基于增强CT瘤体与瘤周CT值比值鉴别G3级胰腺神经内分泌瘤与胰腺神经内分泌癌

目的 观察基于增强CT瘤体与瘤周CT值比值鉴别G3级胰腺神经内分泌瘤(PNET)与胰腺神经内分泌癌(NEC)的价值。方法 回顾性分析39例接受腹部CT检查的胰腺神经内分泌肿瘤患者,根据病理结果将其纳入G3级PNET组(n=18)或PNEC组(n=21),比较组间一般资料、CT特征及动静脉期瘤体与瘤周CT值比值;以单因素logistic回归分析及受试者工作特征(ROC)曲线筛选鉴别G3级PNET与PNEC的有效指标,构建多因素logistic回归模型,分析各模型鉴别诊断效能。结果 组间患者年龄、性别、肿瘤大小、位置、成分、钙化,以及动脉期CT比值₁(瘤体CT值/瘤体边缘至瘤周10 mm间CT值)及门静脉期CT比值₁差异均无统计学意义(P均>0.05);肿瘤均匀性、主胰管扩张、胆管扩张、胰管内侵犯、血管侵犯、动脉期CT比值₂(瘤体CT值/瘤周10 mm至瘤周20 mm间CT值)及门静脉期CT比值₂差异均有统计学意义(P均<0.05),且均为鉴别G3级PNET与PNEC的有效指标。分别以动脉期...     

术前CT影像组学模型预测体内泌尿系结石成分

目的 观察术前CT影像组学模型预测体内泌尿系结石成分的价值。方法 回顾性分析543例尿石症患者,根据结石成分将其分为一水草酸钙结石组(A组,n=373)、无水尿酸结石组(B组,n=86)、碳酸磷灰石组(C组,n=30)、尿酸铵结石组(D组,n=28)及六水磷酸铵镁结石组(E组,n=26);同时按7 ∶ 3比例划分训练集与测试集。基于泌尿系平扫CT提取并筛选影像组学特征,采用最小绝对收缩和选择算子算法分别构建用于预测体内泌尿系结石成分的二分类(与A~E组结石成分对应为模型A~E)及五分类模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评估二分类模型的效能;以准确率、精确率、召回率及F1分数分析五分类模型的效能。结果 二分类模型预测相应体内泌尿系结石成分效能均良好,其在训练集的AUC为0.860~0.948,在测试集为0.856~0.933。五分类模型预测训练集泌尿系结石成分的准确率、精确率、召回率及F1分数分别为82.25%、83.79%、46.23%及0.596,在测试集分别为80.63%、75.26%、43.48%及0.551。结论 术前CT影像组学二分类模型预测体内泌尿系结石成分的效能良好;五分类模型的准确率较高但稳定性欠佳。     

胰腺神经内分泌肿瘤CT表现及其与病理学分级的相关性

目的 观察不同WHO病理组织学分级胰腺神经内分泌肿瘤（pNEN）的CT表现。方法 回顾性分析经手术病理证实的23例pNEN的CT表现,并依2010年WHO病理组织学分级分为Ⅰ级、Ⅱ级、Ⅲ级进行对照研究。结果 23例pNEN中,WHOⅠ级12例,Ⅱ级8例,Ⅲ级3例。不同级别肿瘤性别构成差异具有统计学意义（P<0.05）;但患者年龄构成、肿瘤大小、位置、形态、生长方式及有无坏死、囊变、钙化、内分泌功能差异均无统计学意义（P均>0.05）。增强后,不同级别肿瘤动脉期、平衡期绝对强化程度、病变与静脉期肝脏CT值差的差异有统计学意义（P均<0.05）;但随级别增高,肿瘤强化程度未见规律性变化。结论 术前难以根据CT表现对pNEN进行分级。     

