CT三维重建心房颤动患者肺静脉前庭解剖形态学研究

目的应用CT三维重建方法描述并测量心房颤动患者肺静脉前庭的解剖形态。方法30例在三维标测技术下行肺静脉前庭线性消融术治疗心房颤动的患者,术前应用CT进行心脏扫描,三维重建后描述肺静脉解剖形态学特点并测量相关数据。结果左上肺静脉最大径(24.30±4.54)mm、最小径(17.76±4.24)mm;左下肺静脉最大径(19.10±4.45)mm、最小径(12.27±3.52)mm;右上肺静脉最大径(22.99±5.04)mm、最小径(16.19±4.87)mm;右下肺静脉最大径(18.63±4.60)mm、最小径(14.46±3.48)mm。左肺静脉间嵴:前缘(14.78±3.86)mm、中部(7.20±1.42)mm、后缘(14.94±3.82)mm;右肺静脉间嵴:前缘(15.86±5.14)mm、中部(7.91±3.35)mm、后缘(18.73±5.55)mm。左心耳与左肺静脉间嵴上缘、中部、下缘分别为(19.12±4.98)mm、(7.74±3.30)mm、(17.92±5.14)mm。结论CT三维重建图像能够真实反映肺静脉前庭的解剖结构,可作为术前了解肺静脉前庭的方法之一;肺静脉前庭结构个体差异大,术前须充分认识。     

1H-MRS在乳腺良恶性病变鉴别诊断中的价值

目的:探讨1H-MRS在乳腺良恶性病变鉴别诊断中的价值。方法:对65名患者共计68个病灶进行MRI检查,所有病例均经手术或穿刺病理证实。扫描序列包括T1WI与T2WI平扫、动态增强(DCE)与单体素1H波谱分析。将3.23ppm处出现胆碱峰视为1H-MRS乳腺恶性肿瘤表现。结果:平扫与DCE对乳腺恶性肿瘤的敏感性为94.59%(35/37),特异性为71.43%(35/49)。23个病灶(19个恶性肿瘤,4个良性病灶)于3.23ppm处检测到胆碱峰,1H-MRS对乳腺恶性肿瘤的敏感度为51.35%(19/37),特异度为87.10%(27/31),阳性预测值82.61%(19/23),阴性预测值65.85%(27/41)。MRI平扫、DCE与MRS结合的联合诊断程序对乳腺恶性肿瘤的敏感度为97.30%(36/37),特异度为90.00%(36/40)。1H-MRS阳性病例中,病灶最大径≥2.5cm占73.91%(17/23),2.0～2.5cm占21.74%(5/23),1.5～2.0cm为4.35%(1/23)。结论:1H-MRS对乳腺恶性肿瘤的敏感性较低,特异性较高,MRI平扫与动态增强的基础上进行MRS检查可提高诊断特异性。但乳腺MRS的应用受多种因素的制约,其中病灶大小的影响尤为重要。     

孤立性肺结节的微血管构成及其鉴别诊断意义

孤立性肺结节（SPN）的定性诊断十分重要，关系到治疗方法的选择及预后。近年来，肺结节增强的诊断价值日益受到重视。本文复习了肺内结节强化的原理，从SPN的微血管构成及其鉴别诊断的影像学研究等方面作一综述。     

原发性结节肿块型肺黏液腺癌的CT及18F-FDG PET/CT表现

目的 探讨原发性结节肿块型肺黏液腺癌的¹⁸F-FDG PET/CT及CT增强表现。方法 选取30例原发性结节肿块型肺黏液腺癌患者的病理、临床及影像资料。所有患者均行¹⁸F-FDG PET/CT检查，其中21例行CT增强扫描，分析病灶HRCT征象、代谢及增强扫描强化特点。结果 30例原发性结节肿块型肺黏液腺癌中，混杂磨玻璃结节9例(30.00%)，实性病灶21例(70.00%)。24例(80.00%)位于胸膜下，23例(76.67%)位于肺下叶。轻度强化6例，中度强化13例，明显强化2例。PET/CT显像中病灶SUVmax值范围为0.57～19.70,14例病灶SUVmax值小于2.50,6例病灶SUVmax值为2.50～5.00,10例病灶SUVmax值大于5.00。8例病灶内可见无强化或无代谢的液性区域，有代谢的区域集中于轻度或中度强化的实性成分区域。9例混杂磨玻璃结节中，8例实性成分含量较多的病灶表现为均匀一致的低摄取，1例病灶表现为代谢区域集中于实性成分而磨玻璃成分无代谢的特点。结论 原发性结节肿块型肺黏液腺癌好发于双肺下叶及胸膜下，增...     

离体生物样本无对比剂血管成像:硬X线同轴轮廓相衬成像术的实验研究

目的 X线相衬成像能够在无对比剂和降低曝光量的情况下观察生物组织尤其是软组织的内部结构.该实验利用同步辐射相干X线,根据同轴轮廓成像原理,在无对比剂的情况下,观察新西兰大白兔和人的离体肝组织标本内部的血管结构.方法所有样品经10%甲醛溶液固定,并切成6 mm厚,10 mm×10 mm大小备用.成像胶片为富士工业胶片(Fuji-IX80).实验是在北京同步辐射实验室4W1A光束上进行的,实验装置类似于全息成像,最大光斑为20 mm×10 mm,光子能量为8 keV.改变样品和胶片的距离,以获得最佳的成像质量.结果兔肝标本的血管树得到清晰显示,人肝硬化标本的扭曲的异常血管也得到清晰显示.显示的最小的血管直径小于20 μm.结论在第一代同步辐射上,在无对比剂的情况下,肝脏样本内部的血管结构可以通过X线同轴轮廓成像的方法得到显示.     

