人工智能骨龄评测系统评估儿童腕骨骨龄

目的 探讨人工智能（AI）系统评测儿童腕骨骨龄的可行性。方法 回顾性分析130幅1~13岁儿童左手骨龄X线片。以3名中高年资放射科医师腕骨骨龄评测结果为参考标准,计算并对比AI系统（简称模型）及3名低年资放射科医师（医师1、2、3,简称医师）与参考标准之间腕骨骨龄和腕骨成熟度分值的均方根误差（RMSE）及平均绝对误差（MAE）;采用组内相关系数（ICC）评价模型、医师与参考标准之间评测骨龄结果的一致性;比较模型与医师间骨龄测评时间。结果 模型与参考标准之间腕骨骨龄的MAE、RMSE与医师1、2与参考标准之间MAE、RMSE差异均有统计学意义（P均<0.05）,与医师3的MAE、RMSE差异无统计学意义（P均>0.05）。模型与参考标准之间腕骨成熟度分值的MAE、RMSE与医师1、参考标准之间MAE、RMSE差异均有统计学意义（P均<0.05）,与医师2、3的MAE、RMSE差异均无统计学意义（P均>0.05）。模型与参考标准之间腕骨骨龄评测结果的ICC=0.997,医师1、2、3与参考标准之间ICC分别为0.994、0.996、0.997。模型对骨龄的测评时间均小于医师（P均<0.001）。结论 AI骨龄评测系统能够准确、快速评估儿童腕骨骨龄。     

腹膜后纱布瘤一例

患者女,68岁。间断性右腰部酸胀不适10余年,10余天前患者无明显诱因出现右腰酸胀不适症状加重,患者10年前因右肾结石曾行开放手术治疗。外院作双肾B超及     

磁共振成像及磁共振波谱成像诊断前列腺癌的价值

目的：分析3.0T磁共振成像（3.0 TMRI）及磁共振波谱成像（MRS）两种成像方法及其联合应用对前列腺癌的诊断价值.方法：收集经病理或临床证实的28例前列腺癌（PCa）及20例前列腺增生（BPH）患者资料,两组患者行MRI及MRS,MRS观察病灶枸橼酸盐（Cit）、胆碱（Cho）和肌酸（Cre）的波峰,测量（Cho＋ Cre）/Cit（CC/C）比值,通过受试者操作特性曲线（ROC）评估CC/C比值对PCa的诊断效能,观察MRI单独应用及与MRS联用的差异.结果：PCa的CC/C平均值为3.04 ±0.360,BPH的CC/C平均值为0.515±0.072（P＜0.05）;ROC曲线评估显示CC/C比值诊断PCa的最佳诊断域值为1.110,此诊断域值的敏感度92.9％和特异度93.7％,MRS与MRI联用的敏感度96.42％,特异度90.00％.结论：3.0 TMRI和MRS联合应用有助于前列腺癌的早期诊断与鉴别诊断.     

结节肿块型乳腺导管内乳头状瘤的MRI表现及与乳腺小浸润性导管癌的鉴别诊断

目的 分析结节肿块型乳腺导管内乳头状瘤（intraductal papilloma,IDP）磁共振成像（magnetic resonance imaging,MRI）的影像学表现,加深对IDP的MRI特征的认识,并探讨其与直径小于2 cm的乳腺浸润性导管癌（invasive ductal carcinoma,IDC）的鉴别诊断特征。方法 回顾性分析2018年1月至2021年6月期间在四川省妇幼保健院经手术后病理学检查证实的28例乳腺结节肿块型IDP和34例直径小于2 cm的IDC的MRI表现,包括病灶大小、形态、边缘、是否有毛刺征、病灶周围有无扩张导管、病灶的最大径是否沿乳腺导管方向走行、病灶是否距乳头4 cm以内、平扫T2WI信号、表观扩散系数（apparent diffusion coefficient,ADC）值、动态增强时间-信号强度曲线（time-signal intensity curve,TIC）类型、早期强化率以及增强扫描病灶内部强化方式演变特征。结果 2组比较,肿瘤直径（P<0.001）、形态（P<0.001）、边缘（P<0.001）、病灶周围有无扩...     

3.0T MRI联合扩散加权成像对前列腺癌的定性诊断价值

目的在3.0T MRI检查仪上分析前列腺癌的表观扩散系数的变化,以病理结果作对照,探讨常规MRI、DWI两种成像方法及其联合应用对前列腺癌进行定性诊断的价值。方法收集28例前列腺癌(PCa)及20例前列腺增生(BPH)患者资料;在DWI上观察病灶的信号并进行ADC值测量,通过受试者操作特性曲线(ROC)评估ADC值对PCa的诊断效能,比较常规MRI单独应用及和ADC值二者联合应用对前列腺癌的诊断价值。结果 PCa平均ADC值为(0.78±0.025)×10-3,BPH平均ADC值为(1.59±0.045)×10-3。PCa与BPH的ADC值存在明显差异(P<0.05),根据ADC值诊断PCa的最佳诊断域值为1.182×10-3,此诊断域值敏感度为85.1%,特异性为96.4%。诊断效能:常规MRI诊断PCa的敏感度为82.14%,特异性为80.00%,准确度为81.25%。MRI+DWI诊断PCa的敏感度达92.85%,特异性为85%,准确度为89.58%。结论联合应用常规MRI和DWI的诊断效能优于单独应用常规MRI,3.0T MRI结合DWI有助于前列腺癌的早期诊断及鉴别诊断。     

基于深度学习的乳腺X线智能检测系统对钙化的检出能力评估

目的 评价基于深度学习(DL)的乳腺X线智能检测系统对乳腺钙化的检出效能。方法 回顾分析140例经病理组织学证实的患者，并进行乳腺X线检查患者的头尾位(CC)和内外斜位(ML0)图像资料，以2名经验丰富高年资放射科医师对图像钙化病变的一致意见作为标准组，由低年资、高年资住院医师各1名和DL系统盲法独立阅片。比较DL系统与低年资和高年资住院医师检出敏感度差异，结合双向表χ²检验，评价不同ACR构成、BI-RADS分类、钙化形态和分布影响。结果 140例病例检出BI-RADS 3类以上钙化共275个，低年资住院医师、高年资住院医师和AI系统的检出敏感度分别是73.45%(202/275)、96.00%(264/275)和96.36%(265/275),低年资住院医师检出敏感度低于高年资医师、DL系统(P<0.05)。DL系统及高年资住院医师检出敏感度不受ACR腺体构成、钙化形态、分布、BI-RADS分类等因素的影响(P>0.05),而低年资住院医师检出敏感度受其影响(P<0.05)。结论 基于深度学习的乳腺智能钙化检测系统对BI-RADS 3类以上钙...