双能CT影像组学在甲状腺结节定性诊断中的价值研究

目的 探讨基于双能量CT图像的影像组学预测模型对甲状腺结节良恶性的鉴别诊断价值。方法 回顾性分析我院经病理证实的55例甲状腺结节患者的临床和影像资料,其中良性结节28例,恶性结节27例。患者术前均行甲状腺双能量CT平扫和增强扫描。通过双能量分析得到各期的Mixed图、VNC图及iodine图,分别对各期图像进行3D感兴趣区（Region of Interest,ROI）勾画及组学特征提取,采用单因素分析与最小绝对收缩算子（Least Absolute Shrinkage and Selection Operator,LASSO）算法进行特征筛选,使用多因素逻辑回归分别构建混合能量模型及双能量模型。应用受试者操作特征（Receiver Operating Characteristic,ROC）曲线及曲线下面积（Area Under Curve,AUC）对模型进行验证,评价影像组学特征预测良恶性甲状腺结节的效能。结果 经过特征筛选得到8个影像组学特征用于构建甲状腺结节良恶性鉴别模型。混合能量预测模型的AUC为0.86(95%CI:0.75～0.96),特异度和敏感度分别为72.4%、92....     

CT影像组学模型在小细胞肺癌与非小细胞肺癌鉴别的价值

目的 探讨肺癌CT影像组学特征用于鉴别小细胞肺癌(small cell lung cancer,SCLC)和非小细胞肺癌(non-small cell lung cancer,NSCLC)的价值.方法 回顾性分析经2010-01/2020-12年来自首都医科大学电力教学医院和首都医科大学大兴教学医院的89例肺癌患者的临床和影像资料的病理证实,其中SCLC 24例,NSCLC 65例.采用Python语言PyRadiomics软件包提取影像组学特征,使用最大相关-最小冗余(max-relevance and minredundancy,mRMR)算法和最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)回归分析筛选影像组学特征.利用多变量Logistic回归构建预测模型,应用受试者工作特征曲线(receiver operating characteristic curve,ROC)评价预测模型的诊断效能,联合影像组学标签与临床特征构建列线图.结果 从所提取的788种影像组学特征中,最终筛选了其中8种重要特征用于构建影像组学模型.训练组、测试组影像组学模型鉴别SCLC与NSCLC的ROC曲线下面积(area under the curve,AUC)分别为0.93(95％CI:0.85～1.00)、0.92(95％CI:0.80～1.00).联合诊断模型在测试组的诊断效能(AUC=0.93,95％CI:0.84～1.00)高于临床预测模型(AUC=0.73,95％CI:0.52～0.93)和影像组学模型(AUC=0.92,95％CI:0.80～1.00).结论 基于CT平扫的影像组学模型鉴别SCLC与NSCLC有较高的诊断效能,结合患者临床资料的联合模型较影像组学模型有更高的诊断效能.     

^99mTc-MIBI-SPECT与定位CT融合显像诊断孤立性肺结节的价值

目的：探讨99mTc-MIBI SPECT与CT融合显像对孤立性肺结节（SPN）的鉴别诊断价值．方法对39例SPN患者行99mTc-MIBI-SPECT与定位CT融合显像,对显像结果进行定性及半定量分析,并根据最终诊断结果,判定该显像方法对 SPN的鉴别诊断价值．结果39例 SPN患者中13例为恶性SPN,26例良性 SPN．99mTc-MIBI-SPECT与定位CT融合显像定性分析对SPN良恶性鉴别诊断灵敏度92.31%（12/13）,特异性88.46%（23/26）,准确性89.74%（35/39）,阳性预测值80%（12/15）,阴性预测值95.83%（23/24）．受试者工作特征（ROC）曲线分析显示：以99mTc-MIBI早期摄取比值（EUR）≥1.474为鉴别SPN良恶性界值,灵敏度100%,特异性76.90%;以99mTc-MIBI延迟摄取比值（DUR）≥1.38为鉴别 SPN 良恶性界值,灵敏度100%,特异性76.90%．结论99mTc-MIBI-SPECT与定位CT融合显像对SPN的鉴别诊断有较高的临床价值．     

