双参数MRI和多参数MRI分别联合前列腺特异性抗原密度对前列腺癌的诊断价值

目的 探讨双参数MRI(BpMRI)和多参数MRI(MpMRI)分别联合前列腺特异性抗原密度(PSAD)对前列腺癌(PCa)的诊断价值.方法 回顾性分析87例临床怀疑为PCa并且行MpMRI检查患者的影像、病理及临床资料,其中PCa 36例,非PCa 51例.根据前列腺影像报告与数据系统2.1版(PI-RADS v2....     

深度学习在前列腺MRI中的应用

【摘要】前列腺癌（PCa）是男性最常见的恶性肿瘤之一,其全球发病率位于男性恶性肿瘤的第二位。MRI在前列腺癌的诊断和评估中发挥着重要作用,前列腺MRI包含解剖及功能成像序列,不仅能观察前列腺解剖结构,也能反映前列腺功能及代谢改变,因此MRI是目前公认用于诊断和评估PCa的最佳成像技术。随着人工智能的快速发展,深度学习作为机器学习的一个新的研究方向被应用于前列腺MRI,在PCa的诊断、治疗及预后中发挥日益重要的作用。本文总结了深度学习目前在前列腺MRI中的相关应用,并着重介绍深度学习在缩短扫描时间、改善图像质量、前列腺体积分割、病变检测与表征、预后评估及靶向穿刺活检方面的应用。     

使用U-Net深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究

目的:研究训练U-Net模型自动分割腰椎矢状面T₂WI图像中各结构的可行性。方法:回顾性搜集腰椎矢状面T2WI图像数据,共获得80个矢状面T₂WI序列。由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经。将数据随机分为训练集、调优集和测试集,使用U-Net网络分两步(coarse-to-fine)训练腰椎矢状T₂WI分割模型。模型评价指标包括客观评估(Dice系数)和主观评估。结果:11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82~0.9(平均0.864)、椎间盘0.86~0.92(平均0.898)、椎管/硬膜囊0.76~0.87(平均0.837)、椎间孔0.6~0.76(平均0.67)、脊髓及马尾神经0.55~0.9(平均0.669)。主观评估各解剖部位分割满意率分别为椎体97.5%、椎间盘97.9%、椎管/硬膜囊86.4%、椎间孔76.7%、脊髓及马尾神经78.6%。结论:基于U-Net深度学习网络对腰椎矢状T₂WI图像的解剖结构进行自动分割是可行的。     

基于半月板MRI的深度学习研究进展

【摘要】半月板作为膝关节的重要组成部分,半月板退变或损伤在膝骨性关节炎发生发展过程中占据重要地位。MRI是目前检测半月板病变最重要的影像学方法,半月板病变的MRI检出和分级在临床实践中工作量较大且较繁杂,常因人的主观性造成判读结果的偏差。深度学习（DL）在医学图像的自动分析中已表现出巨大潜能且较多地应用于半月板病变及膝骨关节炎的诊疗中。本文就目前基于半月板MRI的DL研究进展进行总结,并探讨面临的挑战及今后的研究方向。     

基于深度学习分割前列腺多参数MRI图像中的骨质结构

目的 训练3D U-Net模型,研究自动分割前列腺多参数磁共振成像(mpMRI)扫描所获得的扩散加权成像(DWI)和表观扩散系数(ADC)图像中骨质结构的可行性.资料与方法 回顾性分析105例前列腺mpMRI患者的图像.手工标注DWI高(b=800 s/mm2)、DWI低(b=0 s/mm2)和ADC图像上的骨质结构....     

前列腺肉瘤的多参数MRI特征

目的 探讨前列腺肉瘤多参数MRI表现,并与病理对照研究,以加深对前列腺肉瘤的认识,提高术前诊断准确性.方法 选取经病理确诊的4例前列腺肉瘤患者的临床及MRI影像资料.结果 肿瘤均较大且呈类圆形,平均直径5.4 cm,3例肿瘤边缘可见低信号包膜,T2WI肿瘤呈不均匀高信号,T1WI呈等及稍低信号,DWI受限呈不均匀高信号...     

基于深度学习重建的前列腺T2WI的图像质量和对移行带前列腺癌的诊断效能

目的评估基于深度学习方法重建的前列腺T2WI(简称深度学习T2WI)的图像质量及对移行带前列腺癌(PCa)的诊断效能。方法前瞻性连续收集2020年12月至2022年9月北京医院因前列腺特异性抗原水平升高而行前列腺MRI的79例患者。扫描序列包括横断面常规T2WI、深度学习T2WI和扩散加权成像, 记录扫描时间。对图像质量进行主观评分, 评价项目包括图像质量、诊断置信度、噪声、伪影、图像清晰度及病变可检测性。对图像质量进行客观评价, 计算信噪比(SNR)及对比信噪比(CNR)。对移行带病变分别采用深度学习T2WI和常规T2WI进行双参数MRI前列腺影像报告和数据系统2.1版(PI-RADS v2.1)评分。对深度学习T2WI和常规T2WI的图像质量主、客观评价指标采用Wilcoxon符号秩和检验进行比较。对于移行带病变, 以病理结果为金标准, 基于病灶水平(移行带全部病变)和患者水平(移行带最高分病变), 分别绘制受试者操作特征曲线, 评估深度学习T2WI和常规T2WI的PI-RADS评分对移行带PCa的诊断效能, 采用DeLong检验比较曲线下面积(AUC)。结果深度学习T2WI的扫描...     

