉴别诊断肿瘤性与非肿瘤性脑出血的价值。方法 收集116例非肿瘤性脑出血（非肿瘤组）和44例肿瘤性脑出血（肿瘤组），分析其脑部CT平扫图像直方图，获得病灶的直方图参数，包括最小值，第5、25、50、75、95百分位CT值、最大值、标准差、平均值、偏度和峰度。比较2组间直方图参数的差异，以ROC曲线分析各参数鉴别诊断肿瘤性与非肿瘤性脑出血的效能。结果 肿瘤组最大值、第5、25、50、75、95百分位CT值、平均值、标准差均小于非肿瘤组（P均<0.05），偏度和峰度大于非肿瘤组（P均<0.05），最小值与非肿瘤组差异无统计学意义（P>0.05）。ROC曲线分析结果显示，最大值、第25、50、75、95百分位CT值、平均值及标准差鉴别肿瘤性与非肿瘤性脑出血的诊断价值中等，其中第50百分位CT值的AUC最高（0.82），敏感度和特异度分别为0.92和0.68。结论 脑部CT平扫图像直方图分析可作为鉴别诊断肿瘤性与非肿瘤性脑出血的辅助手段。     

Revolution CT全肾灌注成像动脉期数据对肾透明细胞癌灌注参数值的影响

目的 探讨Revolution CT全肾灌注成像去除动脉期数据对肾透明细胞癌灌注参数值的影响。方法 回顾性分析接受Revolution CT肾脏增强及灌注扫描、并经手术病理证实为肾透明细胞癌的患者10例。采用Revolution CT机轴扫模式进行灌注扫描,采用CT Perfusion 4D肾脏灌注软件包进灌注成像分析,对所有图像均进行2次后处理,第1次选择所有的灌注数据为A组;第2次去除第9~15期数据,共测量16期,为B组。选择右侧肾门水平腹主动脉为输入动脉,获得血流量（BF）图、血容量（BV）图、平均通过时间（MTT）图及表面通透性（PS）图。分别对比2组肿瘤与正常肾皮质间各灌注参数的差异,并比较A组和B组间肿瘤、正常肾皮质间各灌注参数值的差异。结果 A组和B组中肿瘤较正常肾皮质的BF值及PS值均减低（P均<0.05）,BV及MTT值差异均无统计学意义（P均>0.05）。2组病变侧各灌注参数值差异均无统计学意义（P均>0.05）,2组正常肾皮质的BF值差异有统计学意义（P=0.009）,余灌注参数值差异亦无统计学意义（P均>0.05）。结论 灌注扫描时间为600 s时,去除动脉期数据后测量的肾透明细胞癌各灌注参数值与包含动脉期数据测量的结果无差异,去除动脉期的数据可用于诊断肾透明细胞癌。     

基于CT影像组学模型鉴别肾乏脂肪血管平滑肌脂肪瘤与均质肾透明细胞癌

目的 基于增强CT影像组学特征联合临床特征建立综合模型，验证其术前鉴别肾乏脂肪血管平滑肌脂肪瘤（fp-AML）与均质肾透明细胞癌（hd-ccRCC）的效能。方法 回顾性分析经病理证实的32例fp-AML与39例hd-ccRCC。在增强CT皮质期、实质期及排泄期图像手工勾画肿瘤ROI，提取影像特征，计算观察者间及观察者内组内相关系数（ICC），采用LASSO回归进行特征选择，通过Logistic多元回归分析构建回归方程，并计算皮质期、实质期、排泄期及三期联合的影像组学得分。通过Logistic多元回归分析建立综合模型，并绘制列线图。采用Hosmer-Lemeshow拟合优度检验评价列线图的拟合度，以ROC曲线分析检测列线图的鉴别效能，以决策曲线评价列线图鉴别fp-AML和hd-ccRCC的净获益。结果 自各期图像中提取出包括强度、形状、纹理、图像滤波在内共1 029个特征，对ICC均>0.75的特征进行LASSO选择，分别于皮质期、实质期、排泄期和三期联合获得6、6、5和7个有鉴别意义的特征，AUC分别为0.83[95%CI（0.73，0.92）]、0.80[95%CI（0.70，0.91）]、0.78[95%CI（0.68，0.89）]和0.86[95%CI（0.77，0.95）]。基于三期联合影像组学得分和临床特征的列线图的AUC为0.90[95%CI（0.81，0.99）]，以之术前鉴别fp-AML和hd-ccRCC可获得较满意的诊断净获益。结论 通过列线图表示基于增强CT影像组学特征联合临床特征建立的综合模型术前鉴别fp-AML与hd-ccRCC具有较高诊断效能，有助于术前定性诊断肾肿瘤。     

