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 为缺血性脑白质病变(ischemic white matter lesion,I WML)患者认知障碍进展的评估提供影像依据.方法 回顾性纳入2018年1月-2021年12月就诊于首都医科大学附属北京天坛医院的IWML患者,按照认知功能测评结果分为:非痴呆血管性认知障碍(non-dementia vascular cognitive impairment,VCIND)组、血管性痴呆(vascular dementia,VaD)组.同期入组认知功能和头颅MRI检查正常的就诊患者为正常对照(normal control,NC)组.所有患者均完善了静息态功能MRI检查及注意功能检查,包括Stroop色-词干扰测试B(Stroop color-word interference B test,Stroop B),Stroop色-词干扰测试C(Stroop color-word interference C test,Stroop C),数字连线测验A(trail making test A,TMT-A)和符号数字转换测试(symbol digit modalities test,SDMT).使用独立成分分析选择左侧和右侧额顶叶网络、初级和次级视觉网络、背侧注意网络5个脑区,选择9个主要区域为感兴趣区,提取每个脑区Z值,作为脑区两两间的功能连接(functional connectivity,FC)值.进行VCIND、VaD和NC组FC差异分析,并进一步分析VCIND、VaD两组脑区间FC变化与注意功能评分的相关性.结果 共纳入60例患者,其中男性29例(48.3％).NC组24例,VCIND组19例,VaD组17例.结果 提示,与NC组相比,VCIND组完成Stroop B(P＜0.01)、TMT-A(P=0.01)评分更高,SDMT评分更低(P=0.01);VaD组完成Stroop B、Stroop C及TMT-A评分更高(均P＜0.01),SDMT评分更低(P＜0.01).与VCIND组相比,VaD组完成Stroop B(P＜0.01)、Stroop C(P＜0.01)及TMT-A(P=0.01)评分更高,SDMT评分(P＜0.01)更低.FC分析显示,与NC组相比,VCIND组右侧背外侧前额叶皮质和左侧顶上小叶(P=0.01)、右侧背外侧前额叶皮质和楔叶(P=0.04)之间的FC值增高;与VCIND组相比,VaD组右侧背外侧前额叶皮质与楔叶(P=0.02)之间的FC值增高.右侧背外侧前额叶皮质和左侧顶上小叶之间的FC值与Stroop C用时呈负相关(r=-0.365,P=0.04),其余脑区之间的FC值与其他注意功能评分项目无显著相关性.结论 随着认知功能下降,IWML患者执行网络与背侧注意网络、初级视觉网络间的FC值升高,部分脑区间FC的改变伴随着更差的注意功能.

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.

提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算.研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考.

目的建立一个基于矢状位T2加权图像(T2 weighted imaging,T2WI)的瘤内结合不同瘤周区域影像组学特征和临床危险因素的列线图,评估其术前预测宫颈癌ⅠB期和ⅡA期的价值.材料与方法回顾性分析120例两家医院术前接受MRI检查和根治性子宫切除术加盆腔淋巴清扫并经术后病理证实的ⅠB和ⅡA期宫颈癌患者的实验室检查资料和MRI图像,分为训练组和外部验证组,对矢状位T2WI图像瘤内感兴趣区(region of interest,ROI)和1～6 mm的瘤周环(ROI-1、ROI-2、ROI-3、ROI-4、ROI-5和ROI-6)分别提取影像组学特征,采用Pearson分析和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)回归进行特征选择.以最佳者绘制受试者工作特征(receiver operating characteristic,ROC)曲线,构建0～6 mm瘤周影像组学模型,并筛选出最佳影像组学模型,基于以上最佳影像组学模型评分与临床独立危险因素构建联合模型,并绘制列线图,以校准曲线评估模型校准度,以决策曲线分析(decision curve analysis,DCA)评价模型的应用价值.结果由瘤内结合瘤周3 mm区域得到6个有效特征建立的影像组学模型预测效能最佳,在训练组和外部验证组,其曲线下面积(area under the curve,AUC)分别为0.972和0.857.由肿瘤最大径、红细胞计数(red blood cell,RBC)的临床独立危险因素建立的临床模型预测效能次之,在训练组和外部验证组AUC分别为0.940和0.847.基于肿瘤最大径、RBC、瘤内结合瘤周3 mm的6个有效特征构建的列线图预测效能更稳定,在训练组和外部验证组AUC分别为0.952和0.939,经校准曲线和DCA分析,列线图的校准度较高,临床净收益较大.结论基于T2WI瘤内和瘤周3 mm组学特征构建的影像组学列线图可以较好地术前预测ⅠB期和ⅡA期宫颈癌,对指导患者个体化治疗有着重要临床意义.

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.

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 探讨表观扩散系数(apparent diffusion coefficient,ADC)直方图参数在术前区分移行型脑膜瘤(transitional meningioma,TM)与非典型脑膜瘤(atypical meningioma,AM)的价值.方法 回顾性分析经组织病理学证实的66例TM和30例AM患者资料.由2名经验丰富的放射科医生使用3DSlicer软件,在肿瘤ADC图像上采用双盲法沿着肿瘤边缘手动勾画感兴趣区(region of interest,ROI),ROI除外坏死、囊变及出血区域,由ROI灰度值构建灰度直方图,生成受试者工作特征(receiver operating characteristic,ROC)曲线,并计算曲线下面积(area under the curve,AUC).评估ADC直方图参数与Ki-67增殖指数、孕激素受体(progesterone receptor,PR)、上皮膜抗原(epithelial membrane antigen,EMA)、S-100蛋白四种病理指标的相关性.结果 TM组的方差、偏度、峰度及最大值参数均大于AM组(P均<0.05).方差、偏度、峰度、最大值及Perc.90参数与Ki-67表达呈负相关;方差、最小值及Perc.10参数在PR阳性和PR阴性之间存在显著差异(P均<0.05).结论 ADC直方图分析有助于术前区分TM和AM,衍生参数可预测Ki-67水平及PR表达.

