目的 探讨数字断层融合摄影(DTS)在股骨干骨折内固定术后复查中的应用价值.方法 收集90例股骨干骨折内固定术后患者,于术后6月时完成了数字化X线摄影(DR)及DTS检查.由两名放射科医师采用5分法对两种影像学检查方法所获图像进行图像质量评价及对比.同时由临床医师对DTS及DR的骨折愈合显示率进行对比.结果 术后6月时,DTS图像质量评分为(3.689±1.148)分,DR图像质量评分为(2.778±1.197)分,两组差异具有统计学意义(P＜0.05).DTS图像骨折愈合情况显示率为95.56％(86/90),DR图像骨折愈合情况显示率为72.23％(65/90),差异具有统计学意义(P＜0.05).结论 在股骨干骨折内固定术后复查中,DTS能清晰显示术区骨质结构,准确判断骨折愈合情况,图像质量较DR更优,可作为股骨干骨折内固定术后复查较为理想的影像学检查方法,临床实用性较强.

目的 探讨不同医生在应用Mimics软件模拟三维导航机器人导航软件定位肘关节屈伸轴中是否存在误差,并且比较医生视觉定位屈伸轴与计算机辅助技术定位屈伸轴之间的差异.从而提出建议:机器人导航软件设计可以持续优化以减少误差,让机器人定位更广泛地应用于手术,并且定位更加准确.方法 在我院影像科数据库中随机抽取自2023年1月至2023年6月成人肘关节CT数据10例,导出后均在Mimics软件中操作,先进行三维重建,再由实验者确定肘关节屈伸参考轴后隐藏该轴及尺桡骨,3名受试者(分别为主治医师、副主任医师、主任医师)凭个人经验分别在软件中自定义这10个肘关节的虚拟屈伸轴并分别标明.最后实验者运用软件运算得出受试者各虚拟轴与实验者设定的参考轴的夹角数据和拟合的肱骨小头球体圆心、滑车切迹球体圆心与参考之间的直线距离数据并进行统计学分析.结果 医生视觉定位屈伸轴与计算机辅助技术定位屈伸轴之间的差异有统计学意义(P＜0.01).3名受试医生视觉定位屈伸轴组内比较差异有统计学意义(P＜0.01).结论 3名受试者根据在Mimics软件中模拟机器人导航软件进行肘关节屈伸轴的定位是存在差异性的,这增加了实际的定位误差.通过本实验提示,这与受试者对肘关节屈伸轴的认知和在软件中采用主观的视觉定位有关,也提示机器人导航软件的开发者应针对三维定位肘关节屈伸轴设计相应的辅助工具以减少医生规划屈伸轴存在的误差.

目的 利用可解释的机器学习模型,探讨轻型缺血性卒中(minor ischemic stroke,MIS)2年内复发相关危险因素.方法 回顾性收集2020年7-12月山西省心血管病医院神经内科MIS患者一般资料、实验室结果、影像学等资料,单因素分析进行复发危险因素变量筛选,合成少数过采样技术-标称连续处理数据不平衡,数据集按8∶2的比例分为训练集与测试集,网格搜索10折交叉验证构建轻量梯度提升机(light gradient boosting machine,LightGBM)、支持向量机(support vector machine,SVM)模型,并与逻辑回归(logistic regression,LR)模型进行比较,基于ROC的AUC、校准曲线分别评价模型的区分度与校准度,性能最好的模型通过Shapley加性解释(Shapley additive explanation,SHAP)模型对预测结果进行解读.结果 本研究共纳入520例MIS患者,2年内复发93例(17.9％),测试集中LightGBM、SVM、LR预测患者2年内复发的AUC分别为0.935(95％CI 0.896～0.973)、0.833(95％CI 0.770～0.896)、0.764(95％CI 0.691～0.835),准确度分别为0.890、0.773、0.693,布里尔分数分别为0.105、0.167、0.200.结果 显示LightGBM模型性能最优,基于SHAP的LightGBM可解释模型重要性前5的是舒张压、年龄、糖尿病、LDL-C、吸烟.结论 本研究建立的LightGBM模型预测效果良好,可为MIS患者2年内复发的预测提供借鉴.通过SHAP可解释性帮助临床医师更好地理解预测模型结果背后的原因,对MIS患者做出更个性化与合理化的临床决策.

