目的:探讨临床相关指标在第2版前列腺影像报告与数据系统（PI-RADS V2）3分病灶临床穿刺活检决策中的价值，比较上述观察指标对前列腺癌（PCa）和临床显著性前列腺癌（csPCa）的诊断效能。方法:回顾性分析2016年3月至2018年10月苏州大学附属第二医院121例前列腺主病灶PI-RADS V2评分为3分患者的病例资料，PCa 31例，csPCa 14例，患者年龄46~91（71±9）岁。比较年龄、前列腺特异性抗原（PSA）、游离前列腺特异性抗原（fPSA）、前列腺特异性抗原游离与总量比值（f/tPSA）、前列腺特异性抗原密度（PSAD）以及前列腺体积（PV）在PCa组和非PCa组间以及csPCa组和非csPCa组间的差异，运用受试者工作特性（ROC）曲线比较差异有统计学意义的指标对PI-RADS 3分患者的PCa及csPCa的诊断价值。结果:患者的PSA、f/tPSA、PSAD值在PCa组和非PCa组间（ Z=-2.004、-2.527、-2.623，均 P<0.05）以及csPCa组和非csPCa组间（ Z=-2.415、-2.158、-2.870，均 P<0.05）差异均有统计学意义，且均以PSAD诊断效能最高，其检出PCa和csPCa的ROC曲线下面积分别为0.658和0.736。若以PSAD>0.20 μg·L －1·ml －1作为穿刺参考阈值，诊断csPCa的敏感度、特异度、阳性预测值、阴性预测值分别为78.6%、58.9%、20.0%、95.4%，有54.5%（66/121）的病例可避免穿刺，3例csPCa漏诊。 结论:PSA、f/tPSA、PSAD，尤其是PSAD可提高PI-RADS 3分病灶中PCa，尤其是csPCa的检出效能，对临床决策制定具有重要参考价值。

目的:比较分析第2.1版和第2版前列腺影像报告与数据系统（PI-RADS）对移行带病变的诊断价值。方法:回顾性分析2017年1至12月苏州大学附属第二医院影像科159例前列腺主病变位于移行带患者的影像资料。2名放射科医师分别运用PI-RADS V2.1和V2评分标准对入组病例进行诊断评分，运用加权Kappa检验分别评估2名医师间PI-RADS V2.1与V2评分结果的一致性，运用受试者工作特征（ROC）曲线分析计算医师2分别采用两种评分标准对移行带前列腺癌（PCa）和临床显著性PCa(csPCa）的诊断效能，并加以比较。结果:2名医师采用PI-RADS V2.1和V2评分标准对全部病变、良性病变、PCa病变、csPCa病变评分结果间的加权Kappa值分别为0.754、0.643、0.734、0.782和0.808、0.738、0.775、0.826，均以PI-RADS V2.1评分标准评分一致性较佳。PI-RADS V2.1和V2评分标准间诊断PCa和csPCa敏感度、特异度、ROC曲线下面积（AUC）的差异均无统计学意义（均 P>0.05），但本组数据中，PI-RADS V2.1评分诊断PCa、csPCa敏感度和AUC值均高于P-RADS V2，两者诊断PCa敏感度分别为86.7%、80.0%，诊断csPCa敏感度分别为94.4%、88.9%，诊断PCa AUC值分别为0.857、0.816，诊断csPCa AUC值分别为0.917、0.886。 结论:PI-RADS V2.1对前列腺移行带病变的评分一致性高于PI-RADS V2，同时，其对移行带癌的诊断效能不低于甚至略高于PI-RADS V2。

