目的:比较质子调强和光子容积旋转调强在胰腺癌大分割放射治疗计划中的剂量学差异。方法:回顾性选取10例胰腺癌患者临床资料，分别使用Eclipse和RayStation进行容积旋转调强治疗(VMAT)和质子调强治疗(IMPT)的计划设计。完成计划后的剂量文件统一导入MIM软件以提取评估参数。主要评估参数包括计划靶区(PTV)的 Dmin、 Dmean、 Dmax、适形指数(CI)和新适形指数(nCI)、均匀指数(HI)、梯度指数(GI)、覆盖率(coverage)和危及器官的受照剂量。 结果:靶区方面两组的适形性差异无统计学意义( P>0.05)，VMAT组取得了更高的PTV Dmin、 Dmax、D 98%、D 2%、HI和覆盖率以及更优的剂量梯度GI和 D2 cm( t/ Z＝-4.63~5.32， P<0.05)，IMPT组则获得了更低的10%_PD( t＝-7.47， P<0.05)。危及器官方面，两组的空回肠最大剂量 Dmax、胃 Dmax、十二指肠 Dmax以及左肾的平均剂量 Dmean差异无统计学意义( P>0.05)。IMPT组在空回肠的体积剂量 D5 cm3、胃的 D10 cm 3、十二指肠的 D5 cm 3及 D10 cm 3、左肾的 D2/3、右肾的 Dmean及 D2/3上均低于VMAT组( t/ Z＝-8.12~-2.60， P<0.05)，但是IMPT组脊髓的 Dmax和 D0.35 cm 3均高于VMAT组( t＝7.30、6.77， P<0.05)。 结论:VMAT和IMPT都能实现满足临床要求的胰腺癌大分割放射治疗计划。二者在在毗邻胰腺靶区的胃肠道组织最大受量上的保护无差异，在胃肠道的体积受量保护上IMPT拥有更大优势，但对射束肿瘤靶区前缘的危及器官保护上可能弱于VMAT。

目的:探究卷积注意力模块（CBAM)与Unet不同融合路径对于急性胰腺炎患者增强CT图像中胰腺自动分割的有效性。方法:回顾性分析川北医学院附属医院2016年1月1日至2021年7月30日收治的1 158例急性胰腺炎患者，纳入首发急性胰腺炎患者141例，依据轻、中、重病例各随机选取5例共15例作为测试集，余下126例作为训练集，在训练集中再随机划分20%的数据作为验证集。以Dice相似系数、豪斯多夫距离（HD）和像素准确率（PA）作为评价指标，对CBAM与Unet网络的不同融合路径进行训练，取验证集表现最佳的模型，在训练集上评估其性能，并将其与Unet、在跳级连接部分加入了注意门注意力机制（AttentionUnet）、在Unet网络中用ResBolck替代原有的卷积模块（ResUnet）、在特征提取的跳级连接分支模块融入CBAM（ResUnet_CBAM）模型进行比较。结果:Unet_CBAM在训练集上取得的效果更好，Dice相似系数为80.06%，HD为3.765 9，PA为0.992 3，均优于其他融合路径，对急性胰腺炎患者CT图像中胰腺区域的分割效果均优于Unet及其相关的变体网络。结论:Unet网络在跳级连接后融入CBAM能够较好地对急性胰腺炎患者增强CT图像行胰腺分割，能有效地提升相关人员对急性胰腺炎患者增强CT图像进行胰腺分割的效率。

目的:探究计算机视觉人工智能技术在腹腔镜胃癌根治术场景中对器械和脏器检测识别的可行性和准确性。方法:收集国内4家大型三甲医院［解放军总医院第一医学中心（3份）、辽宁省肿瘤医院（2份）、江苏省人民医院溧阳分院（2份）、复旦大学附属肿瘤医院（1份）］共计8份完全腹腔镜远端胃癌根治术手术视频。使用PR软件每5~10 s进行抽帧转换为图帧，转换后进行人工去重，去除明显雷同图帧和模糊图帧以确保质量。转换并去重后，抽帧图像共3 369张，图像分辨率为1 920×1 080 PPI，用LabelMe实例分割图像；共计23个类别包括静脉、动脉、缝针、持针器、超声刀、吸引器、出血、结肠、钳子、胆囊、小纱布、Hem-o-lok夹、Hem-o-lok钳子、电钩、小肠、肝圆韧带、肝脏、网膜、胰腺、脾脏、吻合器、胃和Trocar穿刺器。