周围型非小细胞肺癌纵隔淋巴结转移影响因素及临床意义

目的 探讨周围型非小细胞肺癌（NSCLC）发生纵隔淋巴结转移的影响因素及其临床意义。方法 回顾性分析45例术前胸部CT显示病灶同侧纵隔最大淋巴结短径≥ 10 mm（临床N2期）的周围型NSCLC患者的临床及CT检查资料,对周围型NSCLC纵隔淋巴结转移（病理分期为N2期）的影响因素进行单因素及多因素分析,并以病理结果为金标准,评价其诊断效能。结果 术前CT诊断纵隔淋巴结转移的临床N2期NSCLC患者中,假阳性率为42.22%（19/45）。病灶同侧纵隔最大淋巴结短径（P=0.022）及术前血清癌胚抗原（CEA）水平（P=0.004）均为临床N2期周围型NSCLC纵隔淋巴结转移的影响因素;术前血清CEA水平为独立影响因素（P=0.007）。结合术前CT诊断及血清CEA水平进行筛选后,假阳性率降至7.69%（3/39）。结论 术前血清CEA水平是临床N2期周围型NSCLC纵隔淋巴结转移的独立影响因素,有利于降低CT诊断假阳性率。     

增强CT模型及影像组学模型预测肾透明细胞癌WHO/ISUP分级

目的 比较增强CT模型与影像组学模型预测肾透明细胞癌（ccRCC）WHO/ISUP分级的效能。方法 回顾性分析131例经病理确诊ccRCC患者,按照3 ∶ 2比例分层抽样分为训练集（n=78）和验证集（n=53）。根据2016版肾癌WHO/ISUP病理分级标准,以Ⅰ~Ⅱ级为低级别、Ⅲ~Ⅳ级为高级别ccRCC。训练集55例低级别、23例高级别ccRCC;验证集37例低级别、16例高级别ccRCC。以训练集构建增强CT模型及影像组学模型预测ccRCC级别,于验证集加以验证,比较其诊断效能。结果 增强CT模型在训练集及验证集预测高、低级别ccRCC的曲线下面积（AUC）分别为0.89及0.76,敏感度分别0.83及0.56,特异度分别为0.84及0.87;影像组学模型的AUC分别为0.98及0.85,敏感度分别0.96及0.91,特异度分别为0.75及0.84。训练集中影像组学模型的AUC大于增强CT模型（Z＝2.05,P<0.05）,验证集中二者AUC差异无统计学意义（Z＝0.95,P=0.34）。决策曲线分析结果显示高风险概率阈值为0.08~1.00时,影像组学模型净获益高于增强CT模型。结论 影像组学模型预测ccRCC WHO/ISUP分级的效能优于增强CT模型。     

增强CT鉴别诊断膀胱癌与腺性膀胱炎

目的 探讨增强CT鉴别诊断腺性膀胱炎（CG）与膀胱癌的价值。方法 对37例CG和41例膀胱癌患者行CT平扫及增强扫描,观察病灶位置、形态、大小（轴位最大径）、厚度、钙化、囊变坏死、边界、壁外浸润及区域淋巴结转移情况,测量病灶和正常膀胱壁动脉期、静脉期、延迟期CT值,计算病灶动脉期、静脉期、延迟期相对强化CT值。比较CG与膀胱癌定量及定性指标的差异,绘制ROC曲线,分析定量指标的鉴别诊断效能。结果 CG与膀胱癌病灶边界差异有统计学意义（P<0.01）;CG病灶动脉期、静脉期、延迟期CT值及相对强化CT值均低于膀胱癌（P均<0.01）。动脉期、静脉期相对强化CT值鉴别诊断CG和膀胱癌的AUC均高于其他指标（P均<0.01）,而两者AUC差异无统计学意义（P=0.488）。以动脉期相对强化CT值=25.85 HU、静脉期相对强化CT值=26.85 HU为阈值鉴别诊断CG和膀胱癌的敏感度均为95.12%,特异度分别为91.89%、86.49%。结论 增强CT定量分析鉴别诊断CG和膀胱癌有一定价值。     