目的 探讨联合体素内不相干运动(intravoxel incoherent motion,IVIM)、扩散峰度成像(diffusion kurtosis imaging,DKI)和动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)、参数图构建影像组学模型预测乳腺癌患者人类表皮生长因子受体2(human epidermal growth factor receptor 2,HER-2)的表达状态.材料与方法 回顾性分析192例乳腺癌患者病例资料,根据患者的病理结果 分为HER-2表达阳性组(48例)和HER-2表达阴性组(144例),术前均行IVIM、DKI及DCE-MRI.并按照8:2的比例将病例随机分为训练集(154例)和测试集(38例).在灌注分数(perfusion fraction,f)、灌注相关扩散系数(perfusion related diffusion coefficient,D)、真实扩散系数(real diffusion coefficient,D)、平均扩散率(mean diffusivity,MD)和平均扩散峰度值(mean kurtosis,MK)参数图和第2期DCE-MRI(DCE-2)图像中勾画出病变区域的三维感兴趣区(region of interest,ROI),并提取其中的影像组学特征.采用Z分数归一化对特征进行标准化处理,并使用K最佳、最小冗余最大相关(max-relevance and min-redundancy,mRMR)、最小绝对收缩与选择算子回归(least absolute shrinkage and selection operator,LASSO)算法依次对特征进行降维和选择,通过logistic逻辑回归(logistic regression,LR)分类器分别建立参数图模型及联合模型,并采用5折交叉验证法验证模型的稳定性.通过受试者工作特征(receive operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)对不同参数图像模型及联合模型的诊断效能进行分析,使用DeLong检验对各模型间ROC曲线进行比较,使用决策曲线分析(decision curve analysis,DCA)对模型的临床价值进行评估.结果从每个ROI中提取了2286个MRI特征,在f、D、D、MD、MK参数图、第2期DCE-MRI和联合序列中分别筛选得到7、6、7、6、7、12、10个特征与HER-2表达状态相关.f、D、D、MD、MK参数图模型及第2期DCE模型在测试集中的AUC分别为0.693、0.679、0.586、0.682、0.661、0.732;联合模型在测试集中的AUC为0.861(95％CI:0.775～0.958),敏感度和特异度分别为100.0％和71.4％,经DeLong检验,训练集中联合模型与f、D、D、MD、MK参数图模型及DCE-2模型之间AUC差异均有统计学意义(P均<0.05).结果表明联合模型对预测HER-2的表达状态优于单一模型.结论 基于DCE-MRI、IVIM和DKI的影像组学联合模型可以在术前有效预测乳腺癌患者的HER-2表达状态,有助于临床对乳腺癌进行诊断、分型、制订治疗方案及预后.

目的:探讨基于MRI影像组学的预测模型在程序性死亡蛋白-1（PD-1）抗体联合全程新辅助放化疗后中低位直肠癌病理完全缓解（pCR）中的预测价值。方法:采用临床诊断性试验研究方法，收集2019年1月至2021年9月期间于北京大学肿瘤医院收治的PD-1抗体联合全程新辅助放化疗并最终行根治性手术的38例中低位直肠癌患者的临床病理资料和影像资料；男23例，女15例；中位年龄68（47~79）岁；有13例为pCR，25例为非pCR。将38例患者分层随机分为训练组（26例）和测试组（12例）进行建模。所有患者治疗前均行直肠MRI检查，收集所有患者的临床特征、影像特征和影像组学特征，并构建临床特征模型和影像组学模型。绘制各个模型的受试者工作特征（ROC）曲线，并以曲线下面积、准确度、灵敏度、特异度、阳性预测值和阴性预测值等来评价所构建模型。结果:两组患者的年龄、性别、肿瘤原发位置和术后病理情况比较，差异均无统计学意义（均 P>0.05）。本研究在38例中低位直肠癌患者中，从每个模态下感兴趣区域（ROI）提取了41个特征，包括9个一阶特征，24个灰度共生矩阵特征和8个形状特征。进一步分别从新辅助治疗前后弥散加权成像（DWI）和T2加权成像（T2WI）的每一个图像模态中提取41个特征，共纳入164特征。经过 t检验和相关系数的筛选后，仅有4个特征得到保留。经过LASSO交叉验证后，仅有治疗前基线DWI图像的一阶偏度和治疗前基线T2WI图像中的体积这两个特征得到保留。应用这两个特征建立的预测模型在训练组和测试组的曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值分别为0.856和0.844，77.8%和100.0%，88.2%和75.0%，77.8%和66.7%，88.2%和100.0%。影像组学模型的决策曲线显示，采用该预测模型预测pCR的策略要优于将所有患者都看作pCR的策略，也优于将所有患者看作非pCR的策略。 结论:基于MRI影像组学构建PD-1抗体联合全程新辅助放化疗治疗直肠癌pCR预测模型，有潜力用于临床筛选或可免于根治性手术的直肠癌患者。