YOLOX目标检测模型用于自动识别数字减影血管造影图中的血管腔内介入器械

目的 观察YOLOX目标检测模型用于自动识别数字减影血管造影（DSA）图中的血管腔内介入器械的价值。方法 收集37例接受腹部血管腔内介入治疗患者的DSA资料,截取4 435幅图像作为数据集,并按照9∶1比例将其分为训练集（n=3 991）与验证集（n=444）。对数据集中的6种介入器械进行标记后,以YOLOX算法对训练集数据进行深度学习训练,构建YOLOX目标检测模型;基于验证集评估该模型自动识别DSA图中的介入器械的效能。结果 共对4 435幅DSA图像设置6 668个标签,分别针对Terumo 0.035in泥鳅导丝（n=587）、Cook Lunderquist超硬导丝（n=990）、Optimed 5F带刻度猪尾导管（n=1 680）、Cordis MPA多功能导管（n=667）、Boston Scientific V-18可控导丝（n=1 330）及Terumo 6F长鞘（n=1 414）;训练集分别含上述标签527、875、1 466、598、1 185及1 282个,验证集分别含60、115、214、69、145及132个。YOLOX目标检测模型自动识别验证集中上述器械的像素准确率分别为95.23%、97.32%、99.18%、98.97%、97.60%及98.19%,平均像素准确率达97.75%。结论 YOLOX目标检测模型能够自动识别DSA图中的多种血管腔内介入器械。     

CT影像组学联合CT特征预测肺亚实性结节侵袭性

目的 观察CT影像组学联合CT特征预测肺亚实性结节侵袭性的价值。方法 回顾性分析170例肺亚实性结节患者资料,包括6例非典型腺瘤样增生(AAH)、12例原位腺癌(AIS)、58例微浸润性腺癌(MIA)及94例浸润性腺癌(IAC),将AAH、AIS和MIA归为非侵袭组、IAC归为侵袭组。按7∶3比例将患者分为训练集(n=119,含5例AAH、9例AIS、36例MIA及69例IAC)和验证集(n=51,含1例AAH、3例AIS、22例MIA及25例IAC)。采用单因素及logistic回归分析训练集患者一般资料及病灶CT表现,筛选预测肺亚实性结节侵袭性的独立危险因素并建立CT模型;基于训练集提取及筛选病灶最佳影像组学特征,以之构建影像组学模型。基于CT模型及影像组学模型构建联合模型,并以列线图将其可视化。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),基于验证集评估各模型诊断效能;以校准曲线评价联合模型的校准程度。结果 CT所示结节长径和最大CT值为预测肺亚实性结节为IAC的CT相关独立危险因素,以之构建CT模型。基于训练集筛选出6个最佳影像组学特征并构建影像组学模型。CT模型、影像组学模型及联合模型预测验证集肺亚实性结节侵袭性的AUC分别为0.772、0.785及0.869;联合模型的AUC高于CT模型(Z=2.336,P=0.019)而与影像组学模型差异无统计学意义(Z=1.925,P=0.054),其预测结果与实际结果的一致性较高。结论 CT影像组学联合CT特征可有效预测肺亚实性结节侵袭性。     

基于增强CT影像组学鉴别胸腺瘤组织学分型

目的 观察基于增强CT影像组学鉴别胸腺瘤组织学分型的价值。方法 回顾性分析226例经病理证实的胸腺瘤患者,按7∶3比例将其分为训练集(n=159)及测试集(n=67);利用最大相关最小冗余(mRMR)及最小绝对收缩和选择算子(LASSO)算法筛选最佳影像组学特征,构建鉴别胸腺瘤组织学分型的影像组学模型;以单因素及多因素logistic回归分析筛选鉴别胸腺瘤组织学分型相关的临床及CT表现,构建临床模型和联合影像组学特征及临床、CT特征的影像组学列线图。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价3种模型鉴别胸腺瘤组织学分型的效能并比较其差异,评价影像组学列线图的临床价值。结果 最终基于增强动脉期及静脉期CT筛选出19个最佳影像组学特征,以建立影像组学模型。临床模型由患者年龄、重症肌无力、病灶CT表现形态、侵犯邻近组织及动脉期CT值构成。训练集中,影像组学列线图及影像组学模型区分低危组胸腺瘤与高危组胸腺瘤的AUC (0.91、0.89)均高于临床模型(0.79,Z=3.62、2.49,P均＜0.05),而影像组学列线图与影像组学模型AUC差异无统计学意义(Z=1.54,P=0.12);3种模型在测试集中的AUC差异均无统计学意义(P均＞0.05)。阈值概率为0.1~1.0时,影像组学列线图的临床获益均大于临床模型及影像组学模型。结论 基于增强CT影像组学模型和基于临床、CT表现及影像组学特征的影像组学列线图均有利于鉴别胸腺瘤组织学分型,后者临床获益更高。     