将抽帧图像按照9∶1比例随机分为模型训练集和模型验证集，使用YOLOv8深度学习框架进行模型训练和验证。采用精确度、召回率、精确度均值和平均精确度均值（mAP）评价检测识别准确性。结果:训练集3 032帧图像，23个类别共计30 895个实例分割数量；验证集337帧图像，共计3 407个实例分割数量。使用YOLOv8m模型训练，训练集损失曲线中损失值随迭代计算轮次增加而逐步平滑下降。训练集中，23个类别检测识别AP值均达0.90以上，23个类别mAP为0.99。验证集中，23个类别mAP为0.82。单一类别中，超声刀、持针器、钳子、胆囊、小纱布和吻合器的AP值分别为0.96、0.94、0.91、0.91、0.91和0.91。模型成功推理应用于时长为5 min的腹腔镜下缝合胃肠共同开口视频片段。结论:本研究初步证实了计算机视觉可高效准确并实时地检测腹腔镜胃癌根治术各手术场景中的脏器和器械。

目的:构建并验证基于增强CT的融合影像组学及深度学习特征的模型，评估该模型术前鉴别诊断胰腺腺鳞癌(PASC)和胰腺导管腺癌(PDAC)的效能。方法:回顾性收集2011年1月至2020年12月间海军军医大学第一附属医院经手术病理证实且术前1个月内行增强CT检查的201例PASC患者(PASC组)和332例PDAC患者(PDAC组)的临床资料。依据国际预测模型建模共识，按收治时间顺序将2011年1月至2018年1月共397例患者(156例PASC和241例PDAC)组成训练集，将2018年2月至2020年12月共136例患者(45例PASC和91例PDAC)组成验证集。采用nnU-Net模型进行胰腺肿瘤自动分割，评估临床及CT特征、提取门静脉期影像组学特征及深度学习特征，随后进行特征降维和特征筛选。利用二元logistic回归模型，在训练集中建立临床模型、影像组学模型和深度学习模型，采用受试者工作特征曲线下面积(AUC)、灵敏度、特异度和准确度评估3种模型的性能，采用决策曲线分析(decision curve analysis, DCA)评估模型的临床净收益。结果:在训练集和验证集中，PASC组和PDAC组肿瘤大小、环形强化、上游胰腺萎缩及肿瘤囊变差异均有统计学意义( P值均<0.05)。多因素logistic回归结果显示，临床模型中肿瘤大小、环形强化、胆总管扩张及上游胰腺萎缩与PASC显著相关。影像组学模型中，环形强化、胆总管扩张、上游胰腺萎缩和影像组学分数与PASC显著相关。深度学习模型中，环形强化、上游胰腺萎缩和深度学习分数与PASC显著相关。在训练集中，深度学习模型诊断能力最强，其AUC值、灵敏度、特异度和准确度分别为0.86(95% CI 0.82~0.90)、75.00%、84.23%和80.60%，而临床模型和影像组学模型分别为0.81(95% CI 0.76~0.85)、62.18%、85.89%、76.57%和0.84(95% CI 0.80~0.88)、73.08%、82.16%、78.59%。在验证集中，深度学习模型的AUC值、灵敏度、特异度和准确度分别为0.78(95% CI 0.67~0.84)、68.89%、78.02%和75.00%，临床模型和影像组学模型分别为0.72(95% CI 0.63~0.81)、77.78%、59.34%、65.44%和0.75(95% CI 0.66~0.84)、86.67%、56.04%、66.18%。DCA表明，在训练集和验证集中当高风险阈值分别>0.05和>0.1时，采用深度学习模型预测的PASC较"将所有患者诊断为PDAC"或"所有患者都诊断为PASC"更能让患者获益。 结论:基于胰腺肿瘤CT图像自动分割的深度学习模型能有效鉴别PASC与PDAC，为术前无创诊断PASC提供一种新方法。

