目的 研究人工智能医学影像辅助诊断系统对肺磨玻璃结节(GGN)良恶性及判断病理成份的临床应用价值.方法 从行胸部CT检查发现GGN的患者中随机选取符合条件的44例纳入研究.根据病理结果分成腺癌组GGN与炎性病变组GGN,然后根据贴壁成份的占比不同将腺癌组GGN分成高占比组和低占比组,记录2组测量参数(包括病灶长径、平均CT值、CT值标准差、紧凑度、球形度及患者年龄).采用SPSS 20.0软件统计分析2组间差异,对有统计学意义的定量参数进行受试者工作特征曲线(ROC)分析,评价各测量参数鉴别良恶性GGN及判断恶性GGN病理成分的能力,同时根据最大约登指数(YI)计算该测量参数的最佳诊断阈值,获得曲线下面积(AUC)、敏感度和特异度,P＜0.05被认为差异具有统计学意义;最后根据二元Logistic回归模型得出鉴别良恶性GGN及判断恶性GGN组织成分的独立危险因素.结果 ①在腺癌组GGN与炎性病变组GGN测量数据对比中,腺癌组GGN病灶长径、平均CT值、CT值标准差大于炎性病变组GGN(P＜0.05),腺癌组GGN紧凑度、球形度均小于炎性病变组GGN(P＜0.05),而2组GGN患者年龄差异无统计学意义(P＞0.05).②在高占比腺癌组GGN和低占比腺癌组GGN测量数据对比中,仅发现高占比腺癌组GGN平均CT值小于低占比腺癌组GGN(P＜0.05),其他无差异.③二元Logistic回归模型分析显示,鉴别腺癌GGN与炎症GGN的独立因素为病灶长径;鉴别高占比腺癌GGN和低占比腺癌GGN的独立因素为平均CT值.结论 基于人工智能医学影像辅助诊断系统CT特征定量分析有助于鉴别良恶性GGN,以各项指标联合诊断的效能最佳;但在判断恶性GGN的病理成份方面能力有限,但仍需结合临床其他各项指标进行综合判断才能做出更准确的诊断.人工智能医学影像辅助诊断系统对GGN良恶性及判断病理成份有较大的临床应用价值,以各项指标联合诊断的效能最佳.

目的 探讨基于DCE-MRI影像组学联合临床特征在术前鉴别诊断luminal型与非luminal型乳腺癌的价值.方法 回顾性纳入2014年1月～2023年8月内蒙古自治区人民医院行DCE-MRI检查并获得病理结果的212例乳腺癌患者的图像,根据病理分子分型,将患者分为luminal型乳腺癌114例,非luminal型98例.按7:3的比例148例为训练组,64例为验证组.采用3D-slicer软件手动勾画病灶体积兴趣区(VOI),经LASSO回归及T检验批量提取影像组学特征并进行筛选,筛选出有价值的影像组学特征及临床特征,分别构建2个预测模型:单一影像组学模型及影像组学联合临床特征模型.采用ROC曲线下面积、准确率、敏感度、特异度以及校准曲线评价训练集中影像组学联合临床特征鉴别luminal型与非luminal型乳腺癌的诊断效能.结果 单一影像组学模型的AUC值0.850、准确率0.790、敏感度0.820、特异度0.765;影像组学联合临床特征模型AUC值0.856、准确率0.783、敏感度0.791、特异度0.776.临床特征中,如绝经状态(P=0.009)、淋巴结转移(P=0.012)有统计学意义,年龄(P=0.165)、病理类型(P=0.687)无统计学意义.结论 基于DCE-MRI的影像组学联合临床特征在术前鉴别luminal型与非luminal型乳腺癌方面具有较大价值.