CT影像组学列线图预测胃癌内镜活检与术后病理学分型差异

目的 评估基于CT影像组学的列线图预测胃癌内镜活检与术后病理Lauren分型差异的价值。方法 回顾性分析126例经手术病理确诊的胃癌患者,根据内镜活检与术后病理结果是否一致将其分为一致组（n=77）与不一致组（n=49）,同时按2∶1比例分为训练集与验证集。筛选临床预测因子,构建临床预测模型;于静脉期CT图像提取影像组学特征,采用L1正则化方法对特征进行筛选,以决策树、随机森林、逻辑回归3种机器学习（ML）算法构建影像组学模型;基于临床及最佳影像组学ML模型构建列线图;评估各模型及列线图的预测效能及其临床价值。结果 患者年龄、血小板计数、动脉期CT值是预测胃癌内镜活检与术后病理分型不一致的独立因子。3种ML模型中,随机森林预测效能较好,其在训练集与验证集中的曲线下面积（AUC）分别为0.835及0.724。临床模型、影像组学模型及列线图在训练集的AUC分别为0.764、0.835及0.884,在验证集分别为0.760、0.724及0.841;列线图在训练集与验证集均显示出较好的拟合度及临床实用性。结论 基于CT影像组学列线图用于预测胃癌内镜活检与术后病理Lauren分型不一致性具有潜在临床应用价值。     

CT影像组学联合临床及CT特征预测胸腺上皮肿瘤TNM分期

目的 观察CT影像组学联合临床及CT特征预测胸腺上皮肿瘤（TET）TNM分期的价值。方法 回顾性分析216例经手术病理证实的单发TET患者,以其中151例TNM Ⅰ期为早期组,将27例TNM Ⅲ期及38例Ⅳ期归为晚期组（n=65）。采用单因素分析组间临床资料及胸部CT表现。分别基于平扫（NECT）及增强CT（CECT）提取并筛选最佳影像组学特征,建立预测TET TNM分期的影像组学模型RM_NECT、RM_CECT,联合组间差异有统计学意义的临床及CT特征构建RM_NECT-临床、RM_CECT-临床及RM_{NECT-临床-CT、}RM_{CECT-临床-CT}。按7∶3比例将患者分为训练集（n=151）及 验证集（n=65）,采用重复5折交叉验证法于训练集训练模型,并于验证集验证其效能。结果 组间临床症状及CT所示病灶周围脂肪浸润、纵隔淋巴结肿大、胸腔积液差异均有统计学意义（P均＜0.05）。分别基于NECT及CECT筛选出2个及9个最佳影像组学特征,以之构建相应模型。验证集中,RM_{NECT-临床-CT}预测TET TNM分期的AUC（0.864）高于RM_NECT及RM_NECT-临床（AUC=0.634、0.721,Z=3.081、2.937,P=0.002、0.003）,RM_{CECT-临床-CT}的AUC（0.920）高于RM_CECT及RM_CECT-临床（AUC=0.689、0.751,Z=2.698、2.390,P=0.007、0.017）。结论 CT影像组学联合临床及CT特征能有效预测TET TNM分期。     