目的:验证自动定量CT影像上肿瘤3D体积术前预测可切除性胰腺癌总体生存期的价值。方法:连续收集2018年7月至2019年3月间海军军医大学第一附属医院诊治的198例可切除性PDAC患者的临床资料，按照血清CA19-9、CEA水平将患者分为CA19-9低水平组(≤210 U/ml)和高水平组(>210 U/ml)、CEA正常组(<5 ng/ml)和升高组(≥5 ng/ml)。使用本课题组前期开发的全自动分割工具，以动脉期为配准目标，将平扫期和门静脉期图像配准到动脉晚期图像建立UNet模型，对PDAC肿瘤及胰腺腺体进行3D分割得到肿瘤3D体积，采用单因素及多因素回归分析比较肿瘤3D体积与常用术前风险指标(肿瘤2D长径、CA19-9水平、CEA水平等)预测患者生存期的性能，用一致性指数(C-index)评估各指标预测生存期的准确度。绘制各指标的受试者工作特性曲线(ROC)，计算曲线下面积(AUC)，评估各指标预测患者1、2年总生存期的精确度及肿瘤3D体积对CA19-9及CEA水平高低组患者总生存期的影响。结果:单因素回归分析结果显示，年龄、肿瘤3D体积、肿瘤部位、CA19-9和CEA水平与患者总生存期相关。多因素回归分析结果显示，肿瘤3D体积、CA19-9和CEA水平均与总体生存期相关，其中肿瘤3D体积与总体生存期相关性最强( HR＝2.25，95% CI1.49~3.39， P<0.0001)。肿瘤3D体积、肿瘤长径及血清CEA、CA19-9水平预测PADC患者总生存期的C-index分别为0.667(0.617~0.717)、0.637(0.583~0.691)、0.593(0.527~0.659)、0.585(0.526~0.644)；肿瘤3D体积、肿瘤部位、肿瘤长径、血清CEA和CA19-9水平预测患者1、2年生存率的AUC值分别为0.726、0.698，0.562、0.562，0.703、0.660，0.583、0.624，0.602、0.609，肿瘤3D体积的C-index及AUC值均显著高于其他常用术前风险指标，差异均有统计学意义( P值均< 0.05)。CEA、CA19-9低水平组和高水平组中，肿瘤3D体积大的患者生存期均显著低于肿瘤3D体积小的患者，差异均有统计学意义( HR＝2.27，95% CI1.39~3.72； HR＝2.42，95% CI1.23~4.74； HR＝2.08，95% CI1.07~4.06； HR＝2.67，95% CI1.63~4.38， P值均<0.01)，其中肿瘤3D体积大在CA19-9高水平组中对患者生存期的影响最大。 结论:自动定量CT影像上肿瘤3D体积是一个客观、可靠的患者预后生物标志物，对现有的术前预后风险因素有补充作用，并有望指导新辅助治疗的个性化选择。

目的:探讨CT动脉期影像组学分值与胰腺癌新辅助治疗疗效的相关性。方法:回顾性分析2017年3月至2023年3月间海军军医大学第一附属医院243例新辅助治疗后进行手术治疗的胰腺癌患者的临床资料。根据病理肿瘤退缩分级，将患者分为治疗有效组（TRG 0、1级，30例）和治疗无效组（TRG 2、3级，213例），比较两组的临床、影像学和病理学特征。使用全自动分割工具对治疗前后胰腺肿瘤动脉期横断面CT图像进行分割，利用Python程序包提取组学特征，采用最小绝对收缩和选择算子（Lasso）进行特征选择，利用Lasso公式得到动脉期影像组学分值。采用单因素和多因素logistic回归分析动脉期影像组学分值和新辅助治疗疗效之间的相关性。绘制受试者工作特征曲线（ROC），计算曲线下面积（AUC）和灵敏度、特异度、准确率。采用决策曲线分析（DCA）评估动脉期影像组学分值对胰腺癌新辅助治疗疗效的临床应用价值。结果:共获得330个动脉期组学影像学特征，经Lasso回归降维后得到9个与新辅助治疗疗效相关的组学特征。