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 旨在研究一体化18F-氟乙基酪氨酸(18F-fluoroethyltyrosine,18F-FET)正电子发射断层成像(positron emission tomography,PET)/MR对成人胶质瘤的O6-甲基鸟嘌呤DNA甲基转移酶(O6-methylguanine DNA methyltransferase,MGMT)基因启动子甲基化状态的鉴别能力.材料与方法 回顾性分析未经活检或治疗的胶质瘤患者资料16例,均完成一体化PET/MR扫描,包括18F-FET PET、常规MRI及体素内不相干运动(intravoxel incoherent motion,IVIM)成像.以靶本比(target-background ratio,TBR)=1.6为阈值对PET图像进行感兴趣体积(volume of interest,VOI)分割,通过刚性配准获得肿瘤VOI对应的IVIM图及其参数表观扩散系数(apparent diffusion coefficient,ADC)、真实扩散系数(true diffusion coefficient,D)、伪扩散系数(pseudo diffusion coefficient,D)、灌注分数(perfusion fraction,f)、分布扩散系数(distributed diffusion coefficient,DDC)和异质性指数(heterogeneity index,α),使用pyradiomics对各参数进行特征提取,获得对应的一阶灰度直方图特征.计算每个IVIM参数图对应的特征值与18F-FET PET参数的关系,并利用组间比较和受试者工作特征(receive operating characteristic,ROC)曲线分析探究PET和IVIM参数对MGMT启动子甲基化的区分能力.结果 IVIM-α的两个特征值90分位值(r=0.526,P<0.05)和最大值(r=0.520,P<0.05)与PET参数平均标准摄取值(mean standard uptake value,SUVmean)呈正相关;IVIM-α 和SUVmean在MGMT启动子甲基化状态阳性和阴性两组之间的差异有统计学意义(P<0.05),阳性组的IVIM-α均值和SUVmean显著高于阴性组;融合IVIM-α均值和SUVmean对MGMT启动子甲基化状态进行区分的曲线下面积(area under the curve,AUC)为0.77.结论 基于一体化PET/MR的18F-FET PET和IVIM参数能够有效预测胶质瘤的MGMT启动子甲基化状态.

目的 设计一种脑皮质表面影像组学计算方法,为脑影像研究提供丰富的、可靠的脑区局部特征.材料与方法 基于21组重复测量健康被试与222例多动症相关被试的大脑T1WI磁共振数据集提取皮层厚度、灰质体积、平均曲率与皮层表面积四种表面形态指数.使用Desikan-Killiany(DK)脑图谱和球面局部投影,实现三维皮层表面脑区的二维平面化.利用Pyradiomics对四个形态指数分别提取968个二维影像组学特征.结合重复测量数据集与组内相关系数(intra-class correlation coefficient,ICC),以ICC信度值作为影像组学特征评估的标准,综合评价不同形态指数、不同影像组学特征类型与不同脑区间的复测信度差异.结合多动症数据集,预测患者的注意力缺陷指数、过动指数两种症状指标.结果 对于不同形态指标,灰质体积、皮层表面积的影像组学特征可重复性较好,与皮层厚度与平均曲率组差异具有统计学意义(P<0.05).对于不同类型影像组学特征,基于皮层厚度的一阶特征和灰度共生矩阵特征与其他类型特征差异具有统计学意义(P<0.05).对于不同脑区,左右脑内嗅皮层、左右脑颞极与右脑额极提取的特征相较其他区域复测性降低(P<0.05).总体而言本研究提出的表面重建方法所提取的脑影像组学特征均具有较高的可重测性(ICC均值>0.76).在对多动症两种症状指标的预测中发现,左脑海马旁回、额上回与颞上回与多动症症状显著相关(|r|=0.33～0.52,P<0.05).结论 基于DK脑图谱与表面形态学指数构建脑影像组学特征是可行的,所提取的新型特征具有良好的可重复性,并在注意力预测等研究中具有一定的临床价值.