双层光谱CT评估非小细胞肺癌Ki-67表达水平的可行性

目的 探讨双层光谱CT相关参数评估非小细胞肺癌(NSCLC)Ki-67表达水平的可行性。方法 纳入50例NSCLC患者,根据Ki-67表达水平将其分为低表达组(n=23,Ki-67≤30%)及高表达组(n=27,Ki-67＞30%),比较组间光谱定量参数的差异。采用Spearman相关性分析评价光谱定量参数与Ki-67表达水平的相关性;绘制受试者工作特征曲线,分析各参数评估Ki-67表达水平的效能。结果 低表达组CT_{40 keV}、曲线斜率、等效原子序数、碘密度和无水碘密度均高于高表达组(P均＜0.05)。NSCLC患者CT_{40 keV}、CT_{70 keV}、曲线斜率、碘密度及无水碘密度均与Ki-67表达呈负相关(r_s=-0.28、-0.18、-0.37、-0.29、-0.33,P均＜0.05),等效原子序数与Ki-67表达呈正相关(r_s=0.32,P＜0.05)。根据CT_{40 keV}、曲线斜率、等效原子序数、碘密度及无水碘密度评估NSCLC Ki-67表达水平的曲线下面积分别为0.72、0.75、0.70、0.72及0.75。结论 双层光谱CT定量参数可用于评估NSCLC Ki-67表达水平。     

胸部X线片人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎

目的 观察基于胸部X线片建立的人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎（CAP）的价值。方法 回顾性选取2所医院共900例CAP患儿,包括细菌性、病毒性及支原体CAP各300例,对每例选取1幅胸部正位片。收集公开数据集GWCMCx中的5 856幅儿童胸部正位片,分别来自4 273例CAP患儿和1 583例胸部无明显异常患儿。按8∶2比例将全部6 756幅胸片分为训练集（n=5 359）与验证集（n=1 397）。建立基于注意力机制的病原学诊断儿童CAP模型,设计二分类及三分类诊断算法并进行联邦部署训练;与DenseNet模型对比,观察所获学习系统用于病原学诊断儿童CAP的效能。结果 人工智能联邦学习系统模型针对全部数据诊断CAP的准确率为97.00%,曲线下面积（AUC）为0.990。基于来自医院的数据,本系统根据单一影像学数据及临床-影像学数据实现病原学诊断儿童CAP的AUC分别为 0.858及0.836,均高于DenseNet模型的0.740（P均＜0.05）。结论 基于胸部X线片的人工智能联邦学习系统可用于病原学诊断儿童CAP。     

侵袭性肺炎克雷伯菌肝脓肿综合征临床及影像学特征

目的 观察侵袭性肺炎克雷伯菌肝脓肿综合征（IKPLAS）临床及影像学特征。方法 回顾性纳入68例肺炎克雷伯菌肝脓肿（KPLA）患者,根据是否发生肝外侵袭性感染分为IKPLAS组（n=25）及非IKPLAS组（n=43）,比较组间临床资料及CT和/或MRI表现。结果 IKPLAS组患者年龄低于而糖化血红蛋白、D-二聚体均高于非IKPLAS组（P均＜0.05）。IKPLAS组18例、非IKPLAS组6例可见肝静脉血栓性静脉炎,IKPLAS组10例、非IKPLAS组28例可见动脉期脓肿周围异常高灌注,组间差异均有统计学意义（P均＜0.05）。IKPLAS组肝外感染主要累及肺（19/25,76.00%）。结论 IKPLAS患者年龄低于而糖化血红蛋白、D-二聚体高于其他KPLA;较常见肝静脉血栓性静脉炎及肝外感染主要累及肺为IKPLAS影像学特征。     

CT鉴别诊断造血干细胞移植后胃肠道移植物抗宿主病与机会性感染性肠炎

目的 观察CT鉴别诊断造血干细胞移植(HSCT)后胃肠道移植物抗宿主病(GI-GVHD)与机会性感染性肠炎的价值。方法 回顾性分析59例HSCT后出现胃肠道症状且经内窥镜下组织活检病理确诊GI-GVHD(GI-GVHD组,n=31)或机会性感染性肠炎(机会性感染性肠炎组,n=28)患者,观察其CT表现差异。结果 GI-GVHD组CT显示肠壁增厚、肠壁强化、肠管积气及肠外CT表现肠周淋巴结增生、胆囊炎、膀胱炎或膀胱出血率均高于机会性感染性肠炎组(P均＜0.05),而CT显示多灶性肠壁炎症及肠系膜水肿率组间差异均无统计学意义(P均＞0.05)。结论 CT有助于鉴别诊断HSCT后GI-GVHD与机会性感染性肠炎。     

