引起胰胆管扩张的壶腹区原发肿瘤是否胰腺来源模型预测

目的 鉴别诊断引起胰胆管扩张的壶腹区原发肿瘤是否为胰腺来源。方法 回顾性分析经病理证实的壶腹区肿瘤142例,其中非胰腺来源的肿瘤59例,胰腺癌83例。搜集性别、年龄、癌胚抗原（carcinoembryonic antigen,CEA）、糖类抗原19–9（carbohydrate antigen 199,CA19–9）、肿块最大径、胆总管最大径、胰管最大径、胰管形态、远端胰腺萎缩等临床及影像资料。先进行单因素分析,分类变量用χ2检验,连续数值型变量先进行正态性检验,符合正态分布用t检验,不符合正态分布选择Mann–Whitney U检验,筛选出可疑影响因素。采用二元Logistic回归建立模型,采用Hosmer–Lemeshow拟合优度检验及受试者工作曲线（receiver operator characteristic curve,ROC）检测模型效能。结果 两组的肿块最大径分别为（2.18±1.02）cm、（3.19±1.06）cm;非胰腺来源肿瘤胰管形态平滑37例（62.70%）,迂曲5例（8.50%）,串珠17例（28.80%）,胰腺癌胰管形态平滑6例（7.20%）、迂曲43例（51.80%）、串珠34例（41.00%）。比较CA19–9、CEA、肿块最大径、胆总管最大径、胰管最大径、胰管形态、胰腺萎缩,差异均有统计学意义（P<0.05）,是可疑影响因素;性别、年龄比较,差异均无统计学意义（P>0.05）。上述可疑影响因素纳入二元Logistic回归,肿块最大径、胰管形态是独立影响因素,即肿块越大、胰管呈迂曲状态是胰腺癌的风险越高,模型的准确度为85.7%,曲线下面积91.3%。结论 本研究联合肿块最大径、胰管形态建立的预测模型,对引起胰胆管扩张的壶腹区原发肿瘤是否为胰腺来源有的较好的诊断效能,具有较高的临床应用价值。     

CT影像征象联合纹理分析对成人急性阑尾炎病理亚型的预测价值

目的 探讨CT影像征象联合纹理分析对成人急性阑尾炎病理亚型的预测价值。方法 选取我院经手术病理证实的157例急性阑尾炎患者的临床和CT影像资料,依据病理结果将其分为复杂性急性阑尾炎（complicated acute appendicitis, CCA）和非复杂性急性阑尾炎（uncomplicated acute appendicitis, NCCA）,其中CCA 77例和NCCA 80例。观察记录临床及影像特征,如阑尾直径、有无粪石、粪石直径、周围渗出、CT分级等;通过MRIcroGL软件对术前CT图像进行感兴趣区勾画,使用Pyradiomics提取纹理特征,随机分为训练集（125例）和测试集（32例）,使用最小绝对收缩和选择算子回归（LASSO）对纹理特征降维,使用支持向量机（support vector machine, SVM）机器学习算法,分别基于CT征象、纹理特征和两者联合建立三个预测模型,使用受试者工作特征曲线下面积（AUC）值来评价三个模型鉴别CCA与NCCA的诊断效能。结果 CCA组阑尾和粪石直径更大,阑尾更容易发生渗出和更高的CT分级;经过特征筛选,8个纹理特征用于...     

MRI增强信号比值对G2、G3级胰腺神经内分泌肿瘤和胰腺癌鉴别诊断价值

目的 MRI增强各期灰阶比值鉴别G2、G3级胰腺神经内分泌肿瘤(PNET)与胰腺癌(PDAC)的价值。 方法 回顾性分析病理证实的G2、G3级PNET 37例与PDAC 52例的MRI图像,通过阅片系统灰阶值测量软件,测量增强各期病灶的灰阶值。分别计算灰阶比值动脉期/T1平扫、实质期/动脉期、静脉期/实质期、延迟期/静脉期;采用曼-惠特尼u检验,对两组数据进行分析,通过受试者工作曲线(ROC)评估诊断效能并确定最佳临界值,用二元logistics回归建立模型,评估联合预测的效能。 结果 37例G2、G3级PNET与57例PDAC的灰阶比值分别为动脉期/平扫2.15(1.88～2.80)和1.32(0.88～1.87)(Z=-4.55,P＜0.01),实质期/动脉期1.13(1.01～1.35)和1.53(1.24～1.94)(Z=-3.91,P＜0.01),静脉期/实质期0.94(0.89～1.02)和1.07(0.99～1.15)(Z=-4.08,P＜0.01),延迟期/静脉期1.05(0.99～1.10)和1.17(1.06～1.31)(Z=-3.67,P＜0.01),均具有统计学意义。PNET呈明显迅速强化,PDAC呈渐进性强化,灰阶比值能准确反映两者的强化差异。两组增强期/前一期灰阶比值差异的曲线下面积分别为0.791、0.764、0.777、0.736,最佳临界值1.78、1.41、1.03、1.12,相应的敏感度和特异度分别为72.0%和80.0%、67.3%和80.0%、65.3%和85.7%、65.3%和82.9%。建立联合预测模型,预测的准确率81.9%,曲线下面积0.900,模型具有良好的诊断效能。结论 MRI增强信号比值对G2、G3级胰腺神经内分泌肿瘤和胰腺癌鉴别诊断具有重要的价值。     

