目的 深入探究T1全域灰度直方图分析在儿童后颅窝星形细胞瘤与室管膜瘤鉴别诊断中的实用价值.方法 本研究对我院数据库中记录的51例经MRI检查及病理确诊的儿童后颅窝肿瘤病例进行了详尽的回顾性剖析.在这51例病例中,星形细胞瘤占26例(男性12例,女性14例),室管膜细胞瘤占25例(男性13例,女性12例).患者年龄分布在1至12岁之间,平均年龄为(5.5±2.3)岁.我们运用Mazda软件,在两组MR增强T1矢状位图像的每一层肿瘤层面上,精确地勾画出感兴趣区域,并进行全面的灰度全域直方图分析.接着,我们对这两组直方图参数特征进行了详尽的统计学对比,旨在深入剖析各参数在鉴别诊断中的统计意义,以期为儿童后颅窝肿瘤的精确诊断提供更为有效的辅助手段.结果 在深入分析通过增强T1全域灰度直方图所提取的九个参数时,我们发现其中四个参数——变异度(Variance)、偏度(Skewness)、第一百分位数(Perc.01％)以及第10百分位数(Perc.10％)在统计学上具有显著差异(P均＜0.05),这一发现为我们的研究提供了强有力的数据支撑.特别是Variance这一参数,其灵敏度高达73.3％,特异度也达到了61.9％,且其曲线下面积(AUC)为0.731,展现出优秀的鉴别效能.进一步地,我们确定了Variance的最佳临界值为740.71,这一具体数值为我们的诊断提供了明确的参考标准.结论 增强的T1全域灰度直方图分析在儿童后颅窝星形细胞瘤和室管膜瘤的鉴别诊断中,展现出了不容忽视的价值.这一方法不仅能够为医生提供新的诊断视角,而且有望成为一种针对这两种儿童后颅窝肿瘤的有效辅助诊断工具,为我们的医疗实践带来积极的影响.

目的 研究多层螺旋CT(MSCT)增强扫描技术在结直肠癌肺转移中的诊断价值,并对肺转移的危险因素进行分析.方法 入选2019年1月至2022年2月于我院就诊的结直肠癌患者223例为研究对象,比较X线、MSCT对结直肠癌肺转移的诊断效能.根据活检结果将患者分为转移组和对照组,比较两组患者的临床资料,对影响结直肠癌肺转移的危险因素进行多元Logistic回归分析.结果 在评价结直肠癌肺转移的诊断效能指标中,MSCT的准确度更高,且灵敏度、特异度以及阳性和阴性预测值均高于X线,结果具有统计学差异(P＜0.05).38例肺转移患者中11例(28.95％)病灶数目≥3个,MSCT图像中绝大多数病灶为实性结节,68.35％病灶边缘不光整,81.01％的病灶分叶,54.43％的病灶出现短毛刺,82.28％的病灶呈不均匀强化,长毛刺病灶比例较低,为26.58％.多元Logistic回归分析提示癌胚抗原表达升高、肿瘤原发于直肠以及Dukes C期为导致结直肠癌肺转移的独立危险因素.结论 MSCT对结直肠癌肺转移的诊断价值较高,影像表现多样化,肿瘤原发部位为直肠、癌胚抗原表达升高及Dukes C期是结直肠癌肺转移的独立危险因素,对此类患者行MSCT增强扫描具有一定的意义.

目的 探讨不典型肾脏血管瘤临床特点及影像学表现,以提高对本病的诊断.方法 回顾性分析3例经手术病理证实肾脏血管瘤的临床资料,术前均接受检查,均诊断为肾脏肿瘤性病变,接受肾脏切除术.结果 病灶在CT上呈圆形、类圆形或椭圆形等低密度灶,边界欠清,突向皮质外或肾窦,增强扫描实性成分早期边缘不均匀强化,静脉期不均匀延迟强化,中央或周围有不强化区域.MRI扫描在T1WI上呈稍低信号,T2WI呈不均匀高信号,正反相位图像区别不大,DWI呈等或稍高信号,增强扫描强化同CT相似.病理切片肿块呈灰褐色,细胞无异型性.免疫组化检查CD31(+)CD34(+),KI-64呈低增值,符合肾脏血管瘤.术后,患者均恢复良好,12月内无出现复发或转移.结论 不典型肾脏血管瘤临床少见,具有一定的影像学特征,但较典型血管瘤相比,容易误诊为肾脏富血供良恶性肿瘤.最终确诊依赖病理学检查.治疗以手术切除或介入栓塞为主.