血管内介入治疗缺血性脑卒中后脑内高密度影与出血转化的关系

目的 采用双源CT量化评价经血管内介入治疗缺血性脑卒中(CIS)后脑内高密度影,探讨其与出血转化的关系。方法 回顾性分析167例CIS患者经介入治疗后即刻颅脑双能量CT资料,根据术后24~72 h CT平扫或MR检查结果分为出血组(n=42)及无出血组(n=125),比较组间患者临床资料、脑内新发高密度影CT值及其体积的差异,分析影响出血转化的因素,评价CT参数与出血转化的相关性;绘制受试者工作特征曲线,评价各指标判断出血转化的效能。结果 出血组患者高血脂比例低于无出血组(P<0.05);出血组新发高密度影占比、高密度影的最大CT值、平均CT值及其体积均大于无出血组(P均<0.001)。高血脂病史为出血转化的保护因素(P<0.05);新发高密度影最大CT值、平均CT值及其体积为出血转化的危险因素(P均<0.001),且均与出血转化呈正相关(P均<0.001),以之判断血管内介入治疗CIS后患者发生出血转化的曲线下面积(AUC)分别为0.950、0.910及0.888,联合应用新发高密度影最大CT值+体积、平均CT值+体积及最大CT值+平均CT值+体积判断发生出血转化的AUC分别为0.944、0.923及0.941。结论 血管内介治疗CIS后即刻CT显示缺血区新发高密度影的最大CT值、平均CT值及其体积均与术后出血相关。     

基于腰椎螺旋CT图像以卷积神经网络技术全自动识别并重建椎间盘的可行性

目的观察基于腰椎螺旋CT图像以卷积神经网络技术全自动识别及重建椎间盘的可行性。方法回顾性分析400例腰痛患者的腰椎CT资料,以其中320例为训练集、40例为验证集、40例为测试集。以人工智能(AI)系统进行学习训练和测试。以深度学习(DL)卷积神经网络3D V-Net技术分割腰椎轴位CT图像中的椎体与椎间盘,并轴位重建椎间盘;以Dice系数评估分割精度。由2名放射科医师分别对AI重建图像及人工重建图像进行图像质量评分并进行对比。结果AI分割骶椎椎体、L5椎体、L1~L4椎体及椎间盘的Dice系数分别为0.953、0.940、0.940及0.926,平均为0.940。针对测试集40例,采用腰椎螺旋CT数据经卷积神经网络技术完成197个椎间盘重建。2名放射科医师对197幅AI重建图像及人工重建图像的中位评分均为4分,差异无统计学意义(P均>0.05);评分一致性加权Kappa值为0.862[95%CI(0.778,0.946),P<0.001]。结论基于腰椎螺旋CT图像卷积神经网络全自动识别及重建椎间盘的可行性令人满意。     

基于深度神经网络Mask R-CNN胆囊癌辅助识别系统临床应用价值研究

目的探讨基于深度神经网络的目标检测技术在腹部双源CT胆囊癌辅助识别系统的临床应用价值。方法选取2017年1月至2019年12月上海交通大学医学院附属新华医院普外科、吉林大学第一医院肝胆胰外一科和吉林大学中日联谊医院普外科收治的88例病理学检查诊断明确的胆囊癌,28例慢性胆囊炎胆囊结石病人和29例正常胆囊(影像学检查胆囊正常)病人,均行腹部双源CT检查。随机选取101例作为训练组,29例作为验证组,15例作为测试组。首先,利用已标注的10409张腹部双源CT图像对Mask R-CNN模型进行学习,从而建立自动胆囊癌辅助识别系统。然后对验证组的2974张CT图像通过专业的医师对其进行判断识别,与Mask R-CNN得出的结果进行对比分析。通过不同交并比阈值(IoU)下的平均检测精度(AP)和平均召回率(AR)来对性能进行评估。结果计算机通过学习组不断迭代训练,Mask R-CNN的损失函数值收敛,诊断误差不断降低。在IoU为0.5时,Mask R-CNN的边界框和掩膜的AP分别为0.929和0.929,IoU为0.75时的边界框和掩膜AP分别为0.901和0.890,IoU为0.5:0.95时的边界框和掩膜AP分别为0.723和0.707,平均召回率分别为0.794和0.774,模型的性能良好。结论基于深度神经网络的Mask R-CNN胆囊癌辅助识别系统具有较高的准确率和性能,可辅助进行临床诊断。     