前列腺脓肿的MRI诊断

目的:探讨前列腺脓肿的MRI诊断价值。方法:回顾性分析4例临床证实的前列腺脓肿的MRI表现。结果:单个脓肿2例,多发脓肿2例。脓肿T1WI呈稍低信号或低信号,T2WI呈高信号或较高信号。增强扫描脓肿壁薄环状明显强化2例,厚环状中等度强化2例,内见强化分隔,脓腔不强化。伴精囊腺肿大3例,精囊腺脓肿1例。向前列腺周围组织蔓延2例。结论:前列腺脓肿MRI表现具有特征性,容易发现小脓肿,并可以确定脓肿蔓延的范围。     

基于深度学习模型实现颈椎MR图像上各结构的自动分割

【摘要】目的：探讨3D U-Net模型自动分割颈椎矢状面T1WI和T2WI图像上颈椎各结构的可行性。方法：回顾性搜集拟诊为颈椎病的92例患者的矢状面T1WI和T2WI图像资料,由两位影像医师在每例患者的2个序列图像上分别人工标注颈椎各结构,包括椎体、椎间盘、硬膜囊、脊髓和椎间孔。将178个序列的图像随机分为训练集（n=138）、调优集（n=20）和测试集（n=20）。采用训练集的数据训练3D U-Net分割模型,在调优数据集中微调参数,在测试集中采用定量指标（Dice相似系数,DSC）和定性指标（主观评分）评价模型的分割效能,并比较各结构的DSC值在3组内及3组间是否存在统计学差异。结果：在测试集中3D U-Net模型分割颈椎椎体、椎间盘、硬膜囊、脊髓和椎间孔的DSC值分别为0.87±0.03、0.85±0.04、0.87±0.04、0.82±0.05和0.57±0.08,分割颈椎各解剖结构的总体DSC值为0.80±0.13。各结构的DSC值在3组内及组间均有统计学差异（P＜0.001）。主观评价显示3D U-Net模型分割颈椎各结构获得的图像均符合临床测量要求。结论：基于矢状面T1WI和T2WI序列的3D U-Net模型对颈椎各结构的分割可达到较高的准确性。     

深度学习计算T2加权像磁共振前列腺体积：与椭球公式比较

目的 研究和实现利用深度学习计算T2加权像MR的前列腺体积,并与椭球公式计算的前列腺体积进行比较。资料与方法 回顾性收集2019年10月—2022年2月武汉大学人民医院经病理确诊的180例前列腺增生和251例前列腺癌患者的T2加权像MR图像及诊断报告,根据诊断报告使用椭球公式计算每例患者的前列腺体积,使用U-Net模型的变体对所收集MR图像上的前列腺进行分割,利用公式前列腺体积=对（前列腺像素数目×每个像素的大小×层厚）进行求和,获得深度学习计算的前列腺体积。比较深度学习和椭球公式计算的前列腺体积差异和一致性。结果 Bland-Altman分析显示,在前列腺增生和前列腺癌患者中,深度学习和椭球公式计算的前列腺体积具有较高的一致性,仅5%和6.37%的数据位于95%置信区间外。前列腺增生组用两种方法计算的前列腺体积的一致性高于前列腺癌组（ICC=0.803、0.686）。两种方法计算的前列腺体积在两组间差异有统计学意义（Z=-10.742、-12.706,P<0.05）,深度学习计算的前列腺体积更大。结论 深度学习在计算前列腺体积方面与椭球公式保持一致,利用深度学习计算MR前列腺体...     

基于PI-RADS v2的双参数MRI改良评分方式对前列腺病变的诊断价值

目的 比较分析多参数磁共振成像(mp-MRI)和4种简化双参数磁共振成像(bp-MRI)评分方式对前列腺癌(PCa)的诊断效能.方法 回顾性分析197例有病理诊断结果的前列腺病变患者的影像资料.运用Cohen's Kappa检验评估2名医师采用5种评分方式(方式1为mp-MRI,方式2～5为bp-MRI)诊断结果间的一...     