基于增强CT放射组学预测肝细胞肝癌病理分级

目的 观察增强CT放射组学术前预测肝细胞肝癌（HCC）病理分级的可行性及价值。方法 回顾分析429例经手术病理证实的HCC患者,分为训练组（n=329）和测试组（n=100）,记录其临床特征;提取动脉期（AP）及静脉期（VP）CT图像的放射组学特征,应用最小绝对值收敛和选择算子（LASSO）回归分析法对其进行降维,筛选最有价值的组学特征后,构建基于AP、VP、AP+VP图像特征的组学模型,计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC,采用10倍交叉验证训练选择最优组学预测模型,筛选对预测HCC病理分级有意义的临床特征后,构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线,评估其诊断能力。结果 联合组学模型最优,其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义（Z=8.58、3.24,P均<0.05）。测试组中,联合模型预测HCC病理分级的AUC值（0.70）与组学模型（0.69）和临床模型（0.63）差异均无统计学意义（P均>0.05）。结论 基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。     

增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润

目的 观察增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润(LVI)的价值。方法 回顾性纳入298例胃癌患者,根据是否伴LVI将其分为阳性组(n=155)及阴性组(n=143),并按7 ∶ 3比例分为训练集(n=208)及测试集(n=90)。基于增强动脉期CT图提取病灶影像组学特征,采用logistic回归分析筛选胃癌LVI的临床影响因素;分别采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)及极端梯度提升树(XGBoost)建立影像组学模型、临床模型及临床-影像组学模型,评估各模型预测胃癌LVI的效能。结果 以SVM、LR、RF及XGBoost建立的影像组学模型预测训练集胃癌LVI的曲线下面积(AUC)分别为0.896、0.821、1.000及1.000,其在测试集的AUC分别为0.744、0.801、0.740及0.747。基于4种机器学习建立的临床模型在训练集的AUC均为0.810,在测试集均为0.840。基于SVM、LR、RF及XGBoost建立的临床-影像组学模型预测训练集胃癌LVI的AUC分别为0.920、0.900、1.000及1.000,其在测试集的AUC分别为0.900、0.890、0.840及0.790。测试集中,基于SVM、LR及RF的临床-影像组学模型的AUC均大于影像组学模型和临床模型(P均＜0.05)。结论 增强动脉期CT影像组学联合临床有助于术前预测胃癌LVI。     

基于CT平扫影像组学模型预测食管癌淋巴结转移

目的 评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法 回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3 ∶ 1将其分为训练组（包括201例无淋巴结转移和75例淋巴结转移）和验证组（67例无淋巴结转移和25例淋巴结转移）。自胸部CT中提取食管癌病灶的影像组学特征,并以最小绝对收缩和选择算子（LASSO）回归进行降维,筛选与食管癌淋巴结转移关联度高的特征;采用支持向量机构建预测淋巴结转移的影像组学模型,并以受试者工作特征（ROC）曲线分析模型的诊断效能。结果 共提取1 046个组学特征参数,经LASSO降维筛选出11个特征参数用于建立预测淋巴结转移模型。影像组学模型预测训练组淋巴结转移的曲线下面积（AUC）为0.84,敏感度为84.00%,特异度为75.12%,准确率为77.54%;于验证组的AUC为0.82,敏感度为80.00%,特异度为77.61%,准确率为78.26%。结论 术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移具有较高价值。     

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。     

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。     

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。     

胰腺混合性浆液-神经内分泌肿瘤CT表现1例

<正>病例女,50岁,发现血糖升高5年,乏力加重1月余;患者5年前无明显诱因出现口渴、多饮、多尿等不适,行随机葡萄糖检测20 mmol/L,诊断为2型糖尿病。入院前1月余,患者自觉口渴、多饮、多尿加重,并伴有双下肢乏力不适。入院前7天,患者出现双下肢乏力加重伴麻木、肿胀不适。CT平扫示胰腺整体增粗,实质内弥漫分布囊实性低密度影（图1）,胰腺头颈部为著,胰头钩突部见软组织密度结节影,大小约2.3 cm×2.7 cm;增强扫描病灶动脉期显著强化（CT值达280 HU,图2）,中央见灶状低密度影,静脉期及延迟期强化程度有所减低（图3,4）,但强化仍高于胰腺其它区域;胰头及体部囊实性病变增强扫描呈中度强化（CT值约80 HU）,     