目的 本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用.方法 使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像.在选取适当层面后,裁剪并用于SMRNet的训练.SMRNet对单个MRI切片上ACL损伤的概率进行最终判断.4名临床医师对相同图像进行读片诊断.结果 SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00％、94.00％、95.50％、94.17％和96.91％.医师的整体阅片情况类似,敏感性区间91.00％～96.00％、特异性区间90.00％～94.00％、准确性区间90.50％～95.00％、阳性预测值区间90.09％～94.12％、阴性预测值区间90.90％～95.92％,二者差异无统计学意义(P＞0.05).结论 经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力.未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案.

眼眶肿瘤的位置和组织病理学表现各不相同,给诊断带来了挑战.尽管成像技术的进步改善了这一问题,但其分类与鉴别仍是一项挑战.机器学习作为人工智能的关键分支在医疗领域已取得了一定的成果,尤其是其与影像学、眼科学的结合极大地促进了眼眶肿瘤的精准治疗,其在肿瘤鉴别、病灶分割及图像重建等方面已经展现出极大的潜力和广阔的应用前景,有望在提升眼眶肿瘤诊断水平的同时降低临床实践成本.本文就基于MRI的机器学习技术在眼眶肿瘤中的应用进行综述,旨在为临床医师和放射科医生就眼眶肿瘤的诊断、治疗及预后提供思路,并进一步促进机器学习在该领域的应用与普及推广.

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.

随着人工智能技术的发展,图像分割技术在直肠癌放疗领域有越来越多的研究和应用.新辅助放化疗是局部晚期直肠癌患者的标准治疗策略.对于放疗科医师而言,手动勾画放疗靶区及危及器官是一项非常费时耗力的工作.采用人工智能技术可以构建放疗靶区自动勾画模型,显著提高放疗靶区勾画的效率和鲁棒性.此外,结合影像组学方法,基于计算机断层扫描、磁共振成像等影像图像,提取直肠肿瘤区域的特征可以建立直肠癌新辅助治疗的疗效评估和预测模型,以帮助临床医师制订个体化的治疗方案.其中,分割感兴趣区,并且从中提取影像特征是模型构建的关键步骤.本文基于图像分割在直肠癌放疗领域中的应用展开综述,以探究图像分割对直肠癌放疗的重要性以及未来的研究方向.

目的:探索深度学习图像重建(DLIR)算法是否可以改善静脉期肛管直肠的CT图像质量.方法:回顾性纳入进行腹部CT增强扫描的71例患者,所有影像资料使用50%ASiR-V和DLIR低、中、高(DLIR-L、DLIR-M、DLIR-H)3个强度的DLIR重建静脉期薄层图像.测量各组图像的肛管和臀部脂肪的CT值和标准差(SD),以臀部脂肪SD作为背景噪声,计算肛管对比噪声比(CNR)和信噪比(SNR).两名影像科医师使用Likert 5分量表法独立进行图像质量评估和直肠癌局部侵犯情况诊断信心评价.分析比较客观测量指标和图像主观评分,采用Kappa检验评估一致性.结果:各组间肛管CT值及臀部脂肪CT值比较差异没有统计学意义(P>0.05),脂肪SD、肛管SNR及CNR比较差异有统计学意义(P<0.05),DLIR-H组脂肪SD最低,SNR及CNR最高,而50%ASiR-V组脂肪SD最高,SNR及CNR最低.与50%ASiR-V组相比,DLIR-H组脂肪SD降低44.3%,肛管SNR及CNR分别提升89.5%和92.1%(P<0.05).4组图像质量主观评分比较差异有统计学意义(P<0.05),从DLIR-H到50%ASiR-V依次降低.其中50%ASiR-V、DLIR-L组间比较差异没有统计学意义(P>0.05),其余各组间比较差异均有统计学意义(P<0.05).各组间直肠癌局部侵犯情况诊断信心评分比较差异有统计学意义(P<0.05),DLIR-M及DLIR-H组优于50%ASiR-V组(P<0.05).结论:与标准50%ASiR-V图像相比,DLIR-M和DLIR-H重建算法能有效提高图像质量,重建强度越高,图像质量越好,显示细微结构的能力越强,能为临床精准评估及个体化精准治疗提供更多的依据.