CT三维重建心房颤动患者左心耳解剖学形态

心房颤动(房颤)的主要危害是左心房(LA)内血栓脱落导致的脑卒中,有研究证实在非瓣膜性房颤患者中,90%～100%的血栓来源于左心耳(LAA).近年来房颤导管消融术和封堵术是房颤治疗方面的重要进展,术中涉及LAA及其邻近结构,应用超声心动图及术中造影的方法,无法立体再现其解剖结构并实时参考.     

心房颤动导管消融术相关的左房-肺静脉邻近结构的解剖关系

目的应用CT扫描及三维重建的方法描述并测量心房颤动(简称房颤)患者左房-肺静脉与邻近解剖的关系。方法30例在三维标测技术下行环肺静脉左房线性消融术治疗的房颤患者,术前应用CT进行心脏扫描,二维平面测量肺动脉、上腔静脉、食管与左房-肺静脉的距离,三维重建后描述其解剖形态及与左房-肺静脉的位置关系。结果肺动脉与左房顶壁平均最小距离:3.95±3.33mm。上腔静脉与右上肺静脉平均最小距离:2.00±1.31mm,两者距离与右上肺静脉口二维平面径线及三维重建后静脉口最大径呈负相关。食管与左房后壁上缘、中部、下缘的距离分别为1.49±0.72,1.24±0.62,2.48±1.34mm。结论三维重建图像可真实反映左房-肺静脉与邻近结构的位置关系及距离。     

AI对非门控胸部LDCT平扫冠状动脉钙化积分危险分层的预测价值

目的 探讨人工智能（AI）在非门控胸部低剂量CT（LDCT）平扫冠状动脉钙化积分（CACS）危险分层中的预测价值。 方法 回顾性收集接受冠状动脉CT血管成像（CCTA）检查及非门控LDCT平扫的病人152例（训练集与测试集比例为2∶1）,训练集为上海长征医院收集的102例病人;测试集为武汉同济医院收集的50例病人。分别由AI模型和2名中年资影像医师在所有病人影像上勾画钙化,获得CACS后进行CACS危险分层（低危、中危和高危）,使用手动标注非门控LDCT的训练集数据,构建非门控LDCT的CACS及其危险度分层的AI模型。将测试集数据导入AI模型进行验证,与心电门控CT平扫获得的标准CACS及其危险分层进行对比分析,分别记录放射科医师手动评估及AI模型自动评估测试集CACS所需时间。采用分类准确度、组内相关系数（ICC）、Kappa检验和Bland-Altman一致性分析评估AI模型的性能,并采用Wilcoxon符号秩检验比较AI模型与标准CACS危险分层间的差异。采用配对t 检验比较AI、影像医师评估CACS危险分层所需时间。 结果 在训练集和测试集中,标准CACS的中位数分别为165.89（36.04,425.76）、96.50（25.75,346.75）,AI模型测得CACS的中位数分别为167.07（43.17,449.11）、75.51（24.30,250.74）,两者一致性均较好[ICC分别为0.977（0.965, 0.984）、0.989（0.980, 0.994）]。在测试集中进行Bland-Altman一致性分析,结果显示AI模型评估的CACS与标准CACS差值在95%一致性界限内的病例有48例,界限外的只有2例。在训练集和测试集中,AI模型预测的CACS危险度分层与标准CACS危险度分层的一致性均较好（κ值分别为0.895、0.899,均P<0.001）。AI模型预测训练集CACS危险分层的分类准确度为97.1%,其中对高危、中危、低危的分类准确度分别为96.9%、95.1%、100%。AI模型预测测试集CACS危险分层的分类准确度为94.0%,其中对高危、中危、低危的分类准确度分别为100.00%、82.40%、100.00%。AI模型预测测试集CACS危险分层与标准CACS危险分层的差异无统计学意义（Z=2.00,P=0.564）。采用AI模型评估不同CACS危险分层所需时间均较放射科医师少（P<0.001）。 结论 AI模型能够较为准确地评估LDCT平扫的CACS及其危险分层,明显提高工作效率,具有一定的临床应用价值。     

CT重组算法对低剂量胸部CT筛查冠状动脉钙化积分准确性影响研究

目的 以门控CT为金标准,探讨不同CT重组算法对非门控胸部低剂量CT(LDCT)评估冠状动脉钙化(CAC)的影响。方法 回顾性分析本院参与“三大疾病筛查”同时接受门控CT和非门控胸部LDCT扫描的718例患者资料。根据扫描方案的不同分为门控、非门控两组,根据重组方式的不同,将后者依次使用smooth、standard及sharp三种算法进行图像重组,并同时对所有图像进行冠状动脉钙化积分(CACS)。将Agatston评分分为4个标准的评分类别(Agatston评分：0、1～99、100～399、>400)。然后采用组内相关系数(ICC)、Spearman秩相关分析对CACS进行分析,同时利用Kappa检验4组图像获得心血管风险分层的准确性。结果 CACS结果显示门控CT与非门控胸部LDCT之间一致性很好,其中smooth最高(体积ICC=0.932、质量ICC=0.904、Agatston ICC=0.906,P=0.000)。非门控与门控图像间的基于Agatston评分类别一致性也很高,smooth、standard、sharp Kappa值分别为0.757、0.745、0.6...