99mTc-MIBI-SPECT与定位CT融合显像诊断孤立性肺结节的价值

［摘要］目的　探讨99mTc-MIBI SPECT与CT融合显像对孤立性肺结节（SPN）的鉴别诊断价值．方法　对39例SPN患者行99mTc-MIBI-SPECT与定位CT融合显像,对显像结果进行定性及半定量分析,并根据最终诊断结果,判定该显像方法对SPN的鉴别诊断价值．结果　39例SPN患者中13例为恶性SPN,26例良性SPN．99mTc-MIBI-SPECT与定位CT融合显像定性分析对SPN良恶性鉴别诊断灵敏度92.31%（12/13）,特异性88.46%（23/26）,准确性89.74%（35/39）,阳性预测值80%（12/15）,阴性预测值95.83%（23/24）．受试者工作特征（ROC）曲线分析显示:以99mTc-MIBI早期摄取比值（EUR）≥1.474为鉴别SPN良恶性界值,灵敏度100%,特异性 76.90%;以99mTc-MIBI延迟摄取比值（DUR）≥1.38为鉴别SPN良恶性界值,灵敏度100%,特异性76.90%．结论　99mTc-MIBI-SPECT与定位CT融合显像对SPN的鉴别诊断有较高的临床价值．     

灰阶超声影像组学在诊断乳腺结节良恶性中的应用价值

回顾分析258例女性患者经乳腺超声检查出的361例乳腺良、恶性结节灰阶超声图像并提取396个影像组学特征,采用最小冗余最大相关性特征选择法(mRMR)载入所有结节的全部特征并从中筛选有意义的非冗余特征,再使用最小绝对收缩和选择算子(LASSO)从已经筛选的影像组学特征中选择最优特征子集构建影像组学模型.绘制受试者工作曲...     

18F-FDG符合线路SPECT与CT显像在肺孤立性结节诊断中的价值

目的：探讨18F-FDG符合线路单光子发射型计算机断层显像（single photon emission computer tomographic,SPECT）及计算机断层显像（Computed Tomography,CT）对鉴别肺孤立性结节（solitary pulmonary nodules,SPN）为良、恶性病变的价值。方法：回顾性分析具备同期SPECT及CT影像检查并经病理确诊的SPN病例117例,将SPECT及CT的判断结果与病理结果进行比较。结果：以病理诊断恶性SPN 93例,良性SPN 24例为＂金标准＂;SPECT诊断恶性SPN 77例,良性SPN 40例,其中,假阳性6例,假阴性22例;CT诊断恶性SPN 98例,良性SPN 19例,其中,假阳性14例,假阴性9例。SPECT检查的灵敏度、特异度、正确率、阳性预测值、阴性预测值、Youden指数为76.34%（71/93）、75.00%（18/24）、76.1%（89/117）、92.70%（71/77）、45.00%（18/40）、51.3%;CT检查的灵敏度、特异度、正确率、阳性预测值、阴性预测值、Youden指数为90.32%（84/93）、41.67%（10/24）、80.3%（94/117）、85.71%（84/98）、52.63%（10/19）、32.0%。SPECT对确诊SPN的特异度、阳性预测值、Youden指数均高于CT,差异有统计学意义（P〈0.05）。结论：CT检出恶性病变的能力好于SPECT,SPECT确定良性病变的能力强于CT,总体上SPECT对SPN的确定诊断有较好的临床应用价值。     

孤立性肺结节影像学特征的logistic回归分析

目的采用logistic回归分析对良、恶性孤立性肺结节（SPN）的临床及影像征象进行恶性风险因素分析,以提高早期肺癌的检出率。方法回顾分析43例SPN病人的临床及影像资料,先进行单因素分析,筛选出良、恶性组差异有统计学意义的因素,代入二元logistic回归分析进行多因素分析,得出良、恶性SPN的独立影响因素。结果43例病人共43个SPN,良性组18例（41.9%）,恶性组25例（58.1%）。孤立性肺结节良恶性的单因素分析显示,病人为女性、CT影像中结节有分叶、毛刺征、血管集束征、支气管征、胸膜凹陷征和无平直边的结节恶性率较高（P < 0.05~P < 0.01）;多因素logistic回归分析结果显示,毛刺征为恶性SPN的独立危险性因素（P < 0.05）,有平直边为良性SPN的独立保护性因素（P < 0.05）。结论良、恶性SPN的各影像征象存在重叠,毛刺征为恶性SPN的独立危险因素,而有平直边为良性结节的独立保护性因素。     

