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.

医学图像是医生对患者进行病情诊断和治疗规划的有力工具.现今对于医学图像的分割不再局限于手工分割方法,通过传统方法与深度学习方法来实现医学图像分割已经取得更好、更准确的结果.本文基于近年来一些较为出众的医学图像创新分割方法进行综述,通过阐述深度学习方法如SAM、SegNet、Mask R-CNN和U-NET以及传统方法如活动轮廓模型、阈值分割模型创新等,对比各种图像分割方法的异同点,对医学图像分割方法做出总结与展望.以此来帮助学者们更好地了解目前的研究进展与未来的发展趋势.

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.

目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型,预测局部晚期宫颈鳞癌(locally advanced cervical squamous cell carcinoma,LACSCC)患者新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴结转移状况.材料与方法回顾性分析两个中心2013年1月至2022年2月的265例接受NACT并行根治性子宫切除术的LACSCC患者病例及影像,中心1的数据用于模型训练,中心2的数据用于模型验证.所有患者NACT治疗前行盆腔MRI检查.于矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)、轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)和延迟期矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)勾画肿瘤感兴趣区(region of interest,ROI)并提取影像组学特征.通过K最佳(K-Best)及最小绝对值收缩与选择算法(least absolute shrinkage and selection operator,LASSO)降维并筛选出与淋巴结转移强相关影像组学特征.基于每个序列筛选后的组学特征构建三个单序列模型,在所有特征间作相关性分析,排除高度相关的组学特征,并对临床变量进行多变量回归分析,融合临床变量及筛选后的影像组学特征构建临床-影像组学的组合模型,比较模型间性能差异.利用受试者工作特征(receiver operating characteristic,ROC)曲线及决策曲线(decision curve analysis,DCA)评估模型的诊断性能及临床效能.结果Sag_T2WI、Ax_DWI、Sag_T1C三个序列分别筛选出6、3、7个与淋巴结转移高度相关的组学特征,其中2个形状特征和10个纹理特征被纳入组合模型.多因素logistic回归分析显示MRI评估的淋巴结状态是淋巴结转移的预测因素(P<0.05).与单序列模型相比,组合模型具有更好的预测能力,在训练集和验证集的诊断能力最高,ROC曲线下面积、敏感度和特异度分别为0.848[95％(confidence interval,CI):0.785～0.912]、78.2％、74.4％和0.827(95％CI:0.737～0.917)、80.8％、69.4％.DCA显示如果风险阈值超过60％,则用组合模型预测LACSCC患者NACT后淋巴结状态可获得较大的临床效益.结论基于治疗前MRI,联合Sag_T2WI、Ax_DWI、Sag_T1C三个序列的组学特征及临床信息对LACSCC患者NACT后淋巴结转移具有较好的预测效能.

目的 探讨支气管肺泡灌洗液(bronchoalveolar lavage fluid,BALF)半乳甘露聚糖(galactomannan,GM)检测在非中性粒细胞缺乏患者侵袭性肺曲霉病(invasive pulmonary aspergillosis,IPA)诊断中的价值.方法 回顾性分析2014年1月至2021年12月住院并符合纳入标准的788例患者,根据EORTC/MSG诊断标准和专家共识,分为确诊IPA、临床诊断IPA、拟诊IPA和非IPA组,用统计学方法对BALF GM检测结果进行分析,比较不同阈值时BALF GM检测的灵敏度、特异性、约登指数.结果 4例确诊IPA、156例临床诊断IPA为病例组,非IPA 160例为对照组.对于BALF GM检测,ROC曲线分析当cut-off≥0.935时,约登指数为0.969,是最佳的界值点,灵敏度为98.8％,特异性为98.1％.当cut-off≥1.51时,灵敏度为78.8％,特异性为100.0％.结论 BALF GM检测在非中性粒细胞缺乏患者IPA诊断中具有重要意义.