68Ga-DOTA-生长抑素受体PET/CT神经内分泌肿瘤显像操作指南

本指南针对神经内分泌肿瘤患者提出⁶⁸Ga-DOTA-生长抑素受体PET/CT检查的临床适应证、核医学医务人员岗位要求、检查操作规范、报告处理、质量控制及显像过程中的辐射安全问题,为临床进行⁶⁸Ga-DOTA-生长抑素受体PET/CT检查提供相应操作规范,为各种影像学表现提供合理解释和标准的诊断报告。     

采集模式与能谱成像能级对CT影像组学特征稳定性的影响:体模研究

目的 基于体模实验观察不同采集模式及能谱成像（GSI）能级对CT影像组学特征稳定性的影响。方法 依次向PH-75体模中置入模拟肝组织、脂肪及碘（4、8、12 mgI/ml共3种浓度）的等价材料棒。采用常规120 kVp及GSI模式、腹部扫描协议对体模进行3次扫描（噪声指数均为10）,获得常规CT及虚拟单能量图像（VMI）[120 kVp-like （VMI_{74 ke V}）及70 keV （VMI_{70 keV}）]。手动勾画3种图像中各置入棒ROI,获得三维模型图,提取其7类共107个影像组学特征;计算各影像组学特征变异系数（CV）,评价其稳定性：0 ≤ CV ≤ 5%为非常稳定,5%20%为不稳定。结果 各置入棒的组织形状特征均为非常稳定及稳定,即扫描模式及GSI能级变化对其影响均较小;其他6类特征主要为稳定及中等稳定,存在不稳定特征,即扫描模式及GSI能级变化对其影响较明显。针对肝脏软组织和脂肪组织棒,基于常规CT所获的影像组学特征多为非常稳定或中等稳定,基于GSI不同能级图像所获特征多为中等稳定或不稳定。对于4 mgI/ml及8 mgI/ml碘棒,基于VMI_{74 keV}提取的影像组学特征中不稳定者分别占28.97%（31/107）及19.63%（21/107）,基于常规CT及VMI_{70 keV}多为非常稳定至中等稳定特征,不稳定特征在4 mgI/ml碘棒特征中分别占7.48%（8/107）及2.80%（3/107）,在8 mgI/ml碘棒中分别占5.61%（6/107）及7.48%（8/107）;对于12 mgI/ml碘棒,基于3种CT图像提取的影像组学特征均稳定,无不稳定特征。结论 不同采集模式及GSI能级均影响组织CT影像组学特征的稳定性,其影响程度与组织成分及强化程度相关。     

非富血供胰腺神经内分泌肿瘤与导管腺癌肝转移MSCT表现

目的 探讨非富血供胰腺神经内分泌肿瘤（PNET）与胰腺导管腺癌（PDAC）肝转移CT影像特征及其在二者鉴别诊断中的价值。方法 回顾性分析21例非富血供PNET伴肝转移及56例PDAC伴肝转移患者的资料,分析其肝转移病灶数目、分布、大小、病灶融合、周围肝组织异常灌注、增强扫描强化程度等CT特征。结果 非富血供PNET与PDAC肝转移病灶的数目、分布、病灶融合之间差异无统计学意义（P均>0.05）,非富血供PNET及PDAC肝转移灶的最大径差异有统计学意义（P=0.03）,PDAC肝转移灶周围肝组织异常灌注发生率（67.86%）多于非富血供PNET肝转移灶（28.57%）,差异有统计学意义（P<0.01）,非富血供PNET肝转移动脉期、门静脉期、平衡期强化指数高于PDAC（P<0.01）。Logistic多因素分析显示动脉期强化指数是鉴别非富血供PNET与PDAC肝转移的独立预测因素,鉴别诊断二者的AUC为0.97。结论 非富血供PNET与PDAC肝转移灶的CT影像特征有助于鉴别伴有肝转移的非富血供PNET与PDAC。     

