目的 探究基于深度学习(DL)技术对颅内外动脉阻塞性狭窄的诊断价值.方法 回顾性分析我院2020年1月至2021年6月疑似急性缺血性脑卒中患者,且在一月内接受CTA和DSA.按患者和血管水平将狭窄程度分为正常、轻度狭窄、中度狭窄、重度狭窄和闭塞,阻塞性狭窄定义为直径狭窄率≥70％.以DSA为参考标准,通过受试者工作曲线(ROC)、敏感性、特异性评价诊断性能.结果 在患者水平,DL技术与放射科医师的AUC分别为0.781(敏感性和特异性分别为0.934、0.627)和0.840,差异无统计学意义(P=0.074).在血管水平,DL技术与放射科医师的AUC分别为0.923(敏感性和特异性分别为0.885、0.962)和0.932,差异无统计学意义(P=0.393)o DL技术分析的中位分析时间(8.67 min)明显短于放射科医师(29.55 min)(P＜0.001).结论 DL技术可以准确评估颅外和颅内动脉狭窄,耗时短,有望成为优化风险分层和指导治疗策略的方法.

目的探讨磁共振集合序列(magnetic resonance image compilation,MAGiC)与T2mapping序列在慢性冈上肌腱炎中的诊断价值,并比较两者在冈上肌腱扫描中的图像质量,以及两序列的T2值在冈上肌腱不同亚区的相关性.材料与方法回顾性收集2022年10月至2024年1月本院慢性冈上肌腱炎的患者30例(肌腱炎组)及健康体检者26例(对照组),均进行了常规MRI、T2mapping序列和MAGiC序列扫描.由两名放射科医生根据冈上肌腱走行将其分为外侧、中间、内侧亚区,并在MAGiC序列及T2mapping序列上测量不同亚区定量值.对比T2mapping序列第一回波图像与MAGiC T2WI的图像质量,并测量信号噪声比(signal to noise ratio,SNR)、对比噪声比(contrast to noise ratio,CNR).采用Mann-Whitney U检验分析肌腱炎组与对照组在不同亚区各定量参数的差异以及两序列的图像质量.绘制受试者工作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under the curve,AUC),评价其对慢性冈上肌腱炎的诊断效能.对T2mapping序列与MAGiC序列测得的不同亚区T2值采用Pearson相关分析评价相关性.结果MAGiC序列重建图像MAGiC T2WI与T2mapping序列第一回波图像质量主观评分差异无统计学意义(Z=?1.535,P>0.05);MAGiC T2WI图像的CNR高于T2mapping序列第一回波图像[15.45(12.76,20.46)vs.9.94(8.74,12.23)],差异有统计学意义(Z=?2.473,P<0.001),而MAGiC T2WI图像的SNR低于T2mapping序列第一回波图像[2.49(2.16,2.71)vs.5.82(5.16,7.44)],差异有统计学意义(Z=?0.609,P<0.001);MAGiC序列与T2mapping序列的T2值在肌腱炎组外侧亚区、内侧亚区均高于对照组,差异有统计学意义(P<0.05);MAGiC序列的T1值在肌腱炎组外侧亚区高于对照组,差异有统计学意义(P<0.05).外侧亚区T2mapping T2值、MAGiC T1、T2值诊断冈上肌腱炎的AUC分别为0.822、0.663、0.799;内侧亚区T2mapping T2值、MAGiC T2值诊断冈上肌腱炎的AUC分别为0.711、0.762.MAGiC序列T2值与T2mapping T2值在冈上肌腱外侧亚区、中间亚区、内侧亚区呈正相关(相关系数分别为0.736、0.437、0.464).结论MAGiC定量图谱的T1、T2值与T2mapping T2值能够有效评估冈上肌腱内部成分的异质性,反映慢性冈上肌腱炎与正常肌腱内部成分的差异及肌腱自身的区域性差异,可为临床对冈上肌腱变性提供量化的客观依据.

目的通过分析儿童正常斜坡的MRI特点,探索儿童斜坡开始黄髓化的年龄界值,以利于更好地识别骨髓病变.材料与方法选取2022年4月至2023年10月在本院放射科行颅脑MRI检查的儿童作为研究对象,通过分析2141例儿童正常斜坡信号特点与年龄分布的关系,探讨儿童斜坡开始黄髓化的年龄界限.在T1WI序列正中矢状面观察斜坡的信号特点,分析未黄髓化及黄髓化年龄分布特点,计算Youden指数及绘制年龄预测斜坡黄髓化的受试者工作特征(receiver-operating chatacteristic,ROC)曲线,探索儿童斜坡开始黄髓化的年龄界值.结果2141例儿童中,男孩1339例,女孩802例.1339例男孩中,未黄髓化者521例(1个月～36个月),黄髓化者818例(4个月～180个月);802例女孩中,未黄髓化者326例(1个月～35个月),黄髓化者476例(5个月～201个月).男孩年龄为13.5个月时,Youden指数为0.814,ROC曲线下面积(area under the curve,AUC)为0.976,95％置信区间(confidence interval,CI):0.969～0.982;女孩年龄为11.5个月时,Youden指数0.836,AUC为0.980,95％CI:0.973～0.987.结论年龄>13.5个月可作为男孩斜坡开始黄髓化的年龄界值;年龄>11.5个月可作为女孩斜坡开始黄髓化的年龄界值;男孩开始黄髓化的年龄晚于女孩.