目的 探讨高浓度对比剂碘美普尔 400 结合低毫安秒应用于头颈部CTA检查的可行性.方法 选取本院行头颈CTA检查的 80 例患者,随机均分为两组,对照组采用 50 ml碘克沙醇(320 mgI/ml)及自动管电流;观察组采用 40ml碘美普尔(400 mgI/ml)及 70%自动管电流,扫描管电压及其它参数两组均一致.对图像质量进行评分,同时计算图像质量以及辐射剂量评价指标,比较所有指标的差异.结果 两组患者一般资料具有可比性(均P>0.05).两组增强图像血管噪声、信噪比(SNR)、对比噪声比(CNR)差异无统计学意义(t=-1.14～1.43,均P>0.05).观察组层面增强血管CT值高于对照组,且辐射剂量低于对照组,差异有统计学意义(P<0.001);所有图像均能满足临床诊断要求.结论 采用高浓度对比剂联合低管电流行头颈部CTA检查可在降低辐射剂量的同时保证图像质量.

目的 使用高分辨磁共振管壁成像(HRMR-VWI)研究基底动脉粥样硬化性狭窄的管壁特点.方法 回顾性分析2020年9月至2022年12月首都医科大学附属北京友谊医院的HRMR-VWI数据库里30例基底动脉中重度狭窄(50％～99％)患者的临床资料,包括T1平扫及T1增强HRMR-VWI图像.测量最窄层面及参考层面的血管面积(VA)、最窄层面最大管壁厚度(WT)及最小WT.计算血管病变的重构指数,并评估斑块的强化程度及斑块位置.对比症状性狭窄与无症状性狭窄患者在这些指标上的差异.结果 最终27例患者纳入分析,其中症状性狭窄患者20例、无症状性狭窄患者7例.27例患者的重构指数为1.2±0.3,偏心指数为0.6±0.2,有17例患者可见斑块明显强化.症状性狭窄患者与无症状性狭窄患者相比,最窄层面VA、最窄层面的最大WT、参考层面最大WT、最窄层面的重构指数更大,正性重构的比例更高,差异均具有统计学意义(P<0.05).症状性狭窄患者与无症状性狭窄患者最窄层面的最小WT、参考层面VA、偏心指数等比较差异均无统计学意义(P>0.05).2组患者的斑块位置分布比较差异无统计学意义(P>0.05);增强后图像显示,2组患者斑块明显强化的比例差异无统计学意义(P>0.05).结论 与无症状性狭窄患者相比,症状性基底动脉狭窄患者的最窄层面VA、最窄层面的最大WT、参考层面最大WT、重构指数均更大,存在正性重构的比例更高.这些发现对评估基底动脉狭窄患者的卒中风险具有重要的意义.

目的本研究旨在评估瘤内和瘤周影像组学模型对肝细胞癌(hepatocellular carcinoma,HCC)微血管侵犯(microvascular invasion,MVI)的预测价值.材料与方法回顾性分析2016年至2023年间在三家医院经手术病理证实为HCC患者的钆塞酸二钠(Gd-EOB-DTPA)增强MRI图像,以及性别、年龄、肿瘤最大径、甲胎蛋白(alpha-fetoprotein,AFP)、丙氨酸转氨酶(alanine aminotransferase,ALT)、天冬氨酸转氨酶(aspartate aminotransferase,AST)和有无乙肝7项临床信息.在动脉期、门静脉期和肝胆期图像中勾画瘤内及瘤周5 mm、10 mm感兴趣区域(region of interest,ROI),从中提取影像组学特征;训练集中,运用多因素logistic回归分析筛选MVI的独立临床预测因素;应用支持向量机(support vector machine,SVM)建立瘤内模型、瘤周模型、瘤内联合瘤周模型、临床模型和临床影像组学模型共10种模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的预测能力,以DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异.结果肿瘤最大直径[优势比(odds ratio,OR):1.449,95％置信区间(confidence interval,CI):1.212～1.733]及AFP(OR:1.645,95％CI:0.665～4.071)是基于训练集的MVI独立临床预测因子.验证集中,临床模型、瘤内模型、瘤周模型、瘤内+瘤周模型及临床影像组学模型预测HCC MVI的AUC值分别为0.728、0.764～0.820、0.791～0.795、0.804～0.828和0.747,瘤内+瘤周5 mm模型、瘤内+瘤周10 mm模型的AUC值分别为0.828(95％CI:0.728～0.929)、0.804(95％CI:0.696～0.913).各模型中,瘤内+瘤周5 mm模型与临床模型、临床影像组学模型的AUC差异具有统计学意义(P=0.039,0.028),其余模型间的AUC差异均无统计学意义(P>0.05).结论基于Gd-EOB-DTPA增强MRI影像组学模型可用于术前预测HCC MVI,其中瘤内+瘤周5 mm模型对HCC MVI有较高的预测能力,可为临床制订个体化治疗方案提供依据.