目的 探讨多模态影像定量参数及 CA125 等血清学特征在Ⅱ型上皮性卵巢癌(EOC)诊断中的价值.方法 选取上皮性卵巢癌患者的术前临床、影像学资料,按术后病理诊断将患者 96 例分为两种类型,Ⅰ型 41 例,Ⅱ型 55例.所有患者术前均行腹盆腔CT增强检查及MRI检查,分别测量记录病灶实性成分平均ADC值、CT值(平扫、动脉期、静脉期、延迟期),计算CT值差、CT强化率,记录肿瘤标志物CA125、HE4,将ADC值、CT值、CT值差、CT强化率、CA125及HE4 分别进行单因素及多因素相关性分析,并绘制ROC曲线用于评价Ⅱ型上皮性卵巢癌诊断性能.结果 单因素分析有统计学意义的指标(CA125、HE4、年龄、静脉期CT强化率、延迟期CT值差、ADC值)纳入多因素回归模型中,得出ADC值(OR:1.49,95％CI 0.99～2.00),CA125(OR:1.10,95％CI 1.00～1.15)及HE4(OR:1.20,95％CI 0.99～1.26)是Ⅱ型EOC诊断的独立影响因素;CA125、HE4、ADC及三者联合诊断效能曲线下面积(AUC)分别为 0.72、0.75、0.85、0.88;ADC截断值为 1.005×10-3mm2/s,CA125 截断值为 381 U/ml,HE4 截断值 196 Pmol/l时,诊断Ⅱ型上皮性卵巢癌的敏感度、特异度分别为 85.7％、74.9％、78.6％,61.5％,66.7％、82.6％,三者联合诊断Ⅱ型上皮性卵巢癌的敏感度、特异度为 81.5％、83.1％.结论 基于ADC值联合CA125、HE4 肿瘤标志物建立的Logistic模型能有效地诊断Ⅱ型上皮性卵巢癌.

目的观察胎儿期Ⅰ型先天性胆总管囊肿(congenital choledochal cyst,CCC)的MRI表现,分析CCC胎儿肺肝比值、肝脏、脾脏、胆囊以及门静脉测量参数与正常胎儿的差异.材料与方法随访分析31例出生后经手术证实的CCC患儿的临床资料以及胎儿期的MRI表现,观察CCC病灶的形态、走行方向、是否与胆管或胆囊相连、病灶下缘与肝脏下缘的关系,并测量计算胆总管囊肿的体积.以90例健康胎儿为对照组,比较两组胎儿肺肝比值、肝脏(左右径、上下径、最大截面面积、肝实质表观弥散系数)、脾脏(长径、厚度、最大截面面积)、胆囊(长径、短径、长径与短径比值、最大截面面积)以及门静脉直径的差异.并分析CCC胎儿胆总管囊肿体积与MRI测量指标的相关性.结果31例CCC患儿中,男9例,女22例,男女比率约为1:2.4;其中26例胆总管囊肿病灶为椭圆形,5例为类圆形;31例病灶上端均可见尖角征;29例胆总管囊肿病灶的下缘未及肝脏下缘,2例病灶下缘超过了肝脏下缘;26例病灶的走行方向为右上-左下.CCC组与对照组胎儿的肺肝比值、肝脏(左右径、上下径、最大截面面积、表观弥散系数)、脾脏(长径、厚度)、胆囊(长径、短径、最大截面面积)的差异没有统计学意义(P>0.05);CCC组与对照组胎儿脾脏的最大截面面积、门静脉直径以及胆囊长径与短径的比值差异有统计学意义(P<0.05);进一步统计分析CCC组胆总管囊肿体积与胎儿脾脏最大截面面积、胆囊长径与短径比值以及门静脉直径的相关性,结果表明病灶体积与胎儿脾脏的最大截面面积、胆囊长径与短径的比值以及门静脉直径没有相关性(P>0.05).结论CCC多见于女性,胎儿期的MRI表现为:病灶多呈椭圆形,一般不超过肝脏下缘,病灶的走行方向多为右上-左下,病变上端可见尖角征.患儿脾脏增大,门静脉增宽,胆囊长径与短径的比值增大.但病灶体积与胎儿脾脏的最大截面面积、门静脉直径、胆囊长径与短径的比值无相关性.