目的 探究危重症患者肠内营养喂养不耐受的影响因素,并建立风险预测模型,为医护人员尽早识别患者肠内营养喂养不耐受提供工具.方法 检索中国知网、PubMed、Web of Science等国内外数据库,并补充检索纳入研究的参考文献和灰色文献,检索时间自建库至2022年11月.由2名经过系统培训的研究人员独立筛选、提取资料,并评价文献质量.使用Review Manager 5.4软件进行Meta分析,所得因素综合效应量OR值取自然对数为模型预测公式中各因素的系数,不耐受发生率和未发生率比值的自然对数为公式的常数项.采用便利抽样法,于2022年12月-2023年6月在南京市某三级甲等综合医院ICU收集360例符合纳入标准的患者为模型验证组,将收集的临床资料代入预测模型,以评价模型的区分度和校准度.结果 纳入13篇文献,获得7个报告次数≥3次且结果具有统计学意义的影响因素,为年龄[OR=0.97,95％CI(0.94,0.99),P=0.010]、急性生理与慢性健康状况评分Ⅱ[OR=1.17,95％CI(1.01,1.36),P=0.040]、合并糖尿病[OR=1.21,95％CI(1.05,1.40),P=0.008]、合并神经系统疾病[OR=0.85,95％CI(0.74,0.98),P=0.020]、进行机械通气[OR=3.21,95％CI(1.82,5.66),P＜0.001]、使用镇静镇痛剂[OR=2.27,95％CI(1.66,3.10),P＜0.001]、使用促胃动力药[OR=0.23,95％CI(0.15,0.36),P＜0.001].肠内营养喂养不耐受的发生率为35.00％.危重症患者肠内营养喂养不耐受风险预测模型为logit(P)=-0.619-0.031×年龄+0.157×急性生理与慢性健康状况评分Ⅱ+0.191×合并糖尿病-0.163x合并神经系统疾病+0.820×使用镇静镇痛剂+1.166×进行机械通气-1.470×使用促胃动力药.该模型的受试者操作特征曲线下面积为0.864,约登指数最大值为0.589,灵敏度为0.922,特异度为0.667,对应的临床诊断阈值为0.536.Hosmer-Lemeshow检验x2=13.410,P=0.098,Brier得分为0.195.结论 该研究构建的危重症患者肠内营养喂养不耐受风险预测模型具有普适性、科学性和实用性,为医护人员识别ICU肠内营养喂养不耐受提供了工具.

目的 探索自身免疫性脑炎(autoimmune encephalitis,AE)患者18F-氟代脱氧葡萄糖(fludeoxyglucose,FDG)正电子发射/磁共振计算机断层显像(positron emission tomography/magnetic resonance,PET/MR)表现,寻找提高疾病诊断效能的影像学标记物.材料与方法 回顾性分析25例AE患者(AE组)和11例健康对照(healthy controls,HC)(HC组)的资料.所有研究对象均采集头颅18F-FDG PET/MR影像.首先,使用统计参数图12(statistical parametric mapping 12,SPM12)处理包得出AE组FDG摄取异常脑区.然后,使用后处理工作站多模态脑分析软件提取脑区体积/全脑体积(volume/total intracranial volume,volume/TIV)和平均标准化摄取率(standardized uptake value ratio,SUVr)参数,比较AE组与HC组各个脑区volume/TIV和SUVr的组间差异,并分别选取volume/TIV和SUVr有显著差异的脑区绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算单一定量参数及定量参数两两联合的诊断效能.最后,进行DeLong检验选择最佳模型,绘制联合诊断校准曲线和决策曲线评估预测模型的准确性,置换检验用于评估统计量的显著性.结果 SPM12的分析显示,AE组脑干和小脑FDG摄取增高(P<0.001),而双侧额叶、顶叶、右侧枕叶FDG摄取减低(P<0.001).脑结构分析结果显示岛叶、扣带回、距状回volume/TIV减低(P<0.05),中扣带回、顶叶、楔叶、枕外侧回SUVr减低(P<0.05).ROC曲线分析发现左侧距状回的volume/TIV和左侧中扣带回的SUVr联合诊断效能(曲线下面积=0.964)最高.DeLong检验显示定量参数两两联合诊断效能与单一参数诊断效能差异具有统计学意义(P<0.05).校准曲线显示诊断模型的校准度一般,但决策曲线显示在一定风险阈值范围内患者可获得比较高的净收益.置换检验显示AE组及HC组的左侧距状回的volume/TIV和左侧中扣带回的SUVr之间差异具有统计学意义.结论 AE患者18F-FDG PET/MR存在某些特定脑区FDG代谢异常和脑体积改变,左侧距状回的volume/TIV和左侧中扣带回SUVr两个参数联合是潜在诊断AE的生物学标记物.