CT纹理分析对成人急性阑尾炎分型的预测价值

目的 探讨CT纹理特征分析鉴别复杂性急性阑尾炎(CCA)和非复杂性急性阑尾炎(NCCA)的临床价值。方法 回顾性分析157例急性阑尾炎患者的临床资料,术后病理结果显示,其中CCA患者77例,NCCA患者80例;将125例分为观察组(训练集),32例分为对照组(测试集)。通过Pyradiomics软件对术前患者CT图像提取纹理特征,采用t检验、Mann-Whitney U秩和检验、最小绝对收缩和选择算子回归(LASSO)分析进行特征降维分析,使用支持向量机(SVM)、逻辑回归(Log)和决策树分类器(DTC)三种算法建立预测模型,选用接受者操作特征曲线AUC值最高的预测模型进行最终建模。结果 经过特征筛选,8个纹理特征可用于构建鉴别CCA和NCCA的预测模型。SVM、Log和DTC三种算法建立的模型在测试集上AUC值分别0.90、0.84和0.73,选择SVM模型进行下一步建模,最后训练集中预测模型的AUC、灵敏度、特异度分别为0.92、88.7%、79.1%,在测试集中分别为0.90、89.3%、85.0%。结论 CT图像纹理特征模型有利于鉴别诊断NCCA和CCA,有助于指导临床决策。     

MRI灰阶比值对G2、G3级胰腺神经内分泌肿瘤和胰腺癌的鉴别诊断价值

目的 探讨MRI灰阶比值在G2、G3级胰腺神经内分泌肿瘤（PNET）与胰腺癌（PDAC）鉴别诊断中的价值。方法 回顾性分析经病理证实的37例G2、G3级PNET 与 52例PDAC的MRI增强图像,通过格林蓝德阅片系统灰阶值测量软件,测量增强各期瘤体和同层面正常胰腺的灰阶值,计算瘤体与正常胰腺灰阶比值,采用t检验对两组数值进行分析,通过受试者工作曲线得出阈值,并建立联合预测模型。结果 37例PNET与52例PDAC T1平扫、动脉期、实质期、静脉期、延迟期的灰阶比值分别为0.76±0.17和0.81±0.26（t=-0.91,p=0.36）、1.03±0.30和0.65±0.25（t=6.07,p＜0.01）、1.13±0.24和0.87±0.38（t=3.36,p＜0.01）、1.18±0.30和0.92±0.36（t=3.49,p＜0.01）、1.20±0.28和1.01±0.31（t=2.73,p＜0.01）。动脉期灰阶比值的曲线下面积为0.863,阈值为0.93,敏感度88.9%,特异度69.7%;实质期灰阶比值的曲线下面积0.794,阈值为1.04,敏感度75.6%,特异度75.8%;静脉期曲线下面积0.754,阈值1.00,敏感度64.4%,特异度84.8%;延迟期灰阶比值曲线下面积为0.678,阈值为1.10,敏感度57.8%,特异度72.7%;联合诊断模型的准确度为79.5%,曲线下面积0.862,敏感性88.9%,特异性72.7%。结论 MRI灰阶比值可量化瘤体强化差异,在鉴别诊断G2、G3级PNET和PDAC中有较高的临床意义。     

沙普利值在XGBoost超声模型中预测甲状腺微小乳头状癌的价值

目的 探讨沙普利(SHAP)值在极端梯度提升(XGBoost)超声模型中预测甲状腺微小乳头状癌(PTMC)的价值。方法 回顾分析病理证实的181例200枚PTMC超声资料并与131例147枚微小结节性甲状腺肿(MNG)对照,对超声危险征象赋分后进行χ²检验,并将数据以8∶2的比例随机拆分训练集、测试集,采用XGBoost在训练集上构建模型,测试集中利用受试者工作特征(ROC)曲线下面积(AUC)值评价模型预测PTMC的效能。通过SHAP值进行模型解释,明确各征象诊断PTMC的权重。结果 200枚PTMC和147枚MNG中,基于边缘模糊/不规则/腺外侵犯、内部极低回声、实性、A/T>1和微钙化这5个征象,XGBoost模型在训练集和测试集中AUC值分别为0.859和0.831。SHAP值对XGBoost模型分析显示,超声征象绝对平均SHAP值分别约为0.2～0.9,权重由大到小为A/T>1、微钙化、实性、边缘模糊/不规则/腺外侵犯、内部极低回声,且均为正向贡献。结论 利用SHAP值对XGBoost超声预测模型分析可对各征象的诊断效能进行量化及可视化,为改...     

基于脂肪抑制增强T1WIDelta影像组学预测鼻咽癌患者放射治疗后口干分级

目的 基于脂肪抑制(FS)增强T1WI构建预测放射治疗(放疗)后鼻咽癌(NPC)患者口干级别的Delta影像组学模型，并评估其效能。方法 回顾性分析227例于诱导化学治疗(IC)后接受放疗或同步放化疗(CCRT)NPC患者IC前2周内及IC结束后鼻咽部MRI。于放疗结束后1周根据放射治疗肿瘤协作组标准评估患者口干分级(0～4级),将0、1级口干归为轻度口干(n=81),≥2级口干归为重度口干(n=146)。基于IC前、后FS增强T1WI提取双侧腮腺影像组学特征，计算Delta影像组学特征值。采用最小绝对收缩和选择算子和随机森林算法降维，筛选最优Delta影像组学特征，构建Delta影像组学模型。按8∶2比例将患者分为训练集(n=182)及测试集(n=45),绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC),评估Delta影像组学模型预测训练集及测试集NPC患者放疗后口干分级的效能；绘制校准曲线，评估模型性能。结果 分别基于IC前、后FS增强T1WI提取2 286个影像组学特征，最终筛选出8个最优Delta影像组学特征并以之构建模型，其预测训练集和测试集NPC患者放疗后口干分级...