CT纹理分析在鉴别胰腺浆液性囊腺瘤与黏液性囊腺瘤中的价值

目的:探讨术前CT纹理分析在鉴别胰腺浆液性囊腺瘤(SCN)与黏液性囊腺瘤(MCN)中的价值。方法:回顾性分析46例SCN与29例MCN患者的资料,基于术前CT静脉期图像,用半自动分割技术提取肿瘤全容积纹理特征,使用单因素分析、LASSO算法及Logistic回归分析筛选独立预测因子并构建CT纹理特征模型、临床影像学特征模型及综合模型(基于临床影像学特征和纹理特征),使用受试者工作特征(ROC)曲线及曲线下面积(AUC)分析诊断性能。结果:临床影像学特征模型AUC为0.814,CT纹理特征模型AUC为0.866,综合模型AUC为0.938,综合模型诊断性能优于单一CT纹理特征模型。结论:CT纹理分析有助于SCN及MCN的术前鉴别诊断,联合临床影像学特征可以进一步提高诊断效能。     

CT影像组学预测胰腺神经内分泌肿瘤的病理分级

目的 探讨基于术前X线计算机体层摄影术(CT)检查影像组学对预测胰腺神经内分泌肿瘤的病理分级的价值.方法 回顾性分析2017年1月至2020年5月南京大学医学院附属鼓楼医院48例经手术病理证实的胰腺神经内分泌瘤(PanNETs)患者临床资料,收集术前1个月内CT增强图像.分析所有纳入患者的手术前CT增强图像,采用影像组...     

CT纹理特征评估胰腺导管腺癌的分化程度

目的：探究基于术前增强纹理特征构建模型对评估胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)分化程度的价值。方法：回顾性收集2017年1月—2020年10月66例PDAC患者的病例资料,另外34例来自其他医院的PDAC患者被用于外部验证,根据术后病理结果分为高分化、中-低分化两组,分别记录患者的性别、年龄、肿瘤部位、肿瘤最大径、肿瘤强化程度、血管侵犯情况等临床及常规影像特征,进行单因素回归分析。采用ITK-SNAP软件勾画CT检查动、静脉期图像的感兴趣区(ROI),并提取图像纹理特征。利用单因素分析和二元 Logistic回归筛选独立预测因子并构建CT纹理特征模型,将训练组建立的预测模型直接应用于外部验证组,检验模型的准确度。应用受试者工作特征曲线(ROC)的曲线下面积(AUC)评价预测模型诊断价值。结果：基于动脉期及静脉期分别筛选出1个和2个纹理特征,分别为运行熵(run entropy)、区域百分比(zone percentage)和区域大小不均匀性(size-zone non-uniformity),其成为具有特征性的预测参数并分别构建了预测模型,基于CT动脉期纹理特征模型在训练组和验证组的AUC、灵敏度及特异度分别为0.716、0.581、0.824和0.722、0.600、0.765;基于CT静脉期纹理特征模型在训练组和验证组的AUC、灵敏度及特异度分别为0.895、0.781、0.882和0.873、0.722、0.929。结论：CT增强图像纹理特征在高分化、中-低分化PDAC之间存在差异,给术前评估PDAC恶性程度提供了新的方法。