双源能谱CT对食管癌临床诊断价值研究

目的 探讨双源能谱CT(DSCT)在食管癌诊断中的应用价值。方法 选取自2019年6月至2022年5月南通市肿瘤医院收治的150例食管癌患者为研究对象。所有患者均先后进行DSCT扫描,以手术病理结果为“金标准”,通过受试者工作曲线(ROC)分析DSCT扫描对食管癌T分期、淋巴结转移的评估价值。结果 T3～4期食管癌动脉期与静脉期基物质浓度[碘浓度(IC)及标准化碘浓度(NIC)],以及能谱曲线斜率k均高于T1～2期,差异有统计学意义(P<0.05);能谱参数动脉期及静脉期的IC、NIC及能谱曲线斜率k联合检测鉴别T3～4期与T1～2期食管癌的ROC曲线下面积(AUC)高于各指标单独鉴别诊断的AUC(P<0.05)。150例患者中,在食管癌DSCT扫描图像上相应标记淋巴结共347枚,手术后经病理诊断结果明确的转移淋巴结232枚,非转移淋巴结115枚;转移淋巴结的短长径比值、动脉期CT 70 kev,以及动脉期与静脉期的NIC水平均高于非转移淋巴结,差异均有统计学意义(P<0.05);能谱参数短长径比值、动脉期CT 70 kev、动脉期NIC、静脉期NIC联合检测鉴别转移...     

应用BP神经网络模型分析冠心病相关因素及其临床意义

目的:应用BP神经网络模型对冠心病相关因素影响值大小进行评估。方法: 分别对265例冠心病患者和102例非冠心病患者（对照组），进行8项血液指标、3项生理检查和8项个人史的检测、调查及统计分析。对各个指标进行单因素分析，对有统计学意义的指标作为神经网络参数进行分析。对神经网络采用不同的传递函数、训练函数和隐含层节点数建立405种组合，对每种组合分别进行训练和测试，筛选出最佳组合，建立模型。并通过神经网络的平均影响值（MIV）评价各个自变量对于冠心病影响的重要性大小。结果: 对有统计意义的18项指标进行BP神经网络模型分析，筛选出均方误差最小的最佳组合，其测试准确率、灵敏度、特异性均达到100%。应用人工神经网络对18项变量进行影响值大小的判断，结果表明总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇和收缩压4个变量对冠心病的影响最大。结论: BP神经网络可准确评估冠心病危险因素的影响值，对于冠心病的诊断和和早期筛查冠心病高危人群有一定意义。     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

MSCT多平面重建技术用于磨玻璃结节样肺腺癌的鉴别诊断价值研究

目的 通过将多层螺旋CT(MSCT)多平面重建技术应用于磨玻璃结节(GGN)样肺腺癌的临床诊断,探讨MSCT对其鉴别诊断的价值。方法 回顾性收集2019年5月～2022年4月至我院就诊的150例GGN样肺腺癌患者(共150个结节)的临床资料,根据手术后病理结果,将其分为浸润前病变组(86例)和浸润性病变组(64例)。对所有入组患者MSCT图像进行分析,比较两组患者MSCT征象;以手术后病理组织学检查结果为基准,分析MSCT对p GGN样肺腺癌的诊断效能及对病理分型诊断准确率。结果 浸润前病变组与浸润性病变组患者在病灶大小、边缘情况、血管“集束”征、胸膜“凹陷”征方面存在显著性差异(P<0.05),其中浸润性病变边缘多见“分叶”征或“毛刺”征,形态以类圆形为主。MSCT诊断p GGN样浸润性病变的敏感度为92.19%,特异度为93.02%,准确性92.67%。MSCT对不典型腺瘤样增生(AAH)、原位腺癌(AIS)、微浸润性腺癌(MIA)、浸润性腺癌(IAC)诊断准确率分别是100%、100%、94.44%、89.29%,与病理学检查结果相比,符合率高(P>0.05)。结论 ...     

基于MR-T2WI影像组学模型预测宫颈鳞癌临床分期

目的 观察基于MR-T2WI影像组学模型预测宫颈鳞癌临床分期的价值。方法 对159例经术后或活检病理证实的宫颈鳞癌患者采集盆部MRI,根据国际妇产科联盟（FIGO）分期系统及病理结果分为早期组（ⅠB~ⅡA期,n=73）和晚期组（ⅡB~Ⅳ期,n=86）。按照7 ：3比例将患者随机分为训练集（n=113）和验证集（n=46）。训练集包括52例早期、61例晚期宫颈鳞癌,验证集含21例早期及25例晚期宫颈鳞癌。提取轴位T2WI中病灶的影像组学特征,以最大相关最小冗余和最小绝对收缩选择算子回归分析方法筛选最优影像组学特征,构建预测早、晚期宫颈鳞癌的影像组学模型。分析影像组学模型的拟合优度,采用受试者工作特征（ROC）曲线评估模型的预测效能,以决策曲线分析（DCA）评估模型的临床应用价值。结果 共提取396个影像组学特征,最终筛选11个最优影像组学特征,并以之构建预测早、晚期宫颈鳞癌的影像组学模型。影像组学模型在训练集和验证集中的拟合优度均佳（χ²=2.68、8.87,P均>0.05）;其在训练集及验证集中的曲线下面积（AUC）均为0.80。DCA显示,阈值取0.10~1.00时,影像组学模型的净收益较大。结论 基于MR-T2WI的影像组学模型对预测宫颈鳞癌临床分期具有较高价值。