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。     

CT影像组学预测肾透明细胞癌病理分级:Meta分析

目的 采用Meta分析观察CT影像组学预测肾透明细胞癌(ccRCC)病理分级的价值。方法 检索建库至2021年1月PubMed、Web of Science、EMbase及中国知网、中国生物医学文献服务系统和万方医学网CT影像组学预测ccRCC病理分级相关文献,并进行筛选、质量评价及资料提取;以Stata 16.0软件行Meta分析。结果 纳入16篇文献、2 489例患者共2 495个ccRCC病灶。CT影像组学预测ccRCC病理分级无明显阈值效益(r=0.12,P＜0.01)而具有较高异质性(I²≥50%),其合并敏感度0.85、合并特异度0.86,阳性似然比6.00、阴性似然比0.18、诊断比值比34.00,曲线下面积0.92。结论 CT影像组学预测ccRCC病理分级效能较佳。     

Patlak联合不可逆两组织隔室模型动态18F-FDG PET/CT诊断肺原发肿瘤胸部高代谢转移性淋巴结

目的 观察Patlak联合不可逆两组织隔室模型（2TC-3k）动态¹⁸F-FDG PET/CT诊断肺原发肿瘤胸部高代谢转移性淋巴结的价值。方法 前瞻性纳入16例CT显示胸部存在可疑淋巴结转移且拟接受PET/CT检查的肺原发肿瘤患者,行胸部动态和全身静态¹⁸F-FDG PET/CT扫描;计算全身静态PET/CT图像中原发肿瘤及胸部高代谢淋巴结的最大标准摄取值（SUV_max）及平均标准摄取值（SUV_mean）,纳入淋巴结SUV_max>2.5者。采用Patlak图形分析和2TC-3k分析原发肿瘤和高代谢淋巴结动态数据,获取动力学参数的一阶特征参数,建立logistic模型;以病理学为金标准,分析模型诊断胸部高代谢淋巴结转移的效能。结果 共纳入11例患者、32枚胸部高代谢淋巴结,病理学示15枚为转移性、17枚非转移性。Ki_Kurtosis诊断胸部转移性高代谢淋巴结的曲线下面积（AUC）为0.81,以71 590.45为Ki_Kurtosis的截断值,其敏感度为70.60%,特异度为86.70%;V_B_Entropy的AUC为0.79,以6.16×10^－4为V_B_Entropy的截断值,其敏感度为80.00%,特异度为82.40%。肺原发肿瘤与胸部高代谢转移性淋巴结V_B_Kurtosis （r=0.67,P<0.05）和Ki_UPP （r=0.69,P<0.05）呈正相关。Patlak动态PET/CT模型诊断胸部转移性高代谢淋巴结的AUC为0.85[95%CI（0.71,0.99）],敏感度为76.50%,特异度为93.30%;2TC-3k动态PET/CT模型的AUC为0.87[95%CI（0.74,0.99）],敏感度为82.40%,特异度为80.00%;二者联合模型的AUC为0.91[95%CI（0.80,1.00）],敏感度为94.10%,特异度为80.00%;3个模型AUC两两比较差异均无统计学意义（P均>0.05）。结论 Patlak结合2TC-3k动态¹⁸F-FDG PET/CT对诊断肺原发肿瘤胸部高代谢转移性淋巴结具有一定价值。     

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。     

不同影像学检查诊断卵巢肿瘤: Meta分析

目的 评价CEUS、增强MRI、功能性MRI和CT对卵巢肿瘤的诊断价值。方法 检索Embase、Medline 数据库,收集关于CEUS、增强MRI、功能性MRI及CT诊断卵巢肿瘤的文献资料。进行统计分析得到各组诊断性试验的合并敏感度、特异度及SROC曲线下面积（AUC）。采用Z检验比较组间独立诊断试验的诊断效能。结果 CEUS、增强MRI、功能性MRI和CT诊断卵巢恶性肿瘤的合并敏感度分别为0.89、0.93、0.83和0.88;合并特异度分别为0.91、0.90、0.79和0.91。四组影像学方法的AUC值分别为0.9619、0.9710、0.9090和0.9444。Z检验结果显示：CEUS、增强MRI、CT三者的诊断效能差异无统计学意义（P>0.05）;功能性MRI的诊断效能低于CEUS和增强MRI（P均<0.05）。结论 CEUS、增强MRI、功能性MRI和CT四种影像学方法对卵巢恶性肿瘤均具较高的诊断效能,对卵巢肿瘤的诊断各有优势和不足。     