针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.

目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值.材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例.所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描.在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值.在APT重建图像上进行肿瘤病灶分割并提取影像组学特征.采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900).采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选.基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能.结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05).联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825.DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05).决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值.结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持.

目的:探讨氨基质子转移(APT)成像联合DCE-MRI对成人型弥漫性胶质瘤病理分级和IDH基因型的术前预测价值.方法:将2020年10月—2023年10月在本院诊治且经病理证实的78例脑胶质瘤患者纳入本研究.患者手术前均进行APT成像和DCE-MRI检查.依据肿瘤的组织病理学分级将患者分为2组:低级别组(Ⅱ～Ⅲ级)36例,高级别组(Ⅳ级)42例;依据患者IDH基因表达情况将患者分为2组:IDH野生型组31例,IDH突变型组47例.比较高、低病理分级组及不同IDH分型组之间病灶的APT图像信号等级(分为1～5级)和DCE-MRI参数(Ktrans、Ve、rCBV、Vp、Kep和rCBF)值的差异,对组间差异有统计学意义的指标,采用ROC曲线分析其诊断效能.结果:IDH突变型和野生型组之间年龄、性别、主诉、神经系统体征差异均无统计学意义(P>0.05);高级别组和低级别组之间年龄、性别、主诉、神经系统体征差异均无统计学意义(P>0.05),但是高级别组中IDH野生型占比更高(P<0.05).78例病灶的APT信号分级:1级有19例,2级3例,3级14例,4级6例,5级36例.高级别组APT图像上肿瘤的信号等级高于低级别组,IDH野生型组患者APT图像等级高于突变型组,差异有统计学意义(P<0.05).DCE-MRI参数的组间比较结果显示,高级别组与低级别组之间,以及IDH突变型与IDH野生型之间,Ktrans、Ve和rCBV值的差异均有统计学意义(P<0.05).APT信号等级鉴别高、低级别胶质瘤及IDH状态的AUC分别为0.782和0.714,Ktrans、Ve和rCBV鉴别高、低级别胶质瘤的AUC分别为0.982、0.793和0.898,鉴别IDH状态的AUC分别为0.963、0.803和0.873.结论:APT成像联合DCE-MRI定量参数能在术前较准确地预测成人型弥漫性胶质瘤的病理分级和IDH基因分型.

目的本研究旨在结合传统MRI序列及增强检查,提取多模态高通量影像组学特征并联合语义特征,使用不同的机器学习分类器构建不同的模型并绘制列线图来鉴别高级别胶质瘤(high-grade glioma,HGG)和单发性脑转移瘤(solitary brain metastasis,SBM).材料与方法本研究对101名患者的多参数MR图像进行了回顾性分析,由两位资深医师标定肿瘤感兴趣区,然后对每个序列分别提取影像组学特征后进行组合,共提取428组影像组学特征.为消除人为标定差异,进行组内相关系数一致性检验,并运用最大相关最小冗余算法选取最具相关性的特征,然后进一步通过最小绝对收缩和选择算子算法筛除冗余特征.本研究采用支持向量机、逻辑回归、随机森林及K近邻四种算法建立分类模型.结合放射科医生评估的七项语义特征,通过卡方检验和多因素分析去除差异无统计学意义的语义特征.然后结合组学特征建立综合模型并绘制列线图.最终,评价各模型的诊断能力,以确定最优分类器.结果HGG及SBM患者建立的影像组学模型中LR的受试者工作特征曲线下面积(area under the curve,AUC)值最高,训练集与测试集分别为0.90和0.90.语义特征建立的模型中随机森林模型性能最好,训练集和测试集AUC分别为0.82和0.87.语义特征联合影像组学评分后采用逻辑回归建立的模型性能最好,训练集和测试集AUC分别为0.91和0.92.结论本研究使用影像组学机器学习分类器并联合其他图像语义特征绘制列线图对HGG及SBM进行鉴别,这是一种非侵入性方法,具有较好的准确性,为临床决策和实践提供了较大的帮助.