目的:构建共培养模型模拟乳腺癌的体内微环境，探讨微小RNA(miR)-19a-3p调控核因子-κB(NF-κB)通路介导乳腺癌细胞微环境影响肺血管内皮细胞表型的机制。方法:细胞计数试剂盒(CCK-8)检测筛选吡咯烷二硫代氨基甲酸盐(PDTC)(NF-κB信号通路的抑制剂)干预4T1细胞最佳浓度，构建4T1小鼠乳腺癌肺高转移细胞和小鼠肺微血管内皮细胞共培养模型，构建并转染miR-19a-3p mimics、NC，将细胞分为对照组、模型组、mimics-NC组、mimics组、mimics-NC+PDTC组、mimics+PDTC组，反转录-聚合酶链反应(RT-PCR)检测各组4T1细胞的miR-19a、NF-κB p65基因水平的表达，蛋白质印迹法(Western blot)法检测各组4T1细胞NF-κB p65及磷酸化蛋白水平的表达，CCK-8法检测各组MPVECs增殖能力，流式细胞术检测各组MPVECs凋亡，免疫荧光检测各组MPVECs中血管内皮生长因子(VEGF)蛋白表达。两组间比较采用非配对 t检验，组间比较采用单因素方差分析。 结果:PDTC最佳作用浓度为80 mol/L，模型组细胞增殖活力高于对照组(1.67±0.02比1.26±0.04， F＝268.8， P<0.01)，凋亡率和miR-19a-3p mRNA表达低于对照组[(4.96±0.03)%比(12.26±0.05)%，mRNA相对值：0.22±0.02比1.00±0.05， F＝141.3、392.6， P<0.01]，NF-κB p65的mRNA和蛋白表达高于对照组(mRNA相对值：3.80±0.07比1.00±0.04，灰度值比值：0.69±0.05比0.13±0.02， F＝221.6、206.3， P<0.01)，VEGF蛋白表达高于对照组(平均吸光度值：0.44±0.03比0.13±0.01， F＝108.5， P<0.01)。miR-19a-3p mimic组细胞增殖能力低于模型组(1.60±0.04比1.67±0.02， F＝268.8， P<0.01)，凋亡率和miR-19a-3p mRNA表达高于模型组[(6.36±0.08)%比(4.96±0.03)%，mRNA相对值：0.60±0.03比0.33±0.01， F＝141.3、392.6， P<0.05]，NF-κB p65的mRNA和蛋白表达低于模型组(mRNA相对值：1.59±0.02比3.80±0.07，灰度值比值：0.50±0.02比0.69±0.05， F＝221.6、206.3， P<0.01)，VEGF蛋白表达高于模型组(平均吸光度值：0.24±0.02比0.44±0.03， F＝108.5， P<0.01)。 结论:miR-19a-3p调控NF-κB通路，抑制NF-κB p65蛋白磷酸化，从而介导乳腺癌细胞微环境抑制血管内皮细胞生长。

目的:分析沉默信息调节因子1（Sirt1）、3（Sirt3）和缺氧诱导因子1α（HIF-1α）在皮肤鳞状细胞癌（CSCC）组织和细胞中的表达，探讨其在CSCC发生发展中的作用。方法:收集2019年1月至2020年12月就诊于宁夏医科大学总医院皮肤科、经病理活检确诊为高、中、低分化CSCC患者的病变组织和非癌症患者正常皮肤组织各30份，同时培养CSCC细胞A431和HaCaT细胞。采用免疫组化、Western印迹和实时定量PCR（RT-PCR）分别检测Sirt1、Sirt3及HIF-1α蛋白和mRNA在不同分化程度CSCC和正常皮肤组织中的表达，用免疫荧光化学和RT-PCR法分别检测Sirt1、Sirt3及HIF-1α蛋白和mRNA在A431和HaCaT细胞中的表达。计量资料多组间均数比较采用单因素方差分析，两组间比较采用 t检验。 结果:免疫组化显示，Sirt3在正常皮肤和高、中、低分化CSCC中的表达水平（相对平均AOD值）分别为100 ± 12.12、117.72 ± 26.23、127.32 ± 24.45、132.71 ± 31.61，差异有统计学意义（ F = 20.14， P < 0.001）；Sirt1和HIF-1α蛋白在正常皮肤组织及高、中、低分化CSCC中的表达亦呈逐渐增高趋势，且各组间差异均有统计学意义（ F值分别为174.50和225.00，均 P < 0.001）。Western印迹结果显示，Sirt3在正常皮肤及高、中、低分化CSCC中的表达水平（相对灰度值）分别为1.000 ± 0.132、1.403 ± 0.411、1.387 ± 0.393、1.677 ± 0.683，差异有统计学意义（ F = 34.97， P < 0.001），Sirt1和HIF-1α的表达差异亦有统计学意义（ F值分别为69.29和199.90，均 P < 0.001），且具有逐渐升高的趋势。RT-PCR结果显示，Sirt3、Sirt1和HIF-1α mRNA在正常皮肤及高、中、低分化CSCC的表达逐渐增强，各组间差异有统计学意义（ F值分别为113.00、174.50和50.33，均 P < 0.001）。Sirt3、Sirt1和HIF-1α蛋白在A431细胞中的表达均高于HaCaT细胞（ t值分别为16.75、18.34、27.76，均 P < 0.001），mRNA表达亦均高于HaCaT细胞（ t值分别为14.22、9.62、16.86，均 P < 0.001）。 结论:Sirt3、Sirt1和HIF-1α在CSCC组织和细胞中的表达增高，可能促进了CSCC的发生与发展。