基于深度学习MR体部脂肪组织的自动分割和定量测量研究

目的:研究应用基于深度学习的3D-Unet网络模型在MRI图像中分割体部脂肪组织并生成定量结果的可行性.方法:回顾性搜集2020年4月1日-8月5日本院体部MR(包含GRE DIX-ON序列脂像)中符合入组标准的扫描病例用于模型训练.共搜集53例患者67个数据,包括胸部、腹部、盆腔图像各17、26、24例.由2名影像医...     

前列腺结核MRI诊断的临床价值

目的探讨前列腺结核的MRI表现特点。方法回顾性分析经手术病理证实的前列腺结核病例6例。5例有肺结核病史。临床症状主要是尿频、排尿不畅、血尿,PSA水平升高不明显。结果本组前列腺结核病灶呈不规则形,边界不清,T1WI呈等信号影,T2WI呈稍高信号影,DWI呈稍高信号,ADC值约为(1.3～1.5)×10-3 mm2/s,增强后不均匀强化。前列腺结核常形成脓肿,脓肿区T1WI呈稍低信号,T2WI呈稍高信号,DWI呈明显高信号影,ADC值约为(1.0～1.2)×10-3 mm2/s,增强后脓肿壁呈环状强化。前列腺结核易累及邻近组织,一般无盆腔淋巴结肿大以及骨骼破坏。结论前列腺结核MRI表现有一定特征性,密切结合临床病史可提高诊断准确性。     

前列腺肉瘤的MRI表现

<正>前列腺肉瘤是来源于前列腺间质的恶性肿瘤,临床少见,恶性程度高,临床进展快,预后差。现总结分析我院从2011年12月至2014年4月经穿刺或手术病理证实的5例前列腺肉瘤的MRI(常规MRI、DWI、MRS)特点,主要是MRS表现,以提高前列腺肉瘤的诊治水平。1资料与方法1.1一般资料本组5例,年龄28~52岁,平均38岁。以进     

基于深度学习建立颈椎病MR诊断模型研究

【摘要】目的：探索利用深度学习方法在建立颈椎病MR诊断模型的可行性。方法：回顾性搜集本院2020年10月-2023年3月诊断为颈椎病患者的MR图像514例,使用已有颈椎分割模型在轴面T2WI上分别预测硬膜囊、脊髓、椎间盘、后纵韧带和黄韧带,在矢状面T1WI和T2WI上预测颈椎椎体和椎间盘。由一位低年资放射科医生（阅片经验2年）修改标注,另一位高年资放射科医生（阅片经验≥15年）对低年资医师的标注进行复核。按照颈椎病的不同诊断要点分别进行3D或2D深度学习分类模型训练,包括①颈椎椎体增生模型;②颈椎椎体滑脱模型;③颈椎间盘突出分类模型;④后纵韧带增厚模型;⑤黄韧带增厚模型。将模型输出结果导入R软件进行混淆矩阵分析及ROC曲线绘制,采用正确率、灵敏度、特异度、阳性预测值、阴性预测值以及ROC曲线下面积等评价5种模型的分类效能。结果：5种分类模型中诊断效能最好的是颈椎间盘突出分类模型,正确率0.90,灵敏度0.95,特异度0.85,ROC曲线下面积0.982。颈椎椎体增生和滑脱的正确率分别为0.81和0.80,灵敏度为0.74和0.76,特异度为0.84和1.00,ROC曲线下面积分别为0.855和0.905。后纵韧带和黄韧带增厚的模型正确率分别为0.82和0.77,灵敏度为0.78和0.84,特异度为0.86和0.70,ROC曲线下面积分别为0.902和0.929。结论：本部分研究采用深度学习方法建立了颈椎病MR的自动分类诊断模型,对颈椎椎体增生、滑脱、椎间盘突出、后纵韧带及黄韧带增厚进行了分类模型训练,证明深度学习方法可以用于颈椎病MR的辅助诊断,为未来进一步探索建立颈椎病MR自动诊断模型及结构化报告的植入奠定了基础。     

