20例脑脓肿的CT表现及分析

<正>脑脓肿是一种较常见的颅内炎症性疾病,严重时可威胁生命。CT可确定其病变的位置、形态、大小和数目。大多数病例术前     

双源CT能谱成像联合声触诊组织定量技术对甲状腺良恶性结节诊断价值的研究

目的:分析双源CT(DSCT)能谱成像联合声触诊组织定量技术(VTQ)对甲状腺良恶性结节的诊断价值.方法:选择53例经手术或穿刺病理组织学检查确诊的甲状腺良恶性结节患者且术前均行DSCT能谱成像及VTQ检查为研究对象,以病理结果为金标准,通过绘制受试者工作特征(ROC)曲线并比较曲线下面积(AUC)评价DSCT能谱成像...     

DWI在椎体良性骨折与Modic Ⅰ型终板炎鉴别诊断中的应用价值

目的探讨MRI弥散加权成像在椎体良性骨折与ModicⅠ型终板炎鉴别诊断中的应用价值。方法前瞻性分析临床资料完整的38例椎体良性骨折及ModicⅠ终板炎患者的常规MRI图像及DWI图像。其中良性骨折组20例,ModicⅠ型终板炎组18例,并设置正常对照组20例。通过测量b值分别为300s/mm~2、500s/mm~2、600s/mm~2时各组的ADC值,并进行两两比较。结果 b值为300s/mm~2、500s/mm~2、600s/mm~2时,良性骨折组的ADC值分别为(2.02±0.455)×10~(-3)mm~2/s、(1.78±0.400)×10~(-3)mm~2/s、(1.62±0.418)×10~(-3)mm~2/s,ModicⅠ型终板炎组的ADC值分别为(1.52±0.121)×10~(-3)mm~2/s、(1.37±0.162)×10~(-3)mm~2/s、(1.23±0.232)×10~(-3)mm~2/s;相同b值时,二者之间均有统计学差异(P0.05)。结论 ADC值对椎体良性骨折与ModicⅠ型终板炎的鉴别诊断有着重要的价值。     

基于常规MRI纹理分析技术鉴别良恶性软组织肿瘤

【摘要】目的：探讨基于常规MRI的纹理分析技术在鉴别良恶性软组织肿瘤（STT）中的价值。方法：回顾性分析2015年1月－2019年9月在我院经手术病理证实的91例STT患者的病例资料。所有患者术前行MRI检查，包括横轴面T1WI及横轴面、冠状面和矢状面脂肪抑制质子密度加权像（FS-PDWI）。采用MaZda软件进行纹理分析，在各序列图像中选取病灶最大层面及相邻的2个层面，测量肿块大小，沿病灶边界勾画ROI，提取病灶的纹理特征，包括直方图参数（均值、变异度、偏度、峰度及第1、10、50、90、99百分位数）和灰度共生矩阵（GLCM）参数（能量、对比度、相关、平方和、逆差矩、均和、和方差、和熵、熵、差方差和差熵）。采用t检验、LSD（方差齐）或Mann-Whitney U检验（方差不齐）对良恶性组的患者年龄、病灶大小及纹理参数进行比较，对差异有统计学意义的指标进一步行ROC曲线分析评估其诊断效能。采用多因素Logistic回归分析获得判断良恶性STT的独立预测因素并建模，绘制 ROC曲线评估模型的鉴别诊断效能。结果：91例中良性43例、恶性48例。良恶性STT的大小及在T1WI和FS-PDWI图像上的对比度、相关、逆差矩、差方差和差熵的组间差异均有统计学意义（P<0.05）；其它GLCM参数及直方图参数在两组间的差异无统计学意义（P>0.05）。FS-PDWI图像上，除差熵的诊断效能低于T1WI（AUC：0.710 vs. 0.714），其它参数（对比度、相关、逆差矩、差方差）的诊断效能均优于T1WI（AUC分别为0.853 vs. 0.761，0.849 vs. 0.742，0.750 vs. 0.714和0.807 vs. 0.723）。以病理结果良、恶性为因变量，采用逐步回归法来筛选自变量，选入回归模型的变量为T1WI上的差熵及FS-PDWI上的差方差和差熵（P值分别为0.033、0.030和0.031），提示上述参数是判断STT良恶性的独立预测因素，相应模型的AUC为0.811，敏感度为82.4%，特异度为71.4%。结论：基于常规MRI的纹理分析技术有助于良恶性软组织肿瘤的鉴别。     

常规MRI与MR关节造影诊断肩袖撕裂的初步对比研究

目的 比较3.0T常规MRI和MR关节造影检查对肩袖撕裂的诊断价值.方法 分析48例肩关节病变患者的常规MRI和MR关节造影检查资料,确定肩袖有无撕裂并进行分型.其中4例行肩关节镜检查.采用配对x2检验比较两种检查方法诊断肩袖撕裂的差异性.结果 常规MRI显示冈上肌腱全层撕裂6例,冈上肌腱部分撕裂9例;MR关节造影显示冈上肌腱全层撕裂7例,冈上肌腱部分撕裂8例.常规MRI和MR关节造影检查方法对肩袖全层撕裂诊断有6例相同,1例常规MRI诊断无撕裂MR关节造影诊断为撕裂;对肩袖部分撕裂的诊断有7例相同,3例不同,其中2例常规MRI诊断为撕裂而MR关节造影诊断为无撕裂,1例常规MRI诊断为无撕裂而MR关节造影诊断为撕裂;两种检查方法对肩袖全层撕裂(x2=0.000,P＞0.05)及部分撕裂(x2=o.000,P＞0.05)的诊断差异无统计学意义.结论 初步显示3.0T常规MRI对肩袖全层撕裂和肩袖部分撕裂的诊断能达到MR关节造影的诊断效果,同时可以显示肩袖撕裂伴发的各种异常.     