单因素分析结果显示，动脉期影像组学分值、新辅助治疗后肿瘤三维直径、胰腺轮廓异常、肿瘤T分期、N分期、胰周神经侵犯、脉管内癌栓浸润、十二指肠侵犯均与新辅助治疗疗效相关（ P值均<0.05）。多因素logistic回归分析结果显示，动脉期影像组学分值与新辅助治疗疗效显著相关（ P<0.001）。以1.93作为临界值，动脉期影像组学分值诊断新辅助治疗疗效的AUC值为0.92，灵敏度为84.5%，特异度为86.7%，准确率为84.8%。决策曲线分析结果表明，当用动脉期影像组学分值诊断新辅助治疗疗效的概率>0.2时，使用动脉期影像组学分值诊断新辅助治疗疗效比不使用更能使患者在临床中获益。 结论:CT动脉期影像组学分值与胰腺癌新辅助治疗疗效显著相关，可以准确预测胰腺癌患者新辅助治疗疗效。

目的:采用主客观评价系统分别评价深度学习方法在动静脉期CT上的分割效果，并探索影响动静脉期胰腺分割差异的因素及影响静脉期胰腺分割的相关因素。方法:回顾性收集2019年1至11月北京协和医院放射科218例胰腺CT扫描数据，每例均包含动脉期和静脉期图像，并按照训练集+验证集与测试集为7∶3的比例将数据随机划分为训练集（139例）、验证集（20例）及测试集（59例），使用训练集训练二阶段全局局部渐进融合网络，在验证集上寻找最优分割效果的模型参数，对测试集进行预测并对结果进行主观及客观评价。主观评价基于胰腺与周围器官的临界区域，采用李克特5分量表；客观评价采用Dice相似系数（DSC）。采用配对 t检验或Wilcoxon配对秩检验比较动静脉期主客观评分的差异。 结果:在十二指肠、十二指肠空肠曲、左肾上腺、门脉、肠系膜上静脉、脾动脉及脾静脉处胰腺临界区域动脉期主观评分［ M（ Q1， Q3）］分别为4（4， 5）、5（4， 5）、5（4， 5）、4（4， 5）、5（4， 5）、5（5， 5）及4（3， 5）分，静脉期主观评分［ M（ Q1， Q3）］分别为4（4， 4）、5（4， 5）、5（4， 5）、5（4， 5）、5（5， 5）、4（3， 4）、5（5， 5）分，以上临界区域的胰腺动、静脉期主观评分差异均有统计学意义（均 P<0.05）；静脉期DSC略高于动脉期，差异无统计学意义（DSC：0.923比0.921， P=0.952）。胰腺与十二指肠空肠曲、胃、左肾上腺存在脂肪间隙组在静脉期主观评分分别为4.64、4.68及4.63分，无脂肪间隙组的主观评分分别为4.56、4.62及4.56分，胰腺与十二指肠空肠曲、胃、左肾上腺有、无脂肪间隙两组间的主观评分差异均有统计学意义（ t=2.147、2.112、2.277，均 P<0.05）。除外脾，胰腺临界区域与其余周围器官的密度差在动静脉分割的差异均有统计学意义（均 P<0.05）。 结论:利用双期CT构建深度学习胰腺自动分割模型，并对分割效果进行主客观评价，主观评价可以提高今后胰腺临界区域的分割能力。

目的:探讨多排螺旋CT(MDCT)动脉期影像组学分值与胰头癌肠系膜上静脉(SMV)切缘的相关性。方法:收集2016年1月至2018年12月间海军军医大学第一附属医院经手术病理确诊且于术前1月内均行MDCT扫描的181例胰头癌患者的临床资料。根据SMV切缘病理结果，将患者分为SMV切缘阴性组(127例)和切缘阳性组(54例)，比较两组的临床、病理学和影像学特征。使用3D Slicer软件对每例患者CT动脉期原始横断面图像逐层勾画感兴趣区进行肿瘤分割，使用Rython程序包提取分割后的胰腺肿瘤影像组学特征，采用最小绝对收缩和选择算子(Lasso)回归方法对提取到的组学特征进行降维和选择，根据Lasso回归方程公式计算患者动脉期组学分值。采用单因素和多因素回归分析动脉期组学分值和SMV切缘之间的相关性。绘制受试者工作特征曲线(ROC)，计算曲线下面积(AUC)及诊断SMA切缘的灵敏度、特异度、准确率。采用决策曲线分析(DCA)评估动脉期组学分值对SMV切缘诊断的临床应用价值。