高分辨CT影像学特征对孤立性肺结节良恶性的鉴别诊断效能

目的 探讨高分辨电子计算机断层扫描(HRCT)影像学特征对孤立性肺结节(SPN)良恶性的鉴别诊断效能。方法 回顾性分析2018年1月至2020年12月间汉中市人民医院收治的94例SPN患者的临床及影像资料。所有患者均接受HRCT检查。比较恶性SPN (64例)与良性SPN (30例)的影像学特征,以病理检查结果为金标准,评估HRCT诊断SPN良恶性的效能。结果 恶性SPN的分叶征、毛刺征、血管集束征、胸膜凹陷征检出率分别为70.31%、57.81%、32.81%、42.88%,明显高于良性SPN的13.33%、13.33%、6.67%、16.67%,而恶性SPN的卫星灶检出率为6.25%,明显低于良性SPN的30.00%,差异均有统计学意义(P<0.05);HRCT诊断良恶性SPN的灵敏度81.25%、特异度86.67%、准确率82.98%、阳性预测值92.86%、阴性预测值68.42%。结论 HRCT鉴别诊断良恶性SPN效能较高,影像学特征具有较高参考价值。     

99Tcm-MIBI-SPECT与定位CT融合显像和18F-FDG-PET/CT融合显像鉴别孤立性肺结节的对比研究

目的对比分析99Tcm-MIBI SPECT与定位CT融合显像和18F-FDG-PET/CT融合显像对孤立性肺结节(SPN)的鉴别诊断效率,为中小城市医疗机构寻找一种较为廉价的鉴别SPN诊断方法。方法对39例SPN患者行99Tcm-MIBI-SPECT与定位CT融合显像,46例SPN患者行18F-FDG-PET/CT融合显像。对两种显像结果进行定性及半定量分析。并根据最终诊断结果,对比分析两种显像方法对SPN的鉴别诊断效率。结果 39例SPN患者行99Tcm-MIBI-SPECT与定位CT融合显像,13例为恶性SPN,26例良性SPN。99Tcm-MIBI-SPECT与定位CT融合显像定性分析对SPN良恶性鉴别诊断灵敏度92.31%(12/13)、特异性88.46%(23/26)、准确性89.74%(35/39)、阳性预测值80%(12/15)、阴性预测值95.83%(23/24)。46例SPN患者行18F-FDG-PET/CT融合显像,29例为恶性SPN,17例良性SPN。18F-FDG-PET/CT融合显像对SPN良恶性鉴别诊断灵敏度96.55%(28/29)、特异性76.47%(13/17)、准确性89.13%(41/46)、阳性预测值87.50%(28/32)、阴性预测值92.86%(13/14)。99Tcm-MIBI-SPECT与定位CT融合显像和18F-FDGPET/CT融合显像鉴别SPN的灵敏度(χ2=0.356,P=0.55)、特异性(χ2=1.084,P=0.298)、准确性(χ2=0.008,P=0.927)、阳性预测值(χ2=0.453,P=0.501)和阴性预测值(χ2=0.157,P=0.692)均无统计学差异。受试者工作特征(ROC)曲线分析显示:以99Tcm-MIBI早期摄取比值(EUR)≥1.474为鉴别SPN良恶性界值,灵敏度100%,特异性76.90%;以99Tcm-MIBI延迟摄取比值(DUR)≥1.38为鉴别SPN良恶性界值,灵敏度100%,特异性76.90%;以18F-FDG最大标准摄取比值(SUVmax)≥2.40为鉴别SPN良恶性界值,灵敏度96.60%,特异性76.50%。EUR、DUR与SUVmax的ROC界值诊断灵敏度(Fisher精确检验P值分别为1.0和1.0)、特异性(Fisher精确检验P值分别为1.0和1.0)差异无统计学意义。结论99Tcm-MIBI-SPECT与定位CT融合显像和18F-FDG-PET/CT融合显像对SPN的鉴别诊断效率相似,99Tcm-MIBI-SPECT与定位CT融合显像可作为中小城市中低收入SPN患者较为实用的早期鉴别诊断方法。     