目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值.材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例.由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,Ktrans)、速率常数(exchange rate between EES and blood plasma,Kep)、血管外细胞外间隙容积分数(extravascular volume fraction,Ve)以及血浆容积分数(capillary plasma volume,Vp).采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度.采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性.结果两位观察者测得的APT值及Ktrans值、Kep值、Ve值、Vp值结果一致性良好,ICC均>0.75.两组间的APT值和Vp值差异有统计学意义(P<0.05),Ktrans、Kep、Ve差异无统计学意义(P>0.05).PNI组的APT值(2.89％±0.72％)和Vp值[7.80×10-3(6.80×10-3,1.14×10-2)]均大于NPNI组[APT值2.31％±0.71％;Vp值4.19×10-3(2.04×10-3,7.35×10-3)].评估宫颈癌PNI时,APT值和Vp值的AUC分别为0.717、0.785,阈值分别为2.7％及6.46×10-3,敏感度及特异度分别为66.7％及75.0％、83.3％及75.0％;APT值联合Vp值后的AUC为0.792,APT值、Vp值与两者联合后的AUC之间差异无统计学意义(P>0.05).APT值与Vp值无相关性(r=0.219,P=0.198).结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值.

目的建立基于Kaiser评分(Kaiser score,KS)临床-多参数乳腺MRI影像诊断模型,并探讨其在乳腺良恶性病变诊断及鉴别中的价值.材料与方法回顾性分析2019年1月至2022年12月经病理证实乳腺肿瘤患者389名(共403例病灶)的术前MRI及临床病理资料,其中良性组100例及恶性组303例.记录基于KS中的MRI图像特征、表观扩散系数(apparent diffusion coefficient,ADC)值及相关临床指标,单因素分析比较乳腺良恶性病变组间各指标之间的差异,多因素logistic回归分析筛选乳腺恶性病变的独立危险因素,建立临床-多参数MRI影像诊断模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评估其诊断效能,DeLong检验比较临床-多参数MRI影像诊断模型与单纯KS的诊断效能.结果乳腺良恶性病变组间根征、时间-信号强度曲线(time-signal intensity curve,TIC)类型、边缘、内部强化、水肿、ADC值、年龄、妇科肿瘤病史、绝经史差异有统计学意义(P<0.001),多因素logistic回归分析显示病灶根征阳性、TIC为Ⅲ型、边缘不光整、年龄大、存在妇科肿瘤史[比值比(odds ratio,OR)=7.889、7.707、4.398、1.122、0.239,P<0.05]是乳腺恶性病变的独立预测因子,基于KS相关特征、年龄、妇科肿瘤史建立临床-多参数MRI影像诊断模型.以乳腺良恶性为标准绘制KS及临床-多参数MRI影像诊断模型的ROC曲线,敏感度分别为97.4％、91.1％,特异度为69.3％、84.2％,曲线下面积(area under the curve,AUC)值为0.912、0.950;DeLong检验显示两者的AUC差异有统计学意义(P=0.006).腋窝淋巴结(axillary lymph node,ALN)转移阳性组与阴性组在乳腺癌根征(x2=6.477,P=0.011)、瘤周水肿(x2=12.241,P<0.001)、ADC值(Z=10.988,P=0.015)差异有统计学意义.多因素logistic回归分析显示瘤周水肿(OR=2.807,P=0.006)会增加ALN转移风险,存在瘤周水肿增加ALN转移的风险是无此特征患者的2.807倍.结论KS对乳腺病灶有较高的诊断价值,基于KS的临床-多参数MRI影像诊断模型有助于提高乳腺良恶性病变的诊断效能,且乳腺MRI原发灶存在瘤周水肿可作为乳腺癌ALN转移的独立预测因子.

目的 构建基于超声特征的列线图模型,探讨其鉴别诊断良、恶性膀胱隆起样病变的价值.资料与方法 回顾性分析2016年1 月—2022年 1月四川省人民医院经手术病理证实的膀胱隆起样病变 538 例(良性 84 例,恶性 454例)的超声资料,对膀胱病变超声特征(病灶部位、数目、最大径线、回声、形态、基底、钙化、彩色多普勒血流显像信号)及患者简要临床指标(性别、年龄、泌尿系恶性肿瘤史、肉眼血尿)行 Logistic 单因素及多因素回归分析,筛选出独立预测因子,并构建预测模型.通过Bootstrap重抽样进行内部验证.绘制受试者工作特征曲线、校正曲线、临床决策曲线评估模型.结果 单因素及多因素Logistic回归分析结果显示,性别(OR=1.822,P=0.038)、年龄(OR=1.044,P=0.000)、病灶部位(OR=0.359,P=0.000)、血流信号(OR=2.052,P=0.007)是预测恶性膀胱隆起样病变的独立因素,基于单因素结果构建的列线图预测模型的曲线下面积为0.780,敏感度为72.91%,特异度为71.43%,准确度为72.68%.校正曲线显示模型的一致性较好.临床决策曲线显示临床净获益良好.结论 基于超声特征和简要临床指标构建的列线图模型鉴别诊断良、恶性膀胱隆起样病变具有较高的准确度和潜在的临床应用价值.