结果:SMV切缘阴性组和切缘阳性组在脉管内癌栓侵润(LVSI)及肿瘤与SMV/门静脉(PV)接触角度方面差异均有统计学意义( P值均<0.001)。共获得CT动脉期1 029个组学特征，经Lasso回归降维后得到14个与SMV切缘相关的组学特征。单因素分析结果表明，动脉期组学分值、LVSI、肿瘤与SMV/PV接触角度均和SMV切缘显著相关( P值均<0.05)。多因素分析结果显示，高动脉期组学分值的患者发生SMV切缘阳性风险是低组学分值患者的3.63倍，越高的动脉期组学分值越容易发生SMV切缘阳性( P<0.0001)。以-0.711作为临界值，动脉期组学分值诊断SMV切缘的曲线下面积(AUC)为0.838，灵敏度为77.8%，特异度为75.6%，准确率为76.24%。决策曲线分析结果显示，当动脉期组学分值预测SMV切缘阳性的概率>0.02时使用动脉期组学分值预测比不使用更能让患者在临床中获益。 结论:MDCT动脉期影像组学分值与胰腺癌SMV切缘显著相关，可准确预测SMV切缘，为术前无创评价胰腺癌SMV切缘提供了一种新方法。

目的:探讨基于MRI影像组学特征的机器学习模型预测胰腺癌CD 8+T细胞浸润及患者预后的价值。 方法:回顾性分析2017年1月至2018年4月间海军军医大学第一附属医院156例术前7 d内接受MRI检查且术后经病理证实为胰腺癌患者的临床资料。依据国际预测模型建模共识，将2017年1月至12月共116例患者纳入训练集，2018年1月至4月共40例纳入验证集。以患者总生存期为结局变量，使用X-Tile软件获取CD 8+T细胞占比的截点值，以此为界值，将患者分为高CD 8+T细胞组和低CD 8+T细胞组，比较两组的临床、病理学和影像学特征。使用3D Slicer软件对每例患者MRI平扫的T 1加权、T 2加权以及三期动态增强原始横断面图像逐层勾画感兴趣区进行肿瘤分割，使用Python程序包提取分割后的胰腺肿瘤影像组学特征，采用最小绝对收缩和选择算子(Lasso)回归方法对提取到的组学特征进行降维和选择，根据Lasso回归方程公式计算患者的组学分值。然后采用极端梯度提升(XGBoost)建立机器学习预测模型。绘制受试者工作特征曲线(ROC)，计算曲线下面积(AUC)、灵敏度、特异度、准确度、阳性预测值和阴性预测值，评估模型的性能。 结果:X-Tile软件获取的CD 8+T细胞含量的截点值为19.09%。高CD 8+T细胞组患者中位生存时间比低CD 8+T细胞组患者更长(25.51个月比22.92个月， P＝0.007)；两组在训练集的T分期和验证集的MRI图像测量的肿瘤大小方面差异有统计学意义( P值均<0.05)。共获得MRI图像1 409个组学特征，经Lasso回归降维后得到19个与CD 8+T细胞含量相关的组学特征。高CD 8+T细胞组的组学分值为－0.43(－1.55~0.65)，低CD 8+T细胞组的组学分值为0.22(－0.68~2.54)，两组间差异有统计学意义( P<0.001)。将肿瘤大小和组学分值纳入机器学习模型，模型在训练集的AUC值为0.90(95% CI 0.85~0.95)，灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为75.47%，90.48%，0.84，0.87和0.81，在验证集的AUC值为0.79(95% CI 0.63~0.96)，灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为90.00%，80.00%，0.85，0.82和0.89。利用预测模型可以准确区分胰腺癌CD 8+T细胞高、低组患者。 结论:基于MRI影像组学特征的机器学习模型在预测胰腺癌CD 8+T细胞浸润上具有较高价值，有助于筛选可以从免疫治疗中获益的患者。