基于CT图像影像组学模型对甲状腺结节良恶性预测的研究

目的 本研究旨在探讨基于CT影像组学模型对甲状腺结节良恶性的鉴别价值。方法 回顾性收集甲状腺结节患者185例患者的胸部CT纵膈窗影像资料,共186枚结节,良性结节104枚,恶性结节82枚。将显示病灶的薄层CT图像以DICOM格式上传至达尔文医准科研平台,在病灶的中心层面及其上下层面勾画感兴趣区(ROI),通过最小、最大值归一化预处理,对每一维度特征的线性进行拉伸。然后采用Lasso Glogistic回归模型进行模型选择,对特征的重要性进行评估。最后以筛选出的特征维度为特征参数构建Lasso Glogistic回归模型,使用受试者工作特性曲线(ROC曲线)分析模型的诊断效能,并计算敏感度、特异度和诊断符合率。结果 经过特征筛选,8个影像组学特征用于构建甲状腺结节良恶性鉴别模型。训练组中预测模型的ROC曲线下面积(AUC)为0.83(95%可信区间：0.73-0.93),灵敏度和特异度分别为88.7%、 82.0%,诊断准确率75%;测试组中AUC为0.81(95%可信区间：0.6-0.99),灵敏度和特异度分别为88.5%、 84.6%,诊断准确率76.13%。结论 基于胸部CT纵膈窗...     

18F-FDG-PET/CT融合显像诊断孤立性肺结节的价值

目的探讨18氟-脱氧葡萄糖-正电子发射计算机断层X线体层成像仪(18F-FDG-PET/CT)融合显像及双时相显像诊断孤立性肺结节(SPN)的价值。方法对2009年1月至2010年1月因SPN而行18 F-FDG-PET/CT融合显像的46例患者资料进行回顾性分析,其中21例PET阳性患者进行了双时相PET/CT显像。根据最终诊断结果,分析18F-FDG-PET/CT融合显像及双时相显像对SPN良、恶性鉴别诊断的价值。结果 46例SPN患者,29例为恶性,17例为良性。18 F-FDG-PET/CT融合显像对SPN良、恶性鉴别诊断灵敏度96.55%(28/29)、特异性76.47%(13/17)、准确性89.13%(41/46)、阳性预测值87.50%(28/32)、阴性预测值92.86%(13/14)。受试者工作特征(ROC)曲线分析显示:以18 F-FDG最大标准摄取比值(SUVmax)≥2.40为鉴别SPN良、恶性界值,灵敏度96.60%,特异性76.50%。21例PET显像阳性患者延时显像无论良、恶性,其SUV均有不同程度升高,差异无统计学意义。结论 18F-FDG-PET/CT融合显像对SPN的鉴别诊断有较高的价值。PET/CT双时相显像对SPN的鉴别诊断价值有限。     

胸部CT联合硫氧还蛋白还原酶检测对孤立性肺结节良恶性的诊断价值

目的：探讨CT扫描联合硫氧还蛋白还原酶（thioredoxin reducatse,TR）检测对孤立性肺结节（solitary pulmonary nodule,SPN）良恶性的诊断价值。方法：回顾性分析89例孤立性肺结节患者的临床资料，其中恶性结节46例（恶性组），良性结节43例（良性组）。比较两组患者SPN CT征象及血清TR水平，比较CT扫描、TR检测、CT联合TR检测3种方法诊断SPN的敏感度、特异度、准确度、阳性预测值和阴性预测值。结果：恶性组毛刺征、分叶征、胸膜凹陷征、血管集束征阳性率高于良性组，结节最大长径大于良性组，血清TR水平高于良性组，差异均有统计学意义（P<0.05）。诊断SPN的敏感度、特异度、准确度CT检查分别为78.3%、88.4%和83.1%，血清TR水平分别为37.0%、86.0%和60.7%，联合检查分别为82.6%、86.0%和84.3%。联合检查及单独CT诊断SPN敏感度、准确度高于TR检测，差异均有统计学意义（P<0.05）。结论：CT扫描及CT联合血清TR检测对SPN的诊断价值优于TR检测，TR检测可以有效辅助CT扫描对SPN的定性...     