超声人工智能辅助诊断系统用于甲状腺髓样癌

目的 以甲状腺乳头状癌（PTC）为对照,对比超声甲状腺人工智能（AI）辅助诊断系统（AI 辅助诊断系统）与不同年资超声医师诊断甲状腺髓样癌（MTC）的效果。方法 纳入经病理证实的63枚MTC、70枚PTC和62枚良性结节。以AI辅助诊断系统分析并识别结节,将恶性概率值 ≥ 0.40者诊断为恶性结节;由高、中及初级职称医师各1名利用我国甲状腺影像报告和数据系统（C-TIRADS）对甲状腺结节进行分类;对比两种方法诊断MTC及PTC的效能。结果 AI辅助诊断系统诊断MTC和PTC的敏感度、特异度、阳性预测值、阴性预测值、准确率及曲线下面积（AUC）均低于3名医师;高、中级职称医师与AI辅助诊断系统诊断MTC和PTC的AUC差异均有统计学意义（P均<0.01）,初级职称医师与AI辅助诊断系统AUC差异均无统计学意义（P均>0.05）。AI辅助诊断系统诊断MTC的敏感度、特异度、阳性预测值、阴性预测值、准确率及AUC均低于其诊断PTC,但AUC差异无统计学意义（P>0.05）。结论 超声甲状腺AI辅助诊断系统诊断MTC效能较高。     

实时剪切波弹性成像应用于股总静脉血栓临床分期

目的 探讨实时剪切波弹性成像（SWE）应用于股总静脉血栓（CFVT）临床分期的价值。方法 根据主诉发病时间将92例单侧CFVT患者分为急性期（1~14天,n=41）、亚急性期（15~30天,n=24）及慢性期（>30天,n=27）,比较其二维超声评分及SWE所测杨氏模量值。采用ROC曲线评价二维超声及SWE对急性期、慢性期CFVT的诊断效能。结果 3期患者间二维超声评分及杨氏模量值总体比较（P均<0.001）及两两比较差异均有统计学意义（P均<0.05）。以杨氏模量值=13.50 kPa为截断值,SWE诊断急性期CFVT的AUC为0.916（P<0.05）,敏感度85.37%,特异度82.35%;以二维超声评分=2.00为截断值,二维超声诊断急性期CFVT的AUC为0.800（P<0.05）,敏感度75.61%,特异度66.67%;2种方法AUC差异有统计学意义（P<0.001）。以杨氏模量值=16.40 kPa为截断值,SWE诊断慢性期CFVT的AUC为0.917（P<0.05）,敏感度85.19%,特异度87.69%;以二维超声评分=2.03为截断值,二维超声诊断慢性期CFVT的AUC为0.842（P<0.05）,敏感度87.21%,特异度69.23%;两种方法AUC差异有统计学意义（P=0.010）。结论 SWE可用于判断CFVT临床分期,且效果好于常规超声。     

多层感知器模型预测纯磨玻璃结节肺腺癌浸润程度

目的 利用CT数据建立预测纯磨玻璃结节（pGGN）肺腺癌浸润程度的多层感知器（MLP）模型，并验证其诊断效能。方法 收集2015年1月—2018年10月393例接受手术治疗并经术后病理证实为肺腺癌或不典型腺瘤样增生（AAH）的pGGN患者（共442枚pGGN）作为训练集，建立MLP模型和二元Logistic回归模型。以2019年6月―8月89例接受手术治疗的pGGN患者（共100枚pGGN）作为验证集，利用受试者工作特征（ROC）曲线下面积（AUC）及模型预测准确率、敏感度及特异度评估其效能。结果 二元Logistic回归模型验证集的AUC、预测准确率、敏感度及特异度分别为0.799、0.820、0.683及0.915，而MLP模型验证集分别为0.869、0.880、0.805及0.932，MLP模型较二元Logistic回归模型绝对净重新分类改善指数（NRI）为6%（Z=3.473、P=0.001）。结论 所建MLP模型对预测表现为pGGN的肺腺癌中的IA具有较高准确率。     