18F-FDG PET/CT代谢参数联合Ki-67指数鉴别胃肠胰G3级神经内分泌瘤与神经内分泌癌

目的 观察¹⁸F-FDG PET/CT代谢参数联合Ki-67指数鉴别胃肠胰(GEP)神经内分泌瘤(NET)G3与GEP神经内分泌癌(NEC)的价值。方法 回顾性分析接受¹⁸F-FDG PET/CT检查的41例GEP-神经内分泌肿瘤(NEN)患者,根据WHO 2019分类标准将其分为NET G3组(n=19)和NEC组(n=22);比较组间临床、病理资料及PET/CT代谢参数差异,构建logistic模型,分析PET/CT参数联合Ki-67指数鉴别诊断NET G3与NEC的价值。结果 NET G3组9例肿瘤位于胃肠、10例位于胰腺, NEC组17例肿瘤位于胃肠、5例位于胰腺。NET G3组与NEC组肿瘤原发部位、Ki-67指数、肝转移情况、最大标准摄取值(SUV_max)、峰值标准摄取值(SUV_peak)、肿瘤-肝脏比值(TLR)及肿瘤-血池比值(TBR)差异均有统计学意义(P均＜0.05)。Ki-67、肿瘤SUV_max、肿瘤SUV_peak、TLR和TBR鉴别诊断NET G3与NEC的曲线下面积(AUC)分别为0.949、0.699、0.706、0.718和0.691,Ki-67+肿瘤SUV_max、Ki-67+肿瘤SUV_peak、Ki-67+TLR和Ki-67+TBR鉴别NET G3与NEC的AUC分别为0.952、0.952、0.957和0.955。结论 ¹⁸F-FDG PET/CT代谢参数联合Ki-67指数能有效鉴别GEP-NET G3与GEP-NEC。     

体模实验观察体素大小对CT影像组学特征的影响

目的 探讨体素大小对CT影像组学特征的影响。方法 采用Siemens Definition AS⁺ 64排CT扫描仪对美国体模实验室Catphan 700体模进行扫描,对扫描图像进行不同FOV和不同层厚的组合重建,2组图像体素大小范围分别为0.24~2.38 mm³和0.72~2.32 mm³。以3D Slicer软件手动勾画ROI,各计算提取7类共计108个特征,包括形状、一阶、灰度相关矩阵、灰度游程矩阵、灰度共生矩阵、灰度区域矩阵及邻域灰度差分矩阵特征,计算变异系数（CV）以评价不同FOV和层厚导致的体素改变对CT影像组学特征的影响。结果 体素改变对形状特征的影响较小（CV≤10%）,而对其他6类特征中绝大部分的特征影响较大（CV>20%）,其中依赖熵、短游程强调、游程熵、反差矩归一化、反差归一化、反差矩、反差及区域熵较稳定（CV均≤10%）。结论 改变体素大小对CT影像组学特征有较大影响,数据预处理可能是保证特征稳定性的较好途径,特别是对于多中心数据的应用及对比。     

CT影像组学评估门静脉高压及预测曲张静脉出血

目的探讨基于CT影像组学标签评估门静脉高压(PH)的可行性及其预测曲张静脉出血的价值。方法回顾性分析112例确诊或疑似PH患者,分别以肝静脉压力梯度(HVPG)10、12和20 mmHg作为界值,将患者分为HVPG<10 mmHg组和≥10 mmHg组,HVPG<12 mmHg组和≥12 mmHg组,HVPG<20 mmHg组和≥20 mmHg组,以MaZda软件提取并分析肝脏增强CT门脉期图像纹理特征,观察影像组学判断不同程度PH及曲张静脉出血的效能。结果 CT征象中,在HVPG<10及≥10、HVPG<12及≥12组间有无腹腔积液差异具有统计学意义(P均<0.05);单层面勾画ROI判别HVPG≥10 mmHg、HVPG≥12 mmHg、HVPG≥20 mmHg及曲张静脉出血的平均最小误诊率分别为12.50%、14.74%、10.27%及22.70%;多层面勾画平均最小误诊率分别为10.27%、11.16%、5.36%及20.49%(P均>0.05)。HVPG预测PH患者曲张静脉出血的曲线下面积(AUC)为0.813[95%CI(0.730...