基于光谱CT和影像组学特征的机器学习模型和列线图预测甲状腺结节良恶性

目的：构建光谱CT参数和影像组学机器学习模型预测甲状腺结节良恶性。方法：回顾性分析行光谱CT增强扫描的118例甲状腺结节患者（143个结节,其中包括46例良性结节和97例恶性结节）影像及临床资料,7∶3随机分为训练集 （n=100）和验证集（n=43）。采用差异性检验、组间一致性评估以及最小绝对收缩和选择算子算法（least absolute shrinkage and selection operator,LASSO）筛选特征并计算影像组学评分。运用决策树（decision tree,DT）、随机森林（random forest,RF）、极端梯度提升树（extreme gradient boosting,XGBoost）、支持向量机（support vector machine,SVM）、K 最近邻（K-nearest neighbor, KNN）和逻辑回归（logistic regression,LR）6种机器学习算法进行建模,筛选最佳的模型并构建列线图。结果：XGBoost模型在验证集中性能最好（曲线下面积：0.938;准确度：86.05%;灵敏度：89.29%;特异度：80.00%）,标准化碘值、影像组学评分与年龄是重要且有效的预测因素,构建的列线图具有良好的性能。结论：结合光谱CT和影像组学的机器学习模型及列线图能够为甲状腺结节良恶性的非侵入性预测提供高准确性的参考。     

基于CT影像组学构建模型对实性肺结节鉴别的价值

  目的  探讨CT影像组学模型对实性肺结节良恶性的诊断效能。  方法  回顾性分析安徽医科大学第二附属医院2019年3月—2022年11月经手术、穿刺或临床证实的231例实性肺结节患者CT影像资料,选择典型的231个肺结节,按病理类型分为良性(98例)和恶性(133例)。采用InferScholar软件分别从二维、三维2个角度对病灶轮廓进行勾画,之后用软件提取影像组学特征,将入组病例以7∶ 3的比例分为训练集和测试集。通过Pearson相关系数、显著性检验、LASSO回归分析方法进行特征筛选。在训练集中分别构建二维、三维影像组学特征模型(模型Ⅰ、模型Ⅱ),用测试集来验证,利用ROC曲线下面积来评价模型的预测效能。  结果  从二维、三维2个角度分别提取出919、1 746个影像组学特征,经过筛选,分别得到12、20个最优影像组学特征,用机器算法构建影像组学模型Ⅰ和模型Ⅱ。训练集中模型Ⅰ的AUC为0.97,模型Ⅱ的AUC为0.98;测试集中模型Ⅰ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.94(95% CI:0.87~0.98)、83.9%、89.5%、86.7%、87.2%、87.0%;测试集中模型Ⅱ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.97(95% CI:0.94~0.99)、75.9%、97.5%、95.7%、84.8%、88.4%。  结论  基于CT影像组学构建的模型能够较好地预测实性肺结节的良恶性,从三维角度构建的模型Ⅱ的诊断效能优于二维角度构建的模型Ⅰ。      

高分辨CT在肺内孤立性结节良恶性病变诊断中的应用效果

目的:观察高分辨CT在肺内孤立性结节(SPN)良恶性病变诊断中的应用效果。方法:选取就诊的80例疑似SPN患者作为研究对象。患者均接受高分辨CT检查、手术治疗及术后病理诊断,比较良恶性SPN的高分辨CT征象差异,并以术后病理诊断结果为金标准,分析高分辨CT检查在良恶性SPN鉴别诊断中的价值。结果:患者均经病理诊断确诊为SPN,包括恶性结节35例,良性结节45例;高分辨CT诊断恶性结节36例,良性结节44例,CT对恶性结节诊断的敏感度和特异度分别为94.29%和93.33%,诊断准确率为93.75%。恶性结节患者的CT征象中,毛刺征、分叶征及血管集束征显示率均高于良性SPN组,而钙化显示率均低于良性患者,差异均有统计学意义(P<0.05)。结论:高分辨CT能准确显示SPN的形态分布及影像特征.诊断的敏感度和特异度较高。     