基于腹腔镜超声的纹理分析鉴别诊断肾透明细胞癌和非透明细胞癌的价值初探

目的 探讨基于腹腔镜超声图像的纹理分析在鉴别诊断肾透明细胞癌与非透明细胞癌中的价值.方法 回顾性分析我院经病理证实的83例肾细胞癌患者的腹腔镜超声检查资料,其中肾透明细胞癌66例,非透明细胞癌17例.在腹腔镜二维超声图像上通过ITK-SNAP软件手工勾画感兴趣区,采用Pyradiomics工具包提取纹理特征.使用组内相关系数选择具有良好稳定性和可重复性的特征;使用最大相关最小冗余(mRMR)和最小绝对收缩和选择算子(LASSO)回归进行特征选择并构建预测模型;绘制受试者工作特征(ROC)曲线分析该预测模型的诊断效能.结果 基于6个纹理特征构建的预测模型为:Y=-1.452+0.329×wavelet.LL glszm SmallAreaLowGrayLevelEmphasis-0.187×wavelet.LH firstorder Mean-0.209×wavelet.HH glszm SmallAreaLowGrayLevelEmphasis-0.107×original gldm DependenceVariance+0.351×wavelet.LH glrlm RunEntropy+0.058×wavelet.HH glszm ZonePercentage.该模型鉴别肾透明细胞癌与非透明细胞癌的ROC曲线下面积、敏感性、特异性和准确率及其对应的95例可信区间分别为0.860(0.771～0.945)、0.765(0.529～0.941)、0.864(0.788～0.939)、0.843(0.747～0.914).结论 基于腹腔镜超声图像的纹理分析可以准确鉴别肾透明细胞癌与非透明细胞癌.     

Juxtatumoral perinephric fat analysis in clear cell renal cell carcinoma

Purpose

The purpose of the study was to evaluate the feasibility of using contrast-enhanced computed tomography (CECT)-based texture analysis (CTTA) metrics to differentiate between juxtatumoral perinephric fat (JPF) surrounding low-grade (ISUP 1–2) versus high-grade (ISUP 3–4) clear cell renal cell carcinoma (ccRCC).

Methods

In this IRB-approved study, we retrospectively queried the surgical database between June 2009 and April 2016 and identified 83 patients with pathologically confirmed ccRCC (low grade: n = 54, mean age = 61.5 years, 18F/35M; high grade n = 30, mean age = 61.7 years, 8F/22M) who also had pre-operative multiphase CT acquisitions. CT images were transferred to a 3D workstation, and nephrographic phase JPF regions were manually segmented. Using an in-house developed Matlab program, a CTTA panel comprising of texture metrics extracted using six different methods, histogram, 2D- and 3D-Gray-level co-occurrence matrix (GLCM) and Gray-level difference matrix (GLDM), and 2D-Fast Fourier Transform (FFT) analyses, was applied to the segmented images to assess JPF textural heterogeneity in low- versus high-grade ccRCC. Univariate analysis and receiver-operator characteristics (ROC) analysis were used to assess interclass differences in texture metrics and their prediction accuracy, respectively.

Results

All methods except GLCM consistently revealed increased heterogeneity in the JPF surrounding high- versus low-grade ccRCC. FFT showed increased complexity index (p < 0.01). Histogram analysis showed increased kurtosis and positive skewness in (p < 0.03), and GLDM analysis showed decreased measure of correlation coefficient (MCC) (p < 0.04). Several of the GLCM metrics showed statistically significant (p < 0.04) textural differences between the two groups, but with no consistent trend. ROC analysis showed that MCC in GLCM analysis had an area under the curve of 0.75.