目的 本研究旨在探讨基于延迟进动定制激发(delay alternating with nutation for tailored excitation,DANTE)和可变翻转角快速自旋回波(sampling perfection with application-optimized contrasts by using different flip angle evolutions,SPACE)的多序列磁共振血管壁成像(magnetic resonance vessel wall imaging,MR-VWI)对下肢动脉病变(lower extremity arterial disease,LEAD)的诊断价值.材料与方法 回顾性分析了57例LEAD患者和26例无LEAD患者的病例及影像资料.所有患者均在3.0 T MRI设备上接受了T2快速自旋回波序列(turbo spin echo,TSE)、T1w DANTE-SPACE、对比增强(contrast enhancement,CE)T1w DANTE-SPACE和CE磁共振血管造影(magnetic resonance angiography,MRA)MR-VWI扫描.两名放射科医师在双盲条件下分别测量了T1w DANTE-SPACE和T2w TSE序列图像相应位置的管腔面积(lumen area,LA)、管壁面积(vessel wall area,VWA)、平均管壁厚度(average vessel wall,AVW)和最大管壁厚度(maximum vessel wall,MVW)等形态学指标.每位医师在3周间隔后对相同指标进行了重复测量.采用组内相关系数(intra-class correlation coefficients,ICC)和Bland-Altman方法评估了两种扫描技术以及不同组别之间的T1w DANTE-SPACE形态学测量指标的观察者一致性和可重复性.使用受试者工作特征(receiver operating characteristic,ROC)曲线评估了准确性.结果 T1w DANTE-SPACE与T2w TSE成像技术的信噪比(signal-to-noise ratio,SNR)和对比度比(contrast-to-noise ratio,CNR)差异有统计学意义(P<0.05),两名观察者对形态学测量指标的ICC值在0.85～0.99之间.在不同组别中,T1w DANTE-SPACE形态学测量指标的两次测量ICC值为0.90～0.99.Bland-Altman分析显示,观察者间和两次测量间的大部分形态学测量指标均在95％的一致性限度内.T1w DANTE-SPACE技术在LEAD组不同血管节段的形态学指标ROC曲线下面积(area under the curve,AUC)分别为0.904[95％置信区间(confidence interval,CI):0.825～0.983]和0.905(95％CI:0.835～0.976).当腘小腿动脉段的血管壁厚度为1.00 mm,LA为10.88 mm时,LEAD的敏感度分别为79.2％和85.4％,特异度分别为96.2％和92.3％,阳性预测值分别为97.4％和95.3％,阴性预测值分别为71.4％和77.4％.结论 多序列MR-VWI在评估LEAD斑块形态学指标方面表现出良好的重复性和高准确性,支持其在LEAD的MRI检查中的应用.

抗接触蛋白相关蛋白2（CASPR2）抗体脑炎为罕见的自身免疫性脑炎，临床症状多变，影像学表现不典型，病情严重者预后不佳。可逆性后部白质脑病综合征在自身免疫性脑炎中鲜有报道，文中就1例合并可逆性后部脑病综合征的抗CASPR2抗体脑炎患者的临床资料及诊治过程进行回顾性分析，以提高临床医师对此罕见疾病合并不典型影像学表现的认识。