基于CT机器学习模型预测肺腺癌气腔播散

目的 探讨基于胸部CT建立机器学习模型预测肺腺癌气腔播散（STAS）状态的价值。方法 回顾性分析462例经手术病理证实的原发性肺腺癌，90例STAS阳性（STAS阳性组），372例STAS阴性（STAS阴性组），比较组间一般资料及CT征象差异。按7 ：3比例将患者随机分为训练集（n=323）和验证集（n=139），采用随机森林算法针对差异有统计学意义的变量建立预测肺腺癌STAS的模型，对训练集进行训练，获得平均AUC最大的模型，以之对验证集进行预测，并计算AUC，评价其诊断效能。结果 组间年龄及12个CT征象差异均具有统计学意义（P均<0.05）。以上述13个变量建立的预测模型对训练集进行预测，获得最大AUC为0.80的模型，其预测训练集和验证集肺腺癌STAS的AUC、敏感度及特异度分别0.80、0.78及0.77和0.77、0.78及0.73。结论 基于胸部CT的机器学习模型可有效预测肺腺癌STAS状态。     

基于多参数MRI及影像组学建立机器学习模型诊断临床显著性前列腺癌

目的 建立基于多参数MRI（mpMRI）和影像组学特征的机器学习模型,评价其诊断临床显著性前列腺癌（CSPC）的价值。方法 结合纹理分析、MR动态增强定量分析、前列腺影像报告与数据系统（PI-RADS）评分和部分临床资料建立Logistic回归（LR）、逐步回归（SR）、经典决策树（cDT）、条件推断树（CIT）、随机森林（RF）和支持向量机（SVM）模型,运用ROC曲线和决策曲线分析法（DCA）评价上述模型和变量的重要性。结果 验证组中RF模型诊断CSPC的AUC大于SVM、cDT、SR模型（P均<0.05）,RF模型与LR、CIT模型诊断CSPC的AUC差异无统计学意义（P均>0.05）,其余各模型间诊断CSPC的AUC差异无统计学意义（P均>0.05）。概率阈值为16%~91%时,RF模型的净获益最大,优于其他模型;概率阈值为23%~91%时,SVM模型的净获益仅次于RF模型而优于其他模型。前列腺特异性抗原密度（PSAD）和部分纹理分析参数的重要性较高。结论 RF模型诊断CSPC优于其他模型,SVM模型次之。PSAD和纹理分析相关参数诊断CSPC的重要性高于PI-RADS评分和动态增强MRI定量参数。     

定量CT纹理分析鉴别诊断透明细胞型与非透明细胞型肾癌

目的 探讨定量CT纹理分析鉴别透明细胞型肾癌和非透明细胞型肾癌的可行性。方法 回顾性分析100个透明细胞型肾癌和27个非透明细胞型肾癌病灶的CT图像,应用TexRAD软件分析各扫描期相两种类型肾癌的纹理特征。结果 增强图像上,非透明细胞型肾癌的平均灰度值、标准差、熵、正像素的平均值明显低于透明细胞型肾癌,而峰度高于透明细胞型肾癌（P均<0.001）,偏度差异无统计学意义（P>0.05）。在皮髓质期的粗糙纹理上,正像素的平均值鉴别两种类型肾癌的ROC曲线下面积为0.92±0.04,敏感度为0.85,特异度为0.93,准确率为0.87。结论 透明细胞型肾癌与非透明细胞型肾癌的CT纹理特征间存在显著差异,定量CT纹理分析鉴别诊断这两种类型肾癌具有临床价值。     