基于深度学习人工智能辅助系统用于CT检出肋骨新鲜骨折

目的 观察基于深度学习的人工智能(AI)辅助系统用于CT检出肋骨新鲜骨折的效能。方法 由2名高年资影像科医师对1 000例急诊CT所示肋骨新鲜骨折患者进行逐层标注,再由另2名高年资医师进行审核;将图像导入深睿医疗Dr.Wise^®骨折CT影像辅助检测系统(简称Dw_AI)。于1 000例中随机抽取60例(40例肋骨新鲜骨折、20例无骨折)作为数据集2,以其余940例为数据集1(902例肋骨新鲜骨折、38例无骨折)。由1名影像科主任医师(CR)基于数据集1独立评估肋骨新鲜骨折,将其结果与Dw_AI结果进行对比,评估Dw_AI的效能。由2名低年资和2名中等年资医师参与多阅片者多病例(MRMC)临床试验,基于数据集2,分别于病灶、肋骨和患者级别评估Dw_AI辅助不同年资医师诊断的效能。结果 数据集1 全部940例中, 2 946支肋骨存在3 452处新鲜骨折;Dw_AI对各级别肋骨新鲜骨折的敏感度均高于CR(P均＜0.05)。数据集2全部60例中,112支肋骨存在123处新鲜骨折;Dw_AI辅助下,不同年资医师诊断各级别肋骨新鲜骨折的敏感度均有所提高(P均＜0.05)。结论 AI辅助系统用于CT检出肋骨新鲜骨折的效能较佳,且能提高医师、尤其低年资医师的诊断敏感度。     

Sanders classification of calcaneal fractures in CT images with deep learning and differential data augmentation techniques

BackgroundClassification of the type of calcaneal fracture on CT images is essential in driving treatment. However, human-based classification can be challenging due to anatomical complexities and CT image constraints. The use of computer-aided classification system in standard practice is additionally hindered by the availability of training images. The aims of this study is to 1) propose a deep learning network combined with data augmentation technique to classify calcaneal fractures on CT images into the Sanders system, and 2) assess the efficiency of such approach with differential training methods.MethodsIn this study, the Principle component analysis (PCA) network was selected for the deep learning neural network architecture for its superior performance. CT calcaneal images were processed through PCA filters, binary hashing, and a block-wise histogram. The Augmentor pipeline including rotation, distortion, and flips was applied to generate artificial calcaneus fractured images. Two types of training approaches and five data sample sizes were investigated to evaluate the performance of the proposed system with and without data augmentation.ResultsCompared to the original performance, use of augmented images during training improved network performance accuracy by almost twofold in classifying Sanders fracture types for all dataset sizes. A fivefold increase in the number of augmented training images improved network classification accuracy by 35%. The proposed deep CNN model achieved 72% accuracy in classifying CT calcaneal images into the four Sanders categories when trained with sufficient augmented artificial images.ConclusionThe proposed deep-learning algorithm coupled with data augmentation provides a feasible and efficient approach to the use of computer-aided system in assisting physicians in evaluating calcaneal fracture types.     

成人免疫性血小板减少性紫癜合并肝血管瘤1例报告并文献复习

背景与目的 成人免疫性血小板减少性紫癜（ITP）合并肝血管瘤临床罕见,容易误诊误治。笔者报告的1例成人ITP合并肝血管瘤患者的诊治经过,以期为临床提供参考和借鉴。方法 回顾性分析桂林医学院第二附属医院收治的1例成人ITP合并肝血管瘤患者的临床资料,并结合文献总结该病的临床诊治特点。结果 患者为46岁女性,因“全身皮肤黏膜出血1个月余,血小板减少1 d”入住血液内科。血细胞分析血小板计数4.0×10⁹/L,凝血功能正常,骨髓穿刺活检提示巨核细胞相对增多,血小板少见,高度疑似ITP。经激素等治疗后皮肤黏膜出血好转,血小板升高至59×10⁹/L。上腹部增强CT提示右肝巨大血管瘤,转至肝胆胰外科行肝血管瘤切除,术后术区渗血明显,阴道流血,血小板逐步降低至3.0×10⁹/L,右侧胸腔大量积液,但凝血功能正常。经止血、输血、调节免疫、抗感染、胸腔穿刺引流处理后逐步恢复。术后第13天患者血小板升高至220×10⁹/L。随访32个月,患者皮肤黏膜不再出血,血小板计数维持在正常范围。结论 成人ITP,需警惕合并肝血管瘤,处理血管瘤可使患者获得良好的远期效果,但需做好围术期管理以使患者顺利恢复。     