目的:探讨基于双参数MRI机器学习模型对前列腺癌和临床显著性前列腺癌（csPCa）的诊断价值。方法:回顾性收集2015年5月至2020年12月江苏省内3个医疗中心共1 368例行术前MRI且经病理证实的前列腺疾病患者的影像资料，其中csPCa 412例，无显著临床意义的前列腺癌（ciPCa）242例，良性前列腺病变714例，年龄30~92（69.4±8.2）岁。采用Python内嵌random工具包将中心一和中心二数据按照7∶3比例进行无放回随机数法采样划分为训练组和内部测试组，中心三数据设为独立外部测试组，其中训练组包括243例csPCa、135例ciPCa和384例良性病变，内部测试组包括104例csPCa、58例ciPCa和165例良性病变，外部测试组包括65例csPCa、49例ciPCa和165例良性病变。分别提取T 2加权成像、弥散加权成像和表观扩散系数图的影像组学特征，采用Pearson相关系数分析、方差分析筛选影像组学特征，分别使用随机森林（RF）和支持向量机两种算法构建机器学习模型，并在内部测试组和外部测试组对模型进行测试。最后，选取诊断效能较高的机器学习模型辅助调整医师前列腺影像报告和数据系统（PI-RADS）评分，命名为调整后PI-RADS。通过受试者工作特征（ROC）曲线评估机器学习模型和PI-RADS的诊断效能，使用Delong检验比较机器学习模型和PI-RADS的ROC曲线下面积（AUC）。 结果:在诊断前列腺癌时，基于RF算法的机器学习模型和医师PI-RADS评分的AUC在内部测试组中分别为0.869（95% CI：0.830~0.908）和0.874（95% CI：0.836~0.913），两者差异无统计学意义（ P=0.793）；在外部测试组中分别为0.845（95% CI：0.794~0.897）和0.915（95% CI：0.880~0.951），两者差异有统计学意义（ P=0.01）。在诊断csPCa时，基于RF算法的机器学习模型和医师PI-RADS评分的AUC在内部测试组中分别为0.874（95% CI：0.834~0.914）和0.892（95% CI：0.857~0.927），两者差异无统计学意义（ P=0.341）；在外部测试组中分别为0.876（95% CI：0.831~0.920）和0.884（95% CI：0.841~0.926），两者差异无统计学意义（ P=0.704）。医师PI-RADS评分经过机器学习模型辅助诊断后，诊断前列腺癌时，内部测试组特异度从63.0%提升到80.0%，外部测试组特异度从92.7%提升到93.3%；诊断csPCa时，内部测试组特异度从52.5%提升到72.6%，外部测试组特异度从75.2%提升到79.9%。 结论:基于双参数MRI机器学习模型对前列腺癌和csPCa诊断水平达到高年资放射科医师诊断水平并具有良好的泛化性；经过机器学习模型辅助诊断后PI-RADS评分特异度有所提升。

目的:基于前列腺经直肠超声造影参数及临床相关资料建立机器学习模型，并探讨各模型诊断临床显著性前列腺癌的效率。方法:回顾性分析重庆大学附属肿瘤医院2018年11月至2021年9月接受经直肠超声造影检查并行经直肠超声引导下穿刺活检的患者151例。采用VueBox软件绘制时间－强度曲线，定量分析上升时间、达峰时间、平均渡越时间、峰值强度、上升斜率等12个参数。将年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度及经直肠超声造影参数共18个特征参数，通过相关属性值及信息增益属性值进行特征分析及特征筛选。将筛选特征通过机器学习单一算法及集成算法进行模型训练及测试，后通过F1值及ROC曲线下面积(AUC)进行模型评价。结果:相关属性值及信息增益属性值分别筛选出12个变量及5个变量建立机器学习模型，集成算法建立模型均优于单一算法，两种变量筛选方式基算法为决策树的Bagging集成算法模型AUC(0.810比0.789)及F1值(0.748比0.742)均为最高，其次AUC及F1值均依序为Logistic回归、支持向量机(SVM)。结论:基于经直肠超声造影参数及临床资料，在决策树、SVM、Logistic回归及集成算法中，基算法为决策树的Bagging集成算法模型诊断临床显著性前列腺癌性能最优。