《放射学实践》是由国家教育部主管,华中科技大学同济医学院主办,与德国合办的全国性影像学学术期刊,创刊至今已40 周年.遵照同行评议、价值导向、等效应用原则,国内各大学会、协会、组织机构通过科技工作者推荐、专家评议、结果公示等规定程序,《放射学实践》杂志入选中国科协发布 10 大领域《我国高质量科技期刊分级目录》业内认可的较高水平期刊.

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.

遵照同行评议、价值导向、等效应用原则,国内各大学会、协会、组织机构通过科技工作者推荐、专家评议、结果公示等规定程序,《放射学实践》杂志入选中国科协发布 10 大领域《我国高质量科技期刊分级目录》业内认可的较高水平期刊.

目的 胸部X线是临床实践中常见的胸部疾病筛查和诊断方式.由于放射科医生长时间阅片容易视觉疲劳以及医疗资源分配不均衡的问题,导致误诊和漏诊的情况时有发生.针对这一问题,本研究运用深度学习技术,提出了一个基于ConvNeXt模型的胸部X线图像的疾病检测方法,旨在提高胸部疾病诊断准确度、减轻误诊风险并提高医生工作效率.方法 利用大规模公开胸部X线图像数据集ChestX-ray14训练ConvNeXt模型,该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,可以有效提高模型的特征提取和识别能力,同时以AUC(ROC曲线下方的面积)作为模型性能的评价指标,与已有的分类模型CheXNet、ResNet及Swin Transformer进行了对比.此外,通过引入Grad-CAM可视化方法,利用卷积神经网络特征图的梯度信息生成胸部X线图像的类激活热力图,实现对病灶区域的定位,从而提高医生的诊断效率.结果 基于ConvNeXt模型的诊断方法在识别14种胸部疾病时平均AUC值可达0.842,特别在识别积液(AUC值为0.883)、水肿(AUC值为0.902)和疝气(AUC值为0.942)等疾病时表现较为令人满意.结论 本文提出的方法在胸部X线图像的疾病检测中具有较好的性能,是一种对胸部X线图像进行胸部疾病诊断进而协助医生提高工作效率的有益尝试.

目的 以急性脑卒中患者数字减影血管造影(digital subtraction angiography,DSA)为侧支循环标准,探讨低灌注强度比值(hypoperfusion intensity ratio,HIR)在晚期时间窗急性脑卒中患者血管内治疗后预后的预测价值.材料与方法 回顾性分析2020年1月至2023年3月在本院行血管内治疗的晚期时间窗(6～24 h)急性脑卒中患者160例,侧支循环评分采用美国介入和治疗神经放射学会(American Society of Interventional and Therapeutic Neuroradiology,ASITN)分级系统评估(侧支循环良好:3～4级;侧支循环不良:0～2级).HIR为脑血流达峰时间(time-to-maximum,Tmax)>10 s体积与Tmax>6 s体积的比值.3个月预后采用改良Rankin量表(modified Rankin Scale,mRS)评分评估(预后良好:0～2分;预后不良:3～6分).应用Spearman等级相关分析及受试者工作特征(receiver operating characteristic,ROC)曲线分析HIR与侧支循环间的相关性及其在晚期时间窗急性脑卒中患者预后中的预测价值.结果 与侧支循环良好组(n=90)相比,侧支循环不良组(n=70)的HIR值较高(0.45±0.07 vs.0.30±0.08;P<0.001)、出血转化率较高(44.43％vs.20.00％;P=0.003)、早期神经功能恶化率较高(45.71％vs.23.33％;P=0.003)及预后良好率较低(44.29％vs.67.78％;P=0.030).Spearman相关分析显示HIR值与ASITN分级间具有良好的负相关(预后良好组:r=-0.856;P<0.001;预后不良组:r=-0.888;P<0.001);HIR值与3个月mRS评分具有良好的正相关(r=0.773;P<0.001).多因素logistic回归分析显示HIR[OR(95％CI):0.629(0.421～1.418);P=0.041]为晚期时间窗急性脑卒中EVT治疗后预后的独立预测因子.ROC曲线分析显示ASITN分级与HIR预测晚期时间窗急性卒中预后的预测效能差异无统计学意义(AUC:0.837 vs.0.887;Z=1.696,P=0.090).结论 基于HIR的侧支循环评估可准确晚期时间窗急性脑卒中血管内治疗后预后,为临床提供个性化治疗方案指导.