肺内孤立结节的高分辨 CT征象诊断价值

目的：探讨肺内孤立结节（ SPN）高分辨CT征象对于良恶性的鉴别诊断价值。方法：回顾性分析经病理学确诊的129例SPN（恶性结节88例,良性结节41例）的高分辨CT征象,对不同征象在良恶性SPN中的发生率进行比较,评价不同指标的诊断敏感度、特异度及准确率。结果：恶性SPN的CT征象中前3位依次为毛刺征、分叶征和血管集束征,均高于在良性SPN中的发生率（χ2＝26．590、33．661和5．125,P均＜0．05）。当选择毛刺征、分叶征和血管集束征3种征象中的任意3个联合进行良恶性鉴别诊断时,毛刺征和分叶征联合指标的鉴别诊断敏感度、特异度和准确率分别为1．00、0．76和0．92,均高于单一CT征象鉴别诊断效能,3种征象联合鉴别诊断的敏感度未变,而特异度、准确率均下降。结论：高分辨CT能够清晰显示SPN的形态特征,毛刺征联合分叶征能够提高对SPN良恶性鉴别诊断的敏感度、特异度和准确率。     

CT影像组学预测胃癌不同预后组织学分型的可行性

目的: 探讨CT影像组学在胃癌不同预后组织学分型预测中的应用价值。方法: 回顾性分析570例胃癌患者的临床资料,按组织学分型分为预后较差组和预后较好组,按照2 ∶1的比例随机分为训练组和验证组。采用软件ITK SNAP从CT图像中分割胃癌原发病灶。采用多因素分析筛选出与胃癌不同预后组织学分型最大相关性的临床特征,并以此构建临床特征模型。从所有分割图像中提取特征,再使用最大相关最小冗余(mRMR)、最小绝对收缩和选择算子(LASSO)回归和逐步回归筛选出有效特征,并以此建立影像组学标签。最后,拟合影像组学标签与临床特征,构建影像组学模型,并用受试者工作特征（ROC）曲线下面积（AUC）进行性能评估。结果： 提取了985个二维图像特征,包括一阶统计量、形状特征、纹理特征等。通过去冗余特征筛选,得到5个最有效特征构建影像组学标签。3个临床特征（年龄、性别、CT M分期）作为构建临床特征模型的参数。相较于临床特征模型和影像组学标签,影像组学模型的预测性能表现最佳,影像组学模型AUC在训练组和验证组分别为0.726 2(95%CI：0.676~0.776),0.707(95%CI：0.632~0.781)。结论： CT影像组学在术前无创预测胃癌不同预后组织学分型方面具有一定的应用潜力。     

基于胸部CT影像组学的列线图对非小细胞肺癌表皮生长因子受体基因突变的预测价值

目的通过基于胸部CT影像组学的列线图对非小细胞肺癌（NSCLC）表皮生长因子受体（EGFR）基因突变进行鉴别和预测。方法回顾杭州市第一人民医院2019年1月至2020年8月经病理检查证实为NSCLC的153例患者胸部CT图像及EGFR基因检测结果,将所有患者分为基因突变组90例及野生组63例,通过7︰3比例的分层抽样将所有患者分为训练组108例和验证组45例,提取所有CT图像影像组学特征并筛选,得到影像组学特征参数分数（Rad-score）,同时建立影像组学特征模型。通过纳入Rad-score、图像语义特征及患者的临床资料,用多因素二元logistic回归建立联合模型,得到联合模型的列线图,实现模型可视化,并进行模型验证。绘制ROC曲线评价影像组学特征模型、临床-语义特征模型及联合模型对NSCLCEGFR基因突变的预测效能。结果联合模型对于鉴别NSCLCEGFR基因突变具有较好的预测效能,训练组AUC=0.77,95%CI：0.68~0.85,准确度为70.0%,灵敏度为0.67,特异度为0.76,阳性预测值为79.3%,阴性预测值为61.8%;验证组AUC=0.77,95%CI：0.63~0.91,准确度为71.1%,灵敏度为0.79,特异度为0.62,阳性预测值为70.4%,阴性预测值为72.2%。Rad-score、结节分型、吸烟史均为独立预测因子。结论通过基于胸部CTRad-score、图像语义特征及临床特征资料建立的的联合模型所得到的列线图,对预测NSCLCEGFR基因突变具有一定价值。     