人工智能影像辅助诊断平台对直肠癌壁外血管侵犯识别多中心临床研究

目的 探索基于区域卷积神经网络（Faster R-CNN）的人工智能影像辅助诊断平台对识别直肠癌壁外血管侵犯（EMVI）的临床应用价值。方法 回顾性分析我国7家医院2016年7月至2019年2月行直肠高分辨MRI检查的500例直肠癌病人的临床资料,其中EMVI阳性174例和EMVI阴性326例。使用随机数字法将病人资料随机分配到训练组（400例,包括EMVI阳性133例和EMVI阴性267例）和验证组（100例,包括EMVI阳性41例和EMVI阴性59例）。利用Faster R-CNN对训练组20 430张高分辨MRI图像进行学习和训练,建立人工智能影像辅助诊断平台。对验证组5107张高分辨MRI图像进行临床验证,应用受试者工作特征曲线（ROC）和曲线下面积（AUC）,比较人工智能影像辅助诊断平台与高年资影像专家的诊断结果。结果 人工智能影像辅助诊断平台识别EMVI的准确率、敏感度、特异度、阳性预测值和阴性预测值分别为93.4%、97.3%、89.5%、0.90和0.97。AUC为0.98。自动识别单张图像所需时间为0.2 s,而影像学专家判读时间约为10 s。结论 基于Faster R-CNN的人工智能影像辅助诊断平台对识别直肠癌EMVI具有高效率和可行性,可辅助影像科医生进行成像诊断。     

钆塞酸二钠增强MRI影像组学对肝血管瘤腹腔镜肝切除术后疗效的预测价值

目的 探讨钆塞酸二钠（Gd-EOB-DTPA）增强MRI影像组学对肝血管瘤腹腔镜肝切除术疗效的预测价值。方法 选取2018年2月至2020年10月行腹腔镜肝切除术治疗的肝血管瘤患者131例作为研究对象。采用计算机产生随机数法将131例肝血管瘤患者以7:3的比例分为训练集（92例）和验证集（39例）,分别用于构建和验证预测模型效能。根据术后是否出现并发症将训练集患者分为预后不良组和预后良好组,比较两组患者的临床特征资料。使用最小绝对收缩和选择算子（the least absolute shrinkage and selection operator,LASSO）回归5折交叉验证方法筛选训练集临床和影像组学特征,得到最优特征子集。使用机器学习算法构建预测模型,并使用受试者工作特征（receiver operating characteristics,ROC）曲线评价各模型对肝血管瘤术后疗效的预测价值。结果 训练集中预后良好64例,预后不良28例,两组在慢性疾病、肝血管瘤最大径、血管瘤数、血管瘤供血动脉支数、肝切除大小、术中出血量方面差异均有统计学意义（P<0.05）。依据LASSO回归中的最佳λ取值筛选出14个非零系数特征构成的最优特征子集,其中包括12个组学特征和2个临床特征。利用训练集筛选出的最优特征子集构建Logistic回归、CatBoost、XGBoost和LightGBM模型的AUC分别为0.820、0.722、0.784、0.693。验证集构建的Logistic回归、CatBoost、XGBoost和LightGBM模型的ROC曲线下面积（AUC）分别为0.814、0.706、0.785、0.684。4种机器学习模型的预测效果良好,其中Logistic回归的预测效果优于其他3种。结论 血管瘤最大径和血管瘤数目,结合Gd-EOB-DTPA增强MRI影像组学,以此构建的机器学习模型可用于预测肝血管瘤腹腔镜肝切除术后疗效,其中Logistic回归算法构建的模型更加精准。     