Conclusions

Our study suggests that CTTA of ccRCC shows statistically significant textural differences in JPF surrounding high- versus low-grade ccRCC.

     

声辐射力脉冲成像技术鉴别诊断肾脏肿瘤

目的 评价声辐射力脉冲弹性成像（ARFI）技术诊断肾肿瘤的价值。方法 对86例肾肿瘤患者的86个病灶行常规超声及ARFI检查,比较肿瘤和周围肾实质、良恶性肾肿瘤的剪切波速度（SWV）、声触诊组织成像（VTI）评分的差异。结果 86例肾肿瘤患者中,良性肿瘤32例,均为血管平滑肌脂肪瘤;恶性肿瘤54例,包括肾透明细胞癌26例,肾嫌色细胞癌8例,肾乳头状细胞癌5例,浸润性尿路上皮癌15例;病灶与周围肾实质间SWV、VTI评分的差异均有统计学意义（P均<0.05）,肾良性肿瘤的SWV及VTI评分低于肾恶性肿瘤（P均<0.05）。以SWV > 1.37 m/s或VTI评分 > 3.83判定良恶性肾肿瘤的曲线下面积分别为0.898、0.847（P均<0.05）,敏感度分别为88.9%、83.3%,特异度分别为84.4%、78.1%;肾恶性肿瘤中,ccRCC的SWV及VTI评分明显高于其他恶性肿瘤,以SWV > 2.06 m/s或VTI评分 > 4.31鉴别ccRCC与肾其他肾恶性肿瘤的ROC曲线下面积分别为0.766、0.729（P均<0.05）,敏感度分别为65.4%、57.7%,特异度分别为82.1%、78.6%。结论 ARFI技术在肾良恶性肿瘤的鉴别诊断中具有一定价值,并有助于区分ccRCC与其他肾恶性肿瘤。     

MSCT对肾脏嗜酸细胞腺瘤和透明细胞癌的鉴别诊断价值

目的:探讨多层螺旋CT(Multi-slice spiral computed tomography,MSCT)四期扫描对肾脏嗜酸细胞腺瘤(Renal oncocytoma,RO)和透明细胞癌(Clear-cell renal cell carcinomas,ccRCC)的鉴别诊断价值。方法:搜集因肾脏占位行肾脏CT平扫和三期增强扫描患者79例共80枚瘤灶,经术后病理证实RO 29例,ccRCC 50例,并回顾性分析两组病例的影像表现,采用SPSS 19.0软件对肿瘤CT值、校正CT值、皮质期与实质期CT差值及增强廓清率进行独立样本t检验分析。采用Fisher确切概率法对肿瘤部位、形态、平扫特点、强化程度、强化方式、皮质期与实质期强化CT值差异、节段增强反转等征象进行统计分析。结果:RO和ccRCC皮质期CT值、皮质期校正CT值、皮质期与实质期CT差值和增强廓清率差异有统计学意义(P<0.05),平扫、实质期、排泄期CT值校正CT值差异均无统计学意义(P>0.05)。中央星状低密度影、强化程度、强化均匀度、轮辐状强化、皮质期与实质期强化CT值差异及节段增强反转等征象差异有统计学意义(P<0.05),部位、形态、钙化,病灶周边絮状和条索状影等征象差异无统计学意义(P>0.05)。结论:在MSCT多期扫描表现中,皮质期CT值、皮质期校正CT值、皮质期与实质期CT差值和增强廓清率、中央星状低密度影、强化程度、强化均匀度、轮辐状强化、皮质期与实质期强化CT值差异及节段增强反转等征象对于RO、ccRCC二者的鉴别具有重要价值。     

Evaluation of texture analysis for the differential diagnosis of focal nodular hyperplasia from hepatocellular adenoma on contrast-enhanced CT images

Purpose

To explore the value of CT texture analysis (CTTA) for differentiation of focal nodular hyperplasia (FNH) from hepatocellular adenoma (HCA) on contrast-enhanced CT (CECT).