基于PI-RADS v2.1双参数MRI联合前列腺特异性抗原密度对显著性前列腺癌的诊断效能

【摘要】目的：探讨基于2.1版前列腺影像报告与数据系统（PI-RADSv2.1）双参数磁共振成像（bp-MRI）联合临床常用指标对临床显著性前列腺癌（csPCa）的诊断效能。方法：回顾性分析2018年3月-2020年4月本院515例经病理证实且行前列腺bp-MRI检查（T2WI+DWI）患者的相关资料,单因素分析患者bp-MRIPI-RADSv2.1评分、年龄、前列腺特异性抗原（PSA）、游离前列腺特异性抗原（fPSA）、前列腺特异性抗原密度（PSAD）以及前列腺体积（PV）在csPCa组和非csPCa组间的差异,多因素logistic回归分析上述有统计学差异的指标得出csPCa的独立预测因素。利用约登指数确定各独立预测因素的最佳诊断阈值,通过受试者工作特性曲线（ROC）评估各因素单独及联合诊断csPCa的效能,并通过Z检验加以比较。结果：515例患者,年龄47~93岁,平均70±8岁,其中csPCa116例,非csPCa399例（低危癌,即Gleason评分≤3+338例,非PCa361例）。单因素分析显示PI-RADSv2.1评分和上述临床指标在csPCa组和非csPCa组间均有统计学差异（P＜0.05）。多因素logistic回归分析显示PI-RADSv2.1评分（OR=7.015,95%CI=4.776,10.302）和PSAD（OR=5.545,95%CI=2.364,13.007）为csPCa的独立预测因素（P＜0.001）。当PI-RADSv2.1评分≥4、PSAD≥0.25μg/L·mL时约登指数最大,ROC曲线表明两者联合诊断csPCa的准确性高于bp-MRI和PSAD单独应用（AUC分别为0.939、0.887、0.777）,差异有统计学差异(Z=2.259、5.573,均P＜0.05)。结论：基于PI-RADSv2.1的bp-MRI联合PSAD对csPCa的诊断有一定价值,当PI-RADSv2.1评分≥4、PSAD≥0.25μg/L·mL时,两者联合显著提高对csPCa的诊断效能,优于单独应用。     

利用深度学习模型从常规MRI T2WI图像估算BMI的分析

目的 探讨以深度学习模型为基础的方法通过实现对临床常规T₂WI图像自动估算患者身体质量指数(BMI)模型的可行性。方法 选取58例临床常规腹部MRI检查的T₂WI图像集。对于每个多层的T₂WI图像集逐层生成2D图像数据,最终生成1378个单层2D T₂WI图像数据集。BMI估算模型由特征提取和数值估算两个功能模块组成,其中特征提取功能部分,使用深度残差网络(residual deep neural network, ResNet)为基础特征提取模块,结合线性全连接层实现BMI数值估算功能。数据随机分为训练集(57.00%)、验证集(14.00%)和测试集(29.00%),其中分组原则要满足测试集训练集和验证集的图像数据来源于不同的患者。以估算准确个数占比和均方根对数误差(RMSLE)为BMI估算模型性能的评价指标。结果 测试集中在误差冗余值(error redundancy, ER)为2.5时,BMI模型的估算准确个数占比为81.25%,均方根对数误差(RMSLE)为0.48%。结论 深度学习模型对...     

基于PI-RADS指南的多参数MRI指导前列腺穿刺解读

2019年前列腺影像报告和数据系统（PI-RADS）指导委员会发表了多参数MRI指导前列腺穿刺指南。本指南对于PI-RADS多参数MRI纳入常规临床实践提出了指导性建议,旨在增加临床有意义前列腺癌检出,减少临床无意义前列腺癌的过度诊断。本文中,笔者对该指南的要点进行解读。     

MRI和MRS对前列腺疾病的鉴别诊断价值

目的探讨MRI和MRS在前列腺疾病中的鉴别诊断价值。方法回顾分析经病理证实的22例患者的临床资料及MRI和MRS所见,其中包括前列腺良性增生(BPH)16例及前列腺癌(PC)6例。MRI观察前列腺大小、病变位置、信号特点和肿瘤侵犯程度,MRS观察枸橼酸盐(Cit)、胆碱复合物(Cho)和肌酸(Cr)的化学位移及(Cho Cr)/Cit比值。结果16例BPH中,前列腺弥漫性增大,T2W均示前列腺中央叶明显增大,其中13例表现为多个大小不等类圆形高和/或低信号结节,部分低信号结节周围可见低信号假包膜,外围带受压变窄。6例PC中5例均表现为T2W外周带中见低信号区,1例表现为中央叶前部较大低信号结节;2例位于包膜内,4例突破包膜侵犯精囊腺和血管神经束,其中1例伴有盆腔淋巴结肿大和骨盆骨转移。MRS上BPH患者Cit明显升高,Cho略升高,(Cho Cr)/Cit比值不高,平均0.60。PC患者,Cit明显下降,Cho明显升高,(Cho Cr)/Cit比值升高,平均2.51。分别对PC与BPH体素的2组代谢物比值进行比较,二者之间有显著的统计学差异(t=0.353,P<0.05)。结论MRI和MRS有助于PC和BPH的鉴别诊断。     

多参数MRI与前列腺影像报告和数据系统对前列腺炎的诊断价值

目的:分析多参数MRI及前列腺影像报告和数据系统2.1版(PI-RADS v2.1)对前列腺炎的诊断价值.方法:回顾性分析22例经病理证实前列腺炎患者的MRI图像及临床资料,分析PI-RADS v2.1对前列腺炎诊的诊断价值.结果:22例中PI-RADS v2.1评分1分2例,2分11例,3分5例,4分1例,5分3例....