Lessons from a liver hemangioma registry: subtype classification

PurposeA previously proposed classification of hepatic hemangioma postulated 3 types of lesions: focal, multifocal, and diffuse. A registry (www.liverhemangioma.org) was created to track patients to validate this classification scheme.MethodsRegistry records entered between 1995 and 2010 were reviewed.ResultsOf 121 patients with hepatic hemangioma, 119 were focal (n = 33), multifocal (n = 68), and diffuse (n = 18). Two patients shared features of multifocal and diffuse. The focal group had a balanced sex distribution, whereas multifocal and diffuse were more common in women (66.2% and 70.0%, respectively). Hepatic hemangioma was detected prenatally in 30% (9/30) of patients with focal disease. Detection was not possible in multifocal or diffuse hepatic hemangioma, indicating postnatal proliferation typical of common cutaneous infantile hemangioma. Cutaneous hemangiomas accompanied 77.4% (48/62) of multifocal hepatic hemangioma, 53.3% (8/15) of diffuse hepatic hemangioma, and 15.3% (4/26) of focal hepatic hemangioma. Hypothyroidism was documented in all (16/16) patients with diffuse hepatic hemangioma, 21.4% (9/42) with multifocal hepatic hemangioma, but in no patients with focal hepatic hemangioma (0/17).ConclusionsAnalysis of the Liver Hemangioma Registry confirms that focal lesions are biologically distinct from multifocal and diffuse hepatic hemangioma. Feared diffuse hepatic hemangioma may evolve from previously undetected multifocal hepatic hemangioma. Screening ultrasounds in infants with multiple cutaneous infantile hemangioma may allow for earlier detection and therapy.     

CT影像组学模型鉴别诊断肺淋巴瘤与肺浸润性黏液腺癌

目的观察CT影像组学模型鉴别诊断肺淋巴瘤与肺浸润性黏液腺癌(PIMA)的价值。方法回顾性分析经病理证实的34例肺淋巴瘤(淋巴瘤组)及64例PIMA患者(PIMA组),按7∶3比例将其随机分入训练集和验证集。于胸部CT纵隔窗图像上沿病灶边缘手动勾画三维容积感兴趣区(VOI),提取影像组学特征参数。以最小冗余最大相关、LASSO十折交叉验证进行特征降维,以多因素Logistic回归分别构建影像组学标签、影像学特征模型及二者融合的个体化预测模型(以列线图表示)。采用受试者工作特征(ROC)曲线评价各模型对肺淋巴瘤与PIMA的鉴别效能,以决策曲线分析(DCA)综合评价模型的临床效用价值。结果共获得15个影像组学参数用于构建影像组学标签;ROC曲线结果显示其鉴别训练集肺淋巴瘤与PIMA的AUC=0.84,验证集AUC=0.77。以空气支气管征、支气管扩张及胸腔积液构建影像学特征模型,训练集AUC=0.85,验证集AUC=0.81;融合列线图对训练集AUC=0.95,验证集AUC=0.92;列线图具有更高的临床效用价值。结论基于CT征象、影像组学标签构建的个体化预测模型可有效鉴别肺淋巴瘤与PIMA。     

在肝癌介入治疗中联合应用Syngo Dyna CT、Inspace 3D重建技术与DSA的价值

目的探讨在肝癌TACE治疗中联合应用SyngoDynaCT及Inspace3D图像重建技术与DSA的价值。方法收集380例肝癌患者,其中原发性肝癌295例,转移性肝癌85例,均接受常规及旋转DSA,其中35例常规DSA示肿瘤血管重叠者接受DynaCT断层成像。结果295例原发性肝癌造影均显示为动脉供血,其中270例仅见肝固有动脉供血,25例可见其他变异动脉参与供血。35例接受DynaCT断层扫描,Inspace3D图像均可清晰显示肿瘤供血血管分支及走行。结论联合应用DynaCT断层成像及Inspace3D重建技术与DSA能够提高对肝癌小病灶及边缘性病灶的检出率,清晰显示纡曲血管与肿瘤的关系,在肝癌介入治疗中具有重要应用价值。