Methods

This is a retrospective, IRB-approved study conducted in a single institution. A search of the medical records between 2008 and 2017 revealed 48 patients with 70 HCA and 50 patients with 62 FNH. All lesions were histologically proven and with available pre-operative CECT imaging. Hepatic arterial phase (HAP) and portal venous phase (PVP) were used for CTTA. Textural features were extracted using a commercially available research software (TexRAD). The differences between textural parameters of FNH and HCA were assessed using the Mann–Whitney U test and the AUROC were calculated. CTTA parameters showing significant difference in rank sum test were used for binary logistic regression analysis. A p value < 0.05 was considered statistically significant.

Results

On HAP images, mean, mpp, and skewness were significantly higher in FNH than in HCA on unfiltered images (p ≤ 0.007); SD, entropy, and mpp on filtered analysis (p ≤ 0.006). On PVP, mean, mpp, and skewness in FNH were significantly different from HCA (p ≤ 0.001) on unfiltered images, while entropy and kurtosis were significantly higher in FNH on filtered images (p ≤ 0.018). The multivariate logistic regression analysis indicated that the mean, mpp, and entropy of medium-level and coarse-level filtered images on HAP were independent predictors for the diagnosis of HCA and a model based on all these parameters showed the largest AUROC (0.824).

Conclusions

Multiple explored CTTA parameters are significantly different between FNH and HCA on CECT.

     

对比原发性肺腺样囊性癌与黏液表皮样癌CT表现

目的 对比原发性肺腺样囊性癌（ACC）与黏液表皮样癌（MEC）CT表现。方法 回顾性分析经病理证实的22例ACC（ACC组）与18例MEC（MEC组）患者胸部CT资料，比较其CT表现差异，并对增强动脉期及静脉期CT值绘制受试者工作特征（ROC）曲线，评估其鉴别MEC与ACC的效能。结果 ACC组与MEC组间病灶类型，增强扫描动、静脉期CT值及病灶强化程度差异均有统计学意义（P均<0.05）；病灶部位、有无阻塞性病变、囊变/坏死、钙化、淋巴结肿大、胸腔积液及远处转移组间差异均无统计学意义（P均>0.05），而中央型病变发生部位、纵向浸润范围及病变环周范围组间差异均有统计学意义（P均<0.05）。ROC曲线显示，动脉期和静脉期CT值鉴别ACC与MEC的曲线下面积（AUC）分别为0.78及0.75。结论 ACC和MEC的CT表现存在一定差异，结合临床有助于鉴别诊断。     

CT纹理分析技术鉴别良恶性孤立性肺结节

目的 探讨CT纹理分析技术鉴别诊断良恶性孤立性肺结节（SPN）的应用价值。方法 对97例SPN患者（恶性组54例,良性组43例）行胸部CT平扫,测量结节CT值及最大径。采用MaZda软件对肺结节进行CT纹理分析,获得纹理特征参数（熵、熵和、熵差、对比度、相关及均和）。比较2组CT值、最大径及各纹理特征参数。对差异有统计学意义的纹理参数及其不同组合建立ROC曲线,计算AUC,确定阈值,评价各参数及其不同组合鉴别诊断良恶性SPN的特异度及敏感度;比较各参数组合之间AUC的差异。结果 良恶性SPN最大径、CT值的差异均无统计学意义（t=-0.98、1.16,P=0.079、0.087）。良性组SPN纹理特征参数熵、熵和、熵差值均低于恶性组（P均<0.05）,2组对比度、相关、均和的差异均无统计学意义（P均>0.05）。纹理特征参数熵、熵和、熵差鉴别诊断良恶性SPN的效能均较高（AUC均>0.700）;熵、熵和、熵差的阈值分别为1.564、1.212、0.987时,敏感度分别为72.70%、88.40%、63.60%。上述纹理特征参数的不同组合鉴别诊断良恶性SPN的效能均较高（AUC均>0.800）,各组合间AUC的差异均无统计学意义（P均>0.05）。结论 基于CT平扫的纹理分析技术有助于鉴别良恶性SPN。