对比增强液体衰减反转恢复序列MRI影像组学评估成人弥漫性低级别胶质瘤1p/19q状态

目的 观察对比增强液体衰减反转恢复(CE-FLAIR)序列MRI影像组学模型判断成人弥漫性低级别胶质瘤(DLGG)1p/19q状态的价值。方法 纳入135例成人DLGG患者、含81例1p/19q共缺失,经分层抽样按7∶3比例将其分为训练集(n=95)及验证集(n=40)。基于训练集CE-FLAIR数据提取、筛选DLGG 1p/19q共缺失影像组学特征,构建支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)、轻量梯度提升机(LightGBM)及逻辑回归(LR)模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评价影像组学模型判断训练集及验证集DLGG 1p/19q状态的价值,并以DeLong检验进行比较。结果 共提取851个影像组学特征,以Mann-Whitney U检验筛选出74个差异有统计学意义者,再经5折交叉验证的最小绝对收缩和选择算子选出12个与1p/19q状态显著相关者;以之构建的SVM、RF、XGBoost、LightGBM及LR模型评价训练集DLGG 1p/19q状态的AUC分别为0.89、0.97、0.97、0.96及0.85,评估验证集的AUC...     

基于X线及超声乳腺影像报告和数据系统构建机器学习模型预测乳腺癌分子分型

目的 观察基于X线及超声的乳腺影像报告和数据系统（BI-RADS）选取影像学特征构建的机器学习模型预测乳腺癌分子分型的可行性。方法 回顾性分析200例经病理的浸润性乳腺癌，根据免疫组织化学结果分为Luminal组（n=109）与非Luminal组（n=91），组内按7 ：3比例随机分为训练亚组及测试亚组。采集11个临床信息，并提取24个影像学特征，建立4种机器学习模型，通过受试者工作特征（ROC）曲线评价各模型预测不同分子分型乳腺癌的效能，比较各模型曲线下面积（AUC）的差异。结果 测试组随机森林（RF）、极端梯度提升（XGBoost）、逻辑回归（LR）及支持向量机（SVC）模型判断不同分子分型乳腺癌的敏感度分别为74.10%、74.10%、77.80%和70.40%，特异度分别为63.60%、51.50%、57.60%和60.60%，准确率分别为68.30%、61.70%、66.70%和65.00%；其中RF模型判断Luminal型与非Luminal型乳腺癌的AUC值最大（AUC=0.70，P<0.05），但与其他模型间差异均无统计学意义（P均>0.05）。结论 RF模型预测不同分子分型乳腺癌的效能较好。     

CT值直方图鉴别诊断骨巨细胞瘤与动脉瘤样骨囊肿的效能

目的 探讨CT值直方图在骨巨细胞瘤（GCT）与动脉瘤样骨囊肿（ABC）中的鉴别诊断价值。方法 收集接受CT扫描且经病理证实的骨GCT患者34例和ABC患者9例,在病灶最大层面选取ROI,获取CT值直方图,并记录平均CT值、峰值CT值、偏度值及峰度值,采用两独立样本t检验分析GCT和ABC各参数的差异,并对有统计学差异的指标采用ROC确定最佳诊断阈值,并计算曲线下面积、敏感度、特异度和准确率。结果 GCT平均CT值和峰值CT值均显著高于ABC（t=-5.62、-5.81,P均<0.05）,ABC偏度值和峰度值大于GCT,但差异无统计学意义（t=1.58、0.75,P均>0.05）。诊断GCT的平均CT值和峰值CT值的ROC曲线下面积分别为0.96和0.95（P均<0.01）,最佳诊断阈值分别为36.67 HU和36.85 HU,此时其敏感度、特异度、准确率分别为94.12%（32/34）、88.89%（8/9）、93.02%（40/43）和97.06%（33/34）、88.89%（8/9）、95.35%（41/43）。结论 CT值直方图对GCT和ABC的鉴别诊断具有较高的临床应用价值,平均CT值和峰值CT值在两者的鉴别诊断中均具有较高的诊断准确率。     