目的:探讨 18F-氟脱氧葡萄糖（FDG）PET/CT纹理分析在肺癌与肺结核的高代谢孤立性肺结节（SPN）鉴别诊断中的增益价值。 方法:回顾性分析2017年1月至2020年6月在内蒙古赤峰市医院和北京大学肿瘤医院行 18F-FDG PET/CT检查且结果表现为高代谢[最大标准化摄取值（SUV max）≥2.5]的108例SPN患者的临床资料，其中男性68例、女性40例，年龄35~72岁，中位年龄50岁；肺结核患者45例（肺结核组）、肺癌患者63例（肺癌组）。所有患者均经组织病理学检查结果确诊。分析所有患者 18F-FDG PET/CT图像SPN的良恶性（主观定性诊断），并计算错判率、灵敏度和特异度。采用MaZda纹理分析软件分别对CT和PET图像中的SPN横断面最大层面及相邻上下两层图像手动勾画ROI并提取纹理特征参数。分别采用Fisher系数、分类错误概率+平均相关系数、交互信息以及三者联合的方法（FPM）筛选具有鉴别意义的纹理特征。对筛选出的纹理特征进行原始数据、主成分、线性分类和非线性分类的分析，对SPN的良恶性进行鉴别，以错判率评价其鉴别效能。计量资料的组间比较采用独立样本 t检验；计数资料的组间比较采用 χ2检验。对错判率最低的各纹理特征参数分别进行受试者工作特征（ROC）曲线分析，筛选最具鉴别意义的前3位纹理特征。 结果:肺癌组与肺结核组患者在年龄[54 （42~72）岁对47 (35~64）岁]、SUV max[（9.51±4.65）对（5.35±2.89）]间的差异均有统计学意义（ t=2.180、2.520，均 P<0.05）；在性别、SPN长径间的差异均无统计学意义（ χ2=0.070， t=0.675，均 P>0.05）。主观定性诊断高代谢SPN良恶性的错判率为26.9%（29/108）、灵敏度为93.7%(59/63)、特异度为35.9%（14/39）。基于SUV max的ROC曲线分析，SUV max临界值为5.3时错判率为25.0%（27/108），其与主观定性诊断的错判率差异无统计学意义（ χ2=0.096， P>0.05）。CT和PET图像基于FPM联合非线性分类分析诊断的错判率最低，分别为8.33%和1.85%，两者间的差异有统计学意义（ χ2=4.694， P<0.05）；其与主观定性诊断和基于SUV max的ROC曲线分析比较，错判率的差异均有统计学意义（ χ2=10.800、27.457，均 P<0.05）。最具鉴别意义的前3位纹理特征分别为灰度游程矩阵中的垂直方向长行程补偿、灰度游程矩阵中的135°方向长行程补偿和灰度共生矩阵中的逆差距。 结论:MaZda纹理分析鉴别高代谢SPN良恶性的诊断效能较主观诊断高，在肺癌与肺结核的高代谢SPN的鉴别诊断中具有增益价值。

目的:探讨基于CT平扫的放射组学特征在胸腺瘤与其他前纵隔病变鉴别诊断中的价值。方法:回顾性分析2018年1月至2021年1月江苏大学附属医院收治的128例前纵隔病变患者资料。以病理结果为金标准，将患者分为胸腺瘤组（67例）、非胸腺瘤组（61例）。采用基于MATLAB平台的放射组学分析模块对CT平扫图像进行分析，提取整个病变的组学特征，依次采用组间差异分析、Boruta算法以及共线性检测进行特征筛选。根据最终被选择特征，绘制其单独及联合诊断胸腺瘤的受试者工作特征（ROC）曲线，并计算曲线下面积（AUC），分析所选特征的诊断效能。结果:共提取851个病变的组学特征。经过多步骤降维后，最终选择4个差异有统计学意义的组学特征，分别为鲁棒平均绝对偏差、灰度不均匀性、游程方差（小波-LLH）以及依赖不均匀性（小波-HLL）。ROC曲线分析显示，上述4个组学特征单独诊断时的AUC分别为0.712、0.634、0.660、0.699，特异度分别70.2%、61.2%、61.2%、61.2%，灵敏度分别为60.7%、60.6%、68.8%、70.5%；四者联合检测的AUC为0.881，灵敏度和特异度分别为75.4%、89.6%，诊断效能明显提升。结论:基于CT平扫的放射组学特征对于胸腺瘤及其他前纵隔病变的鉴别诊断有一定的价值及应用潜力。

