TFE-EPI序列与TFE序列在3.0 T非增强冠状动脉MR血管成像中的对比研究

目的探讨3.0 T MRI使用单次屏气快速场回波平面回波成像(TFE-EPI)序列行非增强冠状动脉MRA(CMRA)的可行性。方法 2021年10月前瞻性入组23名健康志愿者, 分别采集单次屏气TFE-EPI序列和自由呼吸快速场回波(TFE)序列非增强CMRA。使用配对样本t检验比较两组的采集时间。使用Wilcoxon非参数检验分析评价两组不同部位血管的信噪比(SNR)、对比噪声比(CNR)、图像伪影及变形、血管锐利度。评价血管包括主动脉、右冠状动脉近端、右冠状动脉中段、左前降支近段和左回旋支近段。结果单次屏气TFE-EPI序列的采集时间[(16.3±2.2)s]比自由呼吸TFE序列[(466.9±101.3)s]缩短了96.51%, 差异有统计学意义(t=21.49, P<0.01)。两者各部位血管的SNR差异均无统计学意义(P均>0.05)。TFE-EPI序列在右冠状动脉中段CNR明显优于TFE序列(Z=2.65, P=0.008)。在图像伪影及变形的比较中, TFE-EPI序列在右冠状动脉中段优于TFE序列(Z=2.00, P=0.046)。在血管锐利度的比较中, T...     

基于深度学习模型的X线胸片去骨的初步研究

【摘要】目的：探讨基于深度学习方法对X线胸片（CXR）进行去骨处理的可行性。方法：总样本数据集由开源数据集和自采数据集两部分组成,共300个图像对,每对图像包括一个常规CXR和一个去骨后的CXR,其中开源数据集（JSRT+BSE JSRT）241对,自采数据集（双能减影胸部X光片）59对。使用深度残差网络（ResNet）作为去骨模型的基础架构,结合动态U-Net网络,并以Imagenet预训练VGG（Visual Geometry Group）网络,提取图像激活及风格特征组成损失函数,来训练去骨模型。将总样本数据随机分为训练集（80%）、调优集（5%）和测试集（15%）。以测试集的峰值信噪比（PSNR）和结构相似性 （SSIM）结果作为CXR去骨模型的评价指标。结果：在测试集中,CXR去骨模型的PSNR（dB）和SSIM分别为31.94±2.49和93.37%±5.11%。根据PSNR值分析,88.89%的模型去骨后图像的质量较好,根据SSIM值分析,86.67%的模型去骨后图像与目标图像的结构相似性达到88%以上。结论:深度学习模型对X线胸片图像的去骨处理是可行的,可用于进一步研究并尝试应用于临床。     

骨骼肌指数对老年非小细胞肺癌手术患者预后的评估价值

目的:探讨胸部CT获得的骨骼肌指数(SMI)对老年非小细胞肺癌(NSCLC)手术患者预后的评估价值.方法:回顾性分析140例老年NSCLC手术患者的临床及影像资料.在术前进行的胸部CT平扫或增强扫描图像上,选择胸8椎体中心层面,通过半自动化分割CT值在-29～150 HU范围内的肌肉组织获得SMI(cm2/m2).SM...     

体素内不相干运动MRI评估MR引导下高强度聚焦超声消融子宫肌瘤中期治疗效果

目的 观察体素内不相干运动（IVIM）MRI评估MR引导下高强度聚焦超声（HIFU）消融治疗子宫肌瘤的中期效果。方法 分别于MR引导下HIFU治疗前及治疗后6个月对23例单发子宫肌瘤患者行多b值MR扫描,对所得图像提取3组数据分别进行拟合：①b ≤ 100 s/mm²（b=0、25、50、75、100 s/mm²）,采用单指数模型拟合得到ADC;②b ≤ 200 s/mm²（b=0、25、50、75、100、150、200 s/mm²）,以单指数模型拟合得到ADC;③b ≤ 1 000 s/mm²（b=0、25、50、75、100、150、200、500、800、1 000 s/mm²）,采用双指数IVIM模型拟合获得真扩散系数（D）、假性扩散系数（D^*）和灌注分数（f）。观察并比较MR引导下HIFU治疗前及治疗后6个月子宫肌瘤IVIM参数变化。结果 b ≤ 100 s/mm²图像显示MR引导下HIFU治疗6个月后ADC较治疗前明显下降（P=0.015）;b ≤ 200 s/mm²时,治疗后6个月ADC稍下降但不明显（P=0.145）;b ≤ 1 000 s/mm²图像显示治疗后D明显上升（P<0.001）、f明显下降（P=0.001）,而D^*无明显变化（P=0.187）。结论 利用IVIM MRI可较好地评估MR引导下HIFU消融治疗子宫肌瘤的中期效果。