目的探讨体素内不相干运动(intravoxel incoherent motion,IVIM)、魔镜成像(mDIXON-Quant)技术联合血细胞参数在评估直肠癌Ki-67表达水平中的应用价值.材料与方法回顾性分析50例经病理证实为直肠癌患者的临床血常规和影像检查资料,测量病灶IVIM参数表观扩散系数(apparent diffusion coefficient,ADC)、纯扩散系数(pure apparent diffusion coefficient,D)、伪扩散系数(pseudo apparent diffusion coefficient,D*)、灌注分数(perfusion fraction,f)及mDixon-Quant参数脂肪分数(fat fraction,FF)、R2*、T2*.通过独立样本t检验或Mann-Whitney U检验比较各参数的差异.绘制受试者工作特征曲线(receiver operating characteristic,ROC)并计算曲线下面积(area under the curve,AUC)评价单一及联合参数预测直肠癌Ki-67表达状态的效能.采用Spearman相关性分析评价两组间有统计学意义的影像学和血细胞参数之间的关系.结果Ki-67高表达组的R2*值、FF值、中性粒细胞/淋巴细胞值(neutrophil to lymphocyte ratio,NLR)、系统免疫炎症指数(systemic immune inflammation index,SII)、全身炎症反应指数(systemic inflammatory response index,SIRI)高于Ki-67低表达组,而ADC值、D值低于Ki-67低表达组,差异均具有统计学意义(P<0.05).ADC值、D值、R2*值、FF值、NLR、SII、SIRI、影像学联合参数(ADC值+D值+R2*值+FF值)及影像学参数联合血细胞参数(ADC值+D值+R2*值+FF值+NLR+SII+SIRI)预测直肠癌Ki-67表达状态的AUC分别为0.691、0.775、0.739、0.724、0.784、0.726、0.718、0.839及0.906;影像学联合血细胞参数的诊断效能较各单一参数的诊断效能得到了明显提升.Spearman相关性分析显示Ki-67高表达组中FF值与SII呈正相关,差异具有统计学意义(r=0.525,P=0.012).结论IVIM、mDixon-Quant及血细胞参数均能有效判断直肠癌Ki-67表达水平,且影像学联合血细胞参数可明显提升鉴别诊断的效能.癌症的异常脂质代谢导致肿瘤病灶内脂肪沉积,可能会引起炎症反应的发生.

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 建立并验证基于超声影像组学的诺模图预测T1期乳腺癌同侧腋窝淋巴结转移的价值.资料与方法 回顾性收集2012 年 1 月—2021 年 6 月皖南医学院第一附属医院(弋矶山医院)经病理证实的T1 期乳腺癌 443 例,按 7∶3 随机分为训练组310例和验证组133例.使用ITK-SNAP勾画肿瘤边缘感兴趣区,利用Pyradiomics软件提取特征,筛选特征后构建影像组学模型及标签得分Rad-score.分别建立临床模型、影像组学模型及联合诊断模型,并构建联合模型的预测诺模图,采用受试者工作特征曲线评价各模型的预测价值.结果 多因素分Logistic回归析显示,腋窝超声检查阳性、高回声晕及病灶内部血供丰富是预测腋窝淋巴结转移的独立危险因素,构建临床诊断模型.通过特征筛选构建影像组学模型.基于临床、影像组学特征构建联合诊断模型,训练组联合模型的曲线下面积为0.822,大于临床模型及影像组学模型的0.765、0.723(P=0.002 1、0.001 8);验证组中联合模型的曲线下面积大于影像组学模型(0.846比0.686,P=0.001 8),与临床模型(0.783)差异无统计学意义(P=0.111 3).结论 基于超声影像组学构建的联合诊断模型,能够有效预测T1期乳腺癌同侧腋窝淋巴结转移,具有很高的临床预测效能.