基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

MRI图像融合技术在肛瘘评估中的初步应用

目的采用图像融合技术获得T2WI与T2WI-FS的融合图像，评估其在肛瘘及肛周结构显示中的优势。 方法2016年6月至2018年6月，前瞻性选择中山大学附属第一医院29例肛瘘患者进行肛管磁共振（MR）检查，采用图像融合技术获取T2WI与T2WI-FS的融合图像T2WI-Fusion，利用Fisher score算法计算瘘管及肛门括约肌的组织间分辨力Fisher值、脂肪与肛门括约肌间的Fisher值，评估融合图像中瘘管及肛周结构的显示情况。采用改进的双刺激连续质量量表（DSCQS）对T2WI-FS、T2WI、增强3D-VIBE和T2WI-Fusion序列图像进行主观图像质量评价。 结果29例患者均成功获得T2WI与T2WI-FS的融合图像T2WI-Fusion。T2WI-Fusion、T2WI瘘管与括约肌间Fisher均值分别为6.46、3.31，T2WI-Fusion图像对瘘管的显示优于T2WI序列图像（P<0.001）。T2WI-Fusion、T2WI-FS脂肪与括约肌间Fisher均值分别为10.61、2.45，T2WI-Fusion图像对括约肌的显示优于T2WI-FS序列图像（P<0.001）。T2WI-Fusion对瘘管与括约肌的图像质量评价总评分均高于T2WI-FS、T2WI、增强3D-VIBE序列（P<0.001）。 结论MRI图像融合技术同时具备T2WI及T2WI-FS的优势，无需增加扫描序列及扫描时间，且操作简单，花费时间短，显著提高病变及肛周解剖结构的对比度和图像质量。