目的:探讨CT影像组学定量特征在预测肺癌表皮生长因子受体（EGFR）突变中的价值。方法:回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料，男75例、女69例，中位年龄54（25~68）岁。其中，EGFR突变型81例，男39例、女42例，中位年龄52（25~64）岁；EGFR野生型63例，男36例、女27例，中位年龄56（32~68）岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图（GLH）、绝对梯度（GRA）、灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）、自回归模型（ARM）和小波变换（WAV）等特征。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）3种特征选择方法对提取的定量特征进行筛选，分别选择10个相关的最优特征，得到最优特征子集。然后用线性判别分析法（LDA）和非线性判别分析法（NDA）对三组最优特征子集进行分析，计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度，利用人工神经网络（ANN）对训练组准确度最高的最优特征子集建立预测模型，并利用建立的预测模型，对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果:MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征，一共301个。Fisher-NDA和（POE+ACC）-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高，为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论:CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度，为预测肺癌基因表达提供了一种新的方法。

目的:研究磷脂酰肌醇3-激酶-蛋白激酶B-哺乳动物雷帕霉素靶蛋白(PI3K/Akt/mTOR)信号通路介导的血管内皮细胞(VEC)自噬及哺乳动物雷帕霉素靶蛋白短发卡RNA(mTOR-shRNA)靶向调控在激素性股骨头坏死中作用。方法:2019年3月至7月，从SD大鼠股骨头中分离培养血管内皮细胞分为3组，即空白对照组(Ctrl)，甲基强的松龙组(MP)及甲基强的松龙联合mTOR-shRNA腺病毒转染组(MP+shmTOR)。分别对各组自噬体、血管内皮细胞损伤情况进行观察，并对各组自噬相关基因以及PI3K/Akt/mTOR的mRNA和蛋白表达进行测定；多组间比较采用单因素方差分析，多个样本均数两两比较采用LSD检验。结果:甲基强的松龙抑制了VEC中自噬关键基因的表达，但诱导mTOR、PI3K、Akt基因高表达。MP组中PI3K、Akt、mTOR的mRNA与蛋白表达明显高于Ctrl组，MP+shmTOR组介于两组之间；而Beclin1、MAP1 LC3的mRNA与蛋白表达明显低于Ctrl组，MP+shmTOR组介于两组之间(平均灰度值3 837.9比2 996.3比3 005.6， F＝428.640， P<0.01)；甲基强的松龙经PI3K/Akt/mTOR对VEC的自噬进行抑制，mTOR-shRNA转染可以部分修复甲基强的松龙导致的VEC损伤。Ctrl组中6-keto-PGF1α的含量稳定，在4个检测点含量无改变；MP组6-keto-PGF1α的含量在4个检测点逐渐增加；MP+shmTOR组6-keto-PGF1α的含量在4个检测点均高于Ctrl组，低于MP组(平均吸光光度值104.98比206.83比145.91， F＝352.830， P<0.01)。 结论:甲基强的松龙诱导的VEC损伤为PI3K/Akt/mTOR信号通路介导的自噬异常，mTOR-shRNA可部分阻断该病理过程从而促进VEC修复。

目的:基于肺癌患者放疗前的CT影像组学特征，综合临床信息与放疗剂量学特征，利用机器学习方法构建症状性放射性肺炎的预测模型。方法:回顾性收集2018年11月至2020年4月在江南大学附属医院接受放疗的103例肺癌患者的临床与剂量学资料。获取这些患者放疗前胸部CT影像，勾画双侧正常肺组织结构，提取250种影像组学特征。用单因素分析研究临床、剂量学特征与放射性肺炎发生的相关性。收集所有影像组学特征、临床和剂量学特征作为潜在预测因子，通过LASSO回归机器学习方法筛选特征，并得到肺炎预测模型。然后根据筛选的特征建立放射性肺炎发生风险的列线图。结果:单因素分析结果表明，症状性放射性肺炎与双侧正常肺组织的平均肺剂量(MLD)、 V20 Gy和 V30 Gy的相关性具有统计学意义( t＝2.20、2.34、2.93， P<0.05)。在综合所有影像组学特征、临床和放疗剂量学特征后，本研究共筛选出4个特征，为肺的剂量体积百分数 V30 Gy，和3个影像组学特征，包括灰度共生矩阵类别的熵特征、小波变换直方图类别的均值及中位数特征。基于这些特征所构建的肺炎预测模型的曲线下面积(AUC)为0.757。绘制了可根据特征值给予个体化的风险预测与提前干预的列线图。 结论:放疗前的CT影像组学结合剂量学特征可用于预测症状性肺炎的发生，可望为临床提前干预提供帮助。