临床-CT模型评估食管鳞状细胞癌侵犯脉管和/或神经

目的 观察临床-CT模型评估食管鳞状细胞癌（ESCC）侵犯脉管（LVI）和/或神经（PNI）的价值。方法 回顾性分析156例ESCC患者资料,根据术后病理结果将LVI和/或PNI阳性者归为阳性组（n=58）、LVI及PNI均阴性者归为阴性组（n=98）;比较组间临床及CT资料,行logistic回归分析并建立模型,观察其评估LVI和/或PNI的效能。结果 组间癌胚抗原（CEA）、糖类抗原199（CA199）、肿瘤厚度、肿瘤体积、静脉期CT值（CTV）、CTV与平扫CT值（CTP）差值（ΔCT_V-P）及静脉期增强率（V%）差异均有统计学意义（P均<0.05）,其评估ESCC LVI和/或PNI的曲线下面积（AUC）分别为0.702、0.690、0.731、0.744、0.621、0.631及0.599。CEA、CA199、肿瘤厚度、肿瘤体积及CTV为ESCC LVI和/或PNI的独立预测因素,以之建立的联合模型评估ESCC LVI和/或PNI的准确率、敏感度及特异度分别为82.05%、65.52%及91.84%,且其AUC为0.838,高于各单一参数（P均<0.05）。结论 所获临床-CT模型可有效评估ESCC LVI和/或PNI。     

CT表现及血清指标预测免疫/靶向治疗对中晚期肝细胞癌的效果

目的 评估治疗前CT表现及血清指标预测免疫/靶向治疗对中晚期肝细胞癌（HCC）的效果的价值。方法 回顾性分析50例经穿刺活检组织病理学检查确诊的中晚期HCC患者,均于靶向/免疫治疗前和治疗8周后接受腹部CT及实验室血清检查;根据改良实体瘤疗效评价标准评价疗效,并据以分为控制组（n=40）及进展组（n=10）,比较治疗前组间CT表现及血清指标差异。采用受试者工作特征（ROC）曲线确定CT征象及血清学指标预测疗效的截断值,以多因素Logistic回归分析CT征象、血清指标与疗效的关系,并建立预测模型,以ROC曲线评价其预测疗效的效能。结果 组间HCC最大截面面积、是否邻近肝包膜及血小板计数、白蛋白/纤维蛋白原（AFR）差异均有统计学意义（P均<0.05）;最大截面面积、静脉期强化率、血小板计数为预测疗效的独立因素（P均<0.05）。联合预测模型、CT征象预测模型及血清指标预测模型的AUC分别为0.88、0.81及0.71（P均>0.05）。结论 根据治疗前CT表现及血清学指标均可预测免疫/靶向治疗对中晚期HCC的效果;联合应用上述指标或可提高预测效能。     

基于CT平扫影像组学模型鉴别结节/肿块型 肺隐球菌病及肺腺癌与肺结核

目的 探讨基于CT平扫影像组学预测模型鉴别诊断结节/肿块型肺隐球菌（PC）与肺腺癌、肺结核（TB）的可行性。方法 回顾性分析28例结节/肿块型PC和30例肺腺癌、26例TB的平扫CT资料，提取病灶纹理特征，对其进行特征选择，获得PC组与肺腺癌组、PC组与肺TB组之间存在显著差异的特征参数。按7：3比例将所有样本分为训练集合测试集，采用随机森林法以较优特征参数建立预测模型，对训练集数据进行评估，之后于测试集数据进行验证；绘制相应ROC曲线，评估模型的鉴别诊断效能。结果 针对PC和肺腺癌、PC和肺TB分别获得7个和4个较优纹理特征参数。测试集验证结果显示模型鉴别PC与肺腺癌以及PC与肺TB的AUC、敏感度、特异度、准确率分别为0.96、1.00、0.78、0.89及0.99、0.88、0.89、0.88。结论 基于CT平扫图像影像组学可用于鉴别诊断结节/肿块型PC及肺腺癌与肺TB。