弥散加权成像联合高分辨T2WI在直肠癌检测和分期中的应用

目的探讨DWI联合高分辨T2WI在直肠癌检出与分期中的应用价值。方法回顾性分析32例临床确诊直肠癌患者的高分辨T2WI及DWI特点,比较单纯DWI、高分辨T2WI诊断直肠癌的敏感度及两者联合对直肠癌分期诊断的准确率。结果 DWI和高分辨T2WI诊断直肠癌的敏感度分别为96.88%(31/32)、78.13%(25/32,P0.001)。单纯高分辨T2WI和高分辨T2WI联合DWI分期诊断的准确率分别为65.63%(21/32)、87.50%(28/32,P=0.009)。结论 DWI显示直肠癌与周围正常组织优于高分辨T2WI;两者联合应用可提高直肠癌术前分期诊断的准确率。     

基于CT放射组学的机器学习模型预测肺腺癌气腔播散的研究

目的 探讨基于术前CT放射组学的机器学习模型预测肺腺癌气腔播散(STAS)的价值。方法 回顾性分析829例病理证实为肺腺癌并且术前3个月行CT检查的患者资料。在中心Ⅰ的709例患者中，采用单因素分析比较STAS状态与临床及放射组学特征间的差异(P<0.05)。随机从中心Ⅰ的578例STAS阴性患者中，选取25%(150例)与131例STAS阳性患者构建放射组学信号。采用10折叠交叉验证(10-fold cross-validation)套索回归(LASSO)进一步特征筛选并用多元Logstic回归建立放射组学信号。将中心Ⅰ患者按0.7∶0.3比例分为训练集及内部验证集。在训练集中用利用放射组学信号和差异有统计学意义的临床特征采用多因素Logstic回归建立预测模型并绘制列线图(Nomogram)。以中心Ⅱ的120例患者作为测试集检验模型的预测效能。结果 多因素Logistics回归结果表明性别和组学分数为独立危险因素。联合模型的在训练集曲线下面积(AUC)为0.84(90%CI:0.80～0.88),在内部验证集和外部测试集的AUC分别为0.83(95%CI:0.78～0.90)...