目的:探索多参数MRI(mpMRI)联合 68Ga－前列腺特异膜抗原(PSMA)PET/CT是否可以提高对临床显著性前列腺癌(csPCa)的检测效能。 方法:回顾性分析2021年1月至2022年11月怀疑前列腺癌于空军军医大学第一附属医院行mpMRI及 68Ga－PSMA PET/CT显像的152例患者[年龄(68.5±8.5)岁]的临床及影像学资料。使用经直肠超声引导的活组织检查(简称活检)的组织病理学结果作为"金标准"。活检结果Gleason评分(GS)≥3＋4分的病灶诊断为csPCa，活检阴性或GS评分6分的病灶为非csPCa。mpMRI图像由2位放射科医师采用前列腺影像报告和数据系统(PI－RADS)2.1版本进行评估。 68Ga－PSMA PET/CT采用SUV max评价前列腺病变的显像剂摄取程度。采用两独立样本 t检验、Mann－Whitney U检验和 χ2检验比较2组间的差异，再行多因素logistic回归分析。利用ROC曲线分析各因素单独及联合诊断的效能，并通过Delong检验加以比较。 结果:纳入csPCa组患者85例，非csPCa组患者67例。单因素分析显示PI－RADS评分、前列腺特异抗原(PSA)和SUV max在csPCa组和非csPCa组间差异均有统计学意义( χ2＝68.06， U值：－7.66、－8.98；均 P<0.001)。多因素logistic回归分析显示PI－RADS评分[比值比( OR)＝3.424，95% CI：1.651～7.100]和SUV max( OR＝1.931，95% CI：1.403～2.658)为csPCa的预测因素(均 P<0.001)。ROC曲线显示，mpMRI和PET/CT诊断的csPCa最佳阈值分别为PI－RADS 4分和SUV max 5.6，准确性分别为80%(122/152)[AUC＝0.789(95% CI：0.711～0.866)，灵敏度91%(77/85)，特异性67%(45/67)]和87%(132/152)[AUC＝0.876(95% CI：0.817～0.936)，灵敏度81%(69/85)，特异性94%(63/67)]。在构建的4种联合预测模型中，PI－RADS 5分或PI－RADS 3～4分且SUV max>5.6诊断csPCa的效能高于mpMRI和PET/CT单独及其他3种联合预测模型( z值：2.01～3.64，均 P<0.05)，准确性达91%(138/152)[AUC＝0.910(95% CI：0.857～0.962)，灵敏度89%(76/85)，特异性93%(62/67)]。 结论:MpMRI联合 68Ga－PSMA PET/CT明显提高了对csPCa的检测，主要是改善了mpMRI中PI－RADS 3～4分病变的风险分层。

高质量的多参数MRI（mpMRI）是检出或排除临床显著性前列腺癌的关键决定因素之一。欧洲泌尿生殖放射学会和欧洲泌尿外科学会泌尿影像学分会发布的共识均强调前列腺MRI图像质量评估的重要性。前列腺MRI报告的第一步就是评估图像质量。基于11个国家25个中心的多中心随机PRECISION试验建立的前列腺癌影像质量控制评分系统，旨在促进标准化以减少mpMRI图像质量控制的差异。本文中笔者对该指南的要点进行解读。

目的:比较不同β值重建经部分容积效应校正(PVC)后对 68Ga-前列腺特异膜抗原(PSMA)PET/CT半定量准确性和图像质量的影响。 方法:在模型实验中，基于正则化重建算法(BSREMA)，β值从100~1 000进行图像重建。计算恢复系数(RC)、对比度恢复(CR)和背景变异性(BV)分别评估半定量准确性和图像质量。在临床研究中，回顾性收集山西医科大学第一医院2019年3月至2020年2月间行 68Ga-PSMA PET/CT检查的21例前列腺癌患者(年龄45~78岁)的图像数据，共计29个腹部显像阳性淋巴结，全部纳入进行不同β值(100~1 000)的图像重建，并分为小淋巴结组(最大径<10 mm；12个)和大淋巴结组(10 mm≤最大径≤30 mm；17个)。测量2组的SUV参数，包括SUV max、SUV mean和SUV峰值(SUV peak)；同时进行PVC来评估不同β值对2组SUV参数的影响，使用病灶信噪比(SNR)和主观评分评价图像质量。采用两独立样本 t检验、 Kappa检验和Pearson相关分析数据。 结果:模型实验示，随着β值增加，CR、RC和BV均下降。医师对图像质量、图像清晰度、病变显著性和图像总评分均显示出较强的一致性( Kappa值：0.65~0.87， P值：0.026~0.043)。对于小淋巴结组，β值为600时图像总评分最高(分别为13和14分)；对于大淋巴结组，β值为700时图像总评分最高(分别为13和14分)。β值为100~600时，2组的SNR稳定增加，SNR增加量差异均有统计学意义( t值：2.49~8.99， P值：0.023~0.038)；当β值大于600时，小淋巴结组的SNR达到平稳( t值：1.28~2.00， P值：0.072~0.098)，而大淋巴结组的SNR继续增加( t值：2.98~4.63， P值：0.012~0.029)。PVC之前，2组SUV参数和β值之间呈负相关( r值：-0.94~-0.64， P值：0.039~0.046)；PVC后，2组的SUV mean和SUV max和β值仍呈负相关( r值：-0.78~-0.68， P值：0.035~0.042)，但2组的SUV peak和β值相关性无统计学意义( r值：-0.22、-0.28， P值：0.069、0.126)。 结论:通过主观评分和半定量指标， 68Ga-PSMA PET/CT显像基于BSREMA选择β值600和700进行图像重建半定量准确性和图像质量较好；小病灶在PVC后SUV peak稳定，其临床价值应进一步探索。