《医学影像学》线上线下混合教学模式的应用

目的:评价线上线下混合教学模式在《医学影像学》教学中的应用效果与优势.方法:选取皖南医学院2019级医学影像学专业本科生作为研究对象,按班级随机分为研究组和对照组(每组105人),研究组采用线上线下混合教学模式,对照组采用传统的讲授式教学模式.以平时成绩、期末成绩、读片成绩和问卷调查方式对教学效果进行评价.结果:研究组...     

超声诊断先天性胎儿畸形38例分析

目的:探讨产前超声诊断先天性胎儿畸形的声像图特征。方法:对门、急诊产前超声检查的3667例孕妇中发现并经引产或随访证实的38例先天性畸形胎儿的畸形种类、羊水量等进行回顾性分析。结果:38例先天性畸形胎儿中,发生率较高的依次为:脑积水、浆膜腔积液、前腹壁缺陷及胎儿水肿。在主要畸形存在的同时往往合并有其他畸形的存在,甚至是合并复杂的多系统畸形,而一些小的合并畸形较易漏诊。中枢神经系统畸形及消化系统畸形常合并有羊水过多。结论:产前超声检查可以较准确地发现先天性胎儿发育异常,避免无意义的继续妊娠,在优生学方面起着重要的筛选作用。     

超声诊断高龄性心肌致密化不全2例报告

心肌致密化不全(noncompactionofventricularmyocardium,NVM)是一种罕见的心肌病,又称为海绵样心肌病(spongymyocardium),大多与其他先天性畸形并存,也可孤立性存在,称为孤立性心肌致密化不全(isolatednoncompactionofventricularmyocardium,INVM)。国外学者Engberding等1984年首次报道,国内自唐红伟等第一次报道以来,近年可见散在的个案报道。本院近期诊断的两例均为高龄患者,极为少见,现报道如下:     

MRI在多发性肌炎/皮肌炎诊断中的价值

目的:探讨MRI在多发性肌炎(PM)/皮肌炎(DM)诊断中的应用价值。方法:回顾分析临床资料完整的24例PM/DM患者的肌肉及皮下软组织MR图像,其中PM 16例,DM 8例。检查序列包括FSE T1WI、FSE T2WI、fs T2WI。扫描双侧大腿,常规冠状位、矢状位及横轴位平扫。结果:24例PM/DM中19例大腿肌肉MRI上存在异常,表现为:肌肉炎性水肿16例,肌筋膜炎10例,皮下软组织水肿6例,2例肌肉萎缩。结论:MRI在PM/DM诊断中有重要应用价值,肌肉和皮下组织炎性水肿是PM/DM患者最常见的MRI表现。MRI fs T2WI序列能更好地检出炎性病变。     

NPTX1在胸腺瘤患者中的表达及诊断价值

  目的  探讨基于增强CT深度学习影像组学术前预测胸腺瘤风险分类的价值。  方法  收集2015年1月至2023年1月皖南医学院弋矶山医院139例胸腺瘤患者为训练集,池州市人民医院与芜湖市第二人民医院81例患者为外部验证集。其中低风险组（A、AB、B1型）137例、高风险组（B2、B3型）83例。基于CT静脉期图像分别提取手工影像组学（hand-crafted radiomics,HCR）特征与深度学习（deep learning,DL）特征,构建影像组学标签评分（Radscore）。单因素与多因素Logistic回归分析筛选预测胸腺瘤高风险的影像学独立影响因素,利用逻辑回归（Logistic regression,LR）、随机森林（random forest,RF）、决策树（decision tree,DT）及支持向量机（support vector machine,SVM）机器学习建模。选择最佳模型为输出模型,构建模型列线图、校准曲线及临床决策曲线（decision curve analysis,DCA）。受试者工作特征（receiver operating characteristics,ROC）曲线下面积（area under the curve,AUC）及净重新分类指数（net reclassification index,NRI）用于评估模型效能。  结果  LR、RF、DT及SVM构建预测模型的AUC分别为训练集0.899、0.835 、0.897、0.860,外部验证集0.889、0.830、0.905、0.858。由于训练集LR模型效能最佳,作为本研究输出模型,校准曲线及DCA表明模型具有较高的校准度及临床适用性。列线图与Radscore比较效能有改善,NRI训练集为7.5%（P=0.007）,外部验证集为5.3%（P=0.020）。  结论  基于增强CT深度学习影像组学术前实现了胸腺瘤准确风险分类,列线图能够提供个性化预测结果。