CT影像与纹理特征联合模型在甲状腺良恶性结节鉴别中的价值

目的 比较甲状腺良恶性结节CT影像征象及纹理特征差异,构建两者鉴别诊断模型。方法 回顾性分析110例经手术病理证实分类甲状腺结节患者的125个结节,其中良性组66个,恶性组59个,提取每个结节CT征象与平扫、动脉期及静脉期3个期相的纹理特征。采用χ²检验筛选良恶性结节有差异的影像特征,进一步采用Logistic回归分析构建单纯影像模型。对结节纹理特征筛选、降维,建立剩余纹理参数的受试者工作特征曲线(ROC),获取ROC曲线下面积(AUC)。使用筛选后的常规影像特征及纹理特征组合建立联合Logistic回归模型并获得相应AUC。结果 影像模型的AUC为0.821,灵敏度为66.10%,特异度为81.82%。纹理特征中,静脉期方差具有最高鉴别效能,其AUC为0.696。由以上4个特征构建的联合模型AUC为0.845,灵敏度为76.27%、特异度为83.33%。联合模型的AUC、灵敏度及特异度均高于影像模型。结论 综合CT影像特征及纹理特征的基础上建立联合模型,有助于甲状腺良恶性结节鉴别诊断。     

SUV小于2．5的孤立性肺结节18F—FDGPET／CT诊断价值初探

目的正电子断层显像（PET）通常以标准摄取值（SUV）≥2．5为肺癌诊断标准,但仍有部分SUV〈2．5的孤立性肺结节（SPN〈2.5）为肺癌。本研究旨在分析SPN〈2.5,氟代脱氧葡萄糖（18F—FDG）PET／CT表现及其诊断价值。方法51例18F—FDGPET／CT早期显像SUV平均值（SUVavg）〈2．5的孤立性肺结节病人纳入研究。对SPN放射性摄取测量采用两种方法：视觉分析及半定量分析。测量SPN的早期及延迟显像的SUVavg、SUVmax及其早期一延迟变化率（△SUVavg、△SUVmax）。37例以病理诊断及14例以2年以上临床随诊结果为最终诊断标准。统计学分析采用SPSS16．0软件。结果51例SPN〈2.5患者中,良性11例,恶性40例。虽然良恶性SPN〈2.5患者各项SUV值间均无统计学差异（P〉0．05）,但恶性SPN〈2.5,患者各项SUV值均有高于良性的趋势,特别是ASUVavg、ASUVmax。以ASUVmax〉0为诊断阈值,18F—FDGPET／CT诊断恶性SPN的敏感性68．4％、特异性60．0％、准确性66．7％、阳性预测值86．7％及阴性预测值33．3％。视觉分析：无FDG摄取的SPN〈2.5 9例中,5例为良性,4例为恶性;有FDG摄取的SPN〈2.5 42例中,6例良性,36例恶性,两组之间有显著的统计学差异,P=0．02。良恶性SPN〈2.5的CT密度及大小之间均无统计学差异（P〉0．05）。综合PET和CT信息分析SPN〈2.5,18F—FDGPET／CT诊断恶性SPN〈2.5的敏感性97．5％、特异性54．5％、准确性88．2％、阳性预测值88．6％、阴性预测值85．7％。结论单纯以SUV≥2．5为标准鉴别诊断SPN会导致肺癌的漏诊。对于此类结节,ASUV有较高的肺癌阳性预测值;FDG摄取视觉分析能提高结节的良恶性鉴别准确率;综合FDGPET和cT分析的PET／CT能显著提高诊断肺癌的敏感性和准确性,但特异性较低。