目的:比较第2版和第2.1版前列腺影像报告与数据系统（PI-RADS V2、V2.1）对临床显著性前列腺癌（csPCa）的诊断效能。方法:回顾性分析2015年5月至2019年8月苏州大学附属第二医院行前列腺多参数MRI检查的837例患者的影像、病理及临床资料。根据前列腺穿刺病理结果，格林森评分（GS）≥3+4的前列腺癌为csPCa。以简单随机抽样法抽取其中25%（209例）患者，由两名影像科医师对主病灶分别行PI-RADS V2、V2.1诊断评分，采用加权Kappa检验评估两名医师评分结果间的一致性。剩余病例由其中1名医师运用两种评分方式分别评分。采用ROC曲线在总病灶、外周带病灶、移行带病灶中评估两种评分方式对csPCa的诊断效能，通过 Z检验比较曲线下面积（AUC）的差异。 结果:csPCa患者251例，其中外周带163例，移行带88例。两名医师运用PI-RADS V2和V2.1对随机抽取的总病变、移形带病变、外周带病变的评分结果间的加权Kappa值分别为0.757、0.653、0.748和0.794、0.707、0.759。PI-RADS V2.1在总病变、移行带病变、外周带病变中诊断csPCa的AUC分别为0.922、0.932、0.854，PI-RADS V2分别为0.902、0.905、0.817，差异均有统计学意义（ Z=4.104， P<0.001； Z=2.538， P=0.011； Z=3.350， P<0.001）。 结论:PI-RADS V2.1较V2对前列腺病变评分一致性加权Kappa值稍高，且对csPCa的诊断效能高于PI-RADS V2。

目的 探讨评估前列腺癌患者基于双参数MRI的纹理参数与Gleason评分(GS)之间的相关性,并评估纹理特征在区分临床显著性前列腺癌(CSPC,GS≥7)和非CSPC的诊断性能.方法 选取 96 例经根治性前列腺切除术或活检证实为前列腺癌的患者,同时分为训练组(55 例)和验证组(41 例).所有患者术前均行 3.0T MR检查,使用专用软件对轴位T2WI和ADC图覆盖整个肿瘤体积进行纹理分析.计算相关系数以评估纹理参数与GS之间的相关性,并对显著参数进行多元回归分析.ROC曲线分析预测CSPC的最佳临界值.结果 在训练组数据集中,ADC图的灰度共生矩阵(GLCM)熵是GS的唯一显著指标(决定系数R2=0.424,P=0.002).ADC图GLCM熵的AUC为 0.841(95%CI 0.726～0.928),准确度、敏感度、特异度分别为 83%、88%、73%.当将阈值取 2.91 应用于验证数据集时,其准确度、灵敏度、特异度分别为 91%、96%、71%.结论 ADC图的GLCM熵与GS相关,其区分CSPC和非CSPC的准确率为 83%.

目的 对比MRI-经直肠超声(TRUS)软件融合导航穿刺与认知融合导航穿刺检出前列腺癌(PC)效果.方法 回顾性分析120例疑诊PC患者、共127个病灶,均接受2～3针靶向穿刺(TB)+10针系统穿刺方案经会阴前列腺穿刺活检,并根据TB引导方法将其中 73例(78个结节)接受MRI-TRUS软件融合导航穿刺归为A组,47例(49个结节)接受认知融合穿刺归为B组;比较2组经TB检出PC及临床显著性PC(csPC)阳性率、不同大小病灶PC阳性率,以及穿刺 2 针与 3 针PC阳性率.结果 A组经TB检出PC阳性率及csPC阳性率分别为 55.13%(43/78)及 39.74%(31/78),B组分别为 53.06%(26/49)及 34.69%(17/49);组间差异均无统计学意义(P均＞0.05).对于最大径≤10 mm病灶,A组TB检出PC阳性率高于B组(P＜0.05);而对于最大径＞10 mm且＜15 mm、≥15 mm病灶,组间TB检出PC阳性率差异均无统计学意义(P均＞0.05).A组 2 针与 3 针TB检出PC阳性率差异无统计学意义(P＞0.05),而B组 3针TB检出PC阳性率高于 2针(P＜0.05).结论 MRI-TRUS软件融合导航穿刺检出PC及csPC阳性率与认知融合导航穿刺相当,但有助于减少TB次数、提高最大径≤10 mm小病灶检出率.