脊柱转移瘤病理性骨折的危险因素及影像学预测研究进展

病理性骨折是脊柱转移瘤的严重并发症,而癌症患者数量的增加和生存期的延长导致了脊柱转移瘤患者的数量增加。早期识别病理性骨折的高危人群,有助于提前干预,提高患者晚期生存质量。该综述总结了脊柱转移瘤患者发生病理性骨折的危险因素及影像学预测工具的研究进展。     

子宫内膜间质肉瘤与特殊类型良性平滑肌瘤MR影像学特征差异的探索

目的 探讨子宫内膜间质肉瘤(endometrial stromal sarcoma, ESS)与特殊类型良性平滑肌瘤[包括富于细胞性平滑肌瘤(cellular leiomyoma, CL)、奇异核平滑肌瘤(leiomyoma with bizarre nuclei, LBN)以及静脉内平滑肌瘤病(intravenous leiomyomatosis, IVL)]的MR影像学特征差异。方法 回顾性分析2010年1月～2022年10月我院手术病理资料，纳入ESS 10例和特殊类型良性平滑肌瘤24例(非IVL和IVL各12例，其中非IVL组包括8例CL和4例LBN)。由2位放射科医生评估术前MR图像，包括肿瘤中心位置、径线大小、边缘模糊范围、“蠕虫样延伸”征、弥散加权成像(diffusion weighted imaging, DWI)明显弥散受限区占比，测量肿瘤DWI信号强度和表观弥散系数(apparent diffusion coeffecient, ADC)值，以肿瘤测值比正常组织相应测值计算标化值。结果 与非IVL和IVL相比，ESS肿瘤中心较多位于宫腔(3/10 vs. 0/12和...     

寰枢椎转移瘤和骨髓瘤的影像学鉴别诊断

目的 分析寰枢椎转移瘤和骨髓瘤的影像学特征,为两者的鉴别诊断提供参考.资料与方法 回顾性分析经穿刺或手术病理证实的寰枢椎转移瘤40例和骨髓瘤11例患者的临床及CT、MRI图像,比较两组患者年龄及影像学征象的差异.以寰枢椎转移瘤和骨髓瘤作为因变量,年龄及影像学评估指标为自变量,进行决策树分析.结果 转移瘤和骨髓瘤组患者年...     

基于影像学的多种人工智能算法在肿瘤研究中的应用进展

随着计算机算法的不断突破以及硬件设备的不断更新,人工智能开始逐步呈现出应用在医学图像上的优势,就某些特定疾病而言,其拥有良好的诊断准确率以及医生无法匹及的诊断效率。本文归纳总结了近几年基于影像的多种人工智能算法在肿瘤研究中的应用进展,并分析其现实应用意义,以实现更好地将其从实验阶段向临床应用阶段转化。     

IVIM参数在脊柱转移瘤与脊柱结核鉴别诊断中的价值

目的 探讨3.0 T MR体素内不相干运动(IVIM)对于脊柱转移瘤与脊柱结核、脊柱转移瘤原发灶鉴别诊断的应用价值.方法 搜集经穿刺或手术病理证实为脊柱转移瘤(71例,其中肺癌43例,乳腺癌14例,肾癌14例)和脊柱结核(25例)患者的影像资料,用后处理软件测量感兴趣区(ROI)的标准表观扩散系数(ADCstand)、...     

基于宽体探测器高分辨率扫描模式下的多种不同重建算法对冠状动脉支架可视化评估对比研究

目的：使用宽体探测器高分辨率CT对冠状动脉支架进行成像,并进行4种不同重建方式的重建,评估经皮冠状动脉介入治疗（PCI）术后患者腔内支架的可视化程度。方法：对连续的37例PCI术后患者,使用宽体探测器高分辨率CT行冠状动脉CT血管成像（CTA）,采用高清扫描模式,并用4种不同重建算法进行图像重建,包括标准（stnd）算法,细节（detail）算法、高清标准（HD-stnd）和高清细节（HD-detail）算法,对植入支架血管进行图像后处理,获得血管拉直图像以及相应部位的血管垂直横断面图像,对图像进行客观评价（包括支架后冠脉内腔直径、噪声、晕状伪影）和主观图像质量评分（Likert4级评分法）,结果采用重复测量方差分析进行比较,P<0.05为差异具有统计学意义。结果：使用HD-detail和HD-stnd重建算法图像的测量支架后冠脉内腔直径均大于其他重建算法,HD-detail和HD-stnd重建算法图像的晕状伪影均小于其他重建算法,HD-detail重建算法图像的噪声最大,HD-detail和HD-stnd重建算法主观图像质量评分高于其他重建算法,差异具有统计学意义（P<0...     

动态对比增强磁共振在肿瘤预后预测中的研究进展

近些年来,在临床诊疗过程中,肿瘤性疾病的预后预测受到重视。而目前通过多模态磁共振成像对肿瘤疾病进行预后预测的研究有较多进展。动态对比增强磁共振作为多模态磁共振的一种,以肿瘤组织微血管系统灌注和渗透为基础,通过连续、快速的成像方法,获取注入对比剂前后的图像,结合半定量及定量分析,从微循环角度分析病变的微观情况,进而评价肿瘤的特征,在肿瘤性疾病的预后预测中得到颇多应用。作者就动态对比增强磁共振在肿瘤疾病预后预测中的研究进展进行综述,阐明其临床应用价值。     

基于磁共振动态增强的影像组学及深度学习在肺癌脊柱转移鉴别诊断中的应用

目的探讨基于动态增强磁共振成像(DCE-MRI)的影像组学及深度学习在肺癌脊柱转移鉴别诊断中的应用价值。方法回顾性分析61例确诊为脊柱转移患者的DCE-MRI,绘制感兴趣区域的时间-信号强度曲线,根据曲线定义3个参数,用区域增长算法对病灶进行标准化分割,通过影像组学提取分析3个DCE-MRI参数图的特征,用随机森林算法挑选出与鉴别疾病最相关的特征用于构建分类器进而进行诊断;研究包含2种深度学习算法,3个DCE-MRI参数图作为卷积神经元网络(CNN)的输入,将DCE-MRI每个层面的图像集视为一个时间序列,12层DCE图像作为卷积长短时间记忆(CLSTM)神经元网络的输入。结果影像组学诊断的准确率为0.71,CNN和CLSTM的平均诊断准确率分别为0.71、0.81。结论基于DCE-MRI的影像组学及深度学习在鉴别诊断肺癌脊柱转移方面具有可行性,可为临床诊断提供有价值的信息。