为比较浙江省各地市DRG点数法支付中差异系数的设置情况，对该省11个地市发布的11个点数支付实施细则进行全面梳理，发现浙江省各地市的差异系数可分为3大类，包括单独由医院系数构成，由医院系数和等级系数加权构成，以及由医院系数、等级系数、个人负担水平、病例组合指数、人头人次比等因素加权构成，其设置差异包括内涵构成、权重分配、阈值、医疗机构等级分类4个方面。应科学设置调整周期对差异系数进行动态调整，并综合考量分级诊疗、病种收治、收费标准、历史成本、人次人头比、个人负担水平等因素，通过省域协同推进差异系数的科学设定。

目的:对比 18F-前列腺特异性膜抗原（ 18F-PSMA）-1007 正电子发射体层摄影（PET）/CT与 18F-脱氧葡萄糖（ 18F-FDG）PET/CT在脑胶质瘤分级诊断中的应用价值。 方法:回顾性队列研究。纳入2022年8月—2023年3月西安交通大学第一附属医院脑胶质瘤患者32例，其中男16例、女16例，年龄19~79（50.3±13.2）岁。患者术前均行头颅 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT检查，2次扫描间隔时间均<1周；均接受颅内占位切除术治疗，术后病理WHO分级Ⅱ级14例、Ⅲ6例、Ⅳ级12例。根据WHO分级将患者分为2组：Ⅲ~Ⅳ级18例为高级别胶质瘤（HGG）组，Ⅱ级14例为低级别胶质瘤（LGG）组。观察指标：（1）比较HGG组和LGG组在 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT图像中病灶最大标准摄取值（SUVmax）、肿瘤/背景比值（TBR）的差异，统计2种不同示踪剂PET/CT显像在诊断HGG和LGG时的灵敏度、特异度和准确度。绘制受试者操作特征曲线并计算曲线下面积（AUC），评估2种示踪剂在胶质瘤分级中的诊断效能。（2）统计HGG组和LGG组中 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT能够清晰显示病灶边界的病例数，比较2种显像方法在显示病灶边界清晰度上的差异。 结果:LGG组 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT的SUVmax分别为0.69±0.32、8.87±3.20，TBR分别为1.05±0.45、0.89±0.30；HGG组 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT的SUVmax分别为5.39±3.88、11.85±3.54，TBR分别为12.99±10.60、1.25±0.54。LGG组 18F-PSMA-1007 PET/CT和 18F-FDG PET/CT的SUVmax、TBR均小于HGG组，差异均有统计学意义（ P值均<0.05）。 18F-PSMA-1007 PET/CT的SUVmax和TBR对HGG和LGG分级诊断的灵敏度、特异度、准确度和AUC均高于 18F-FDG PET/CT。 18F-PSMA-1007 PET/CT中TBR的AUC最高，为0.988（95%可信区间 0.960~1.000），相应的阈值为2.15； 18F-FDG PET/CT TBR的AUC最低，为0.694（95%可信区间 0.512~0.877），相应的阈值为0.97。 18F-PSMA-1007 PET/CT图像上HGG组和LGG组清晰显示病灶边界的病例均高于 18F-FDG PET/CT图像，差异均有统计学意义（ P=0.039、0.016）。 结论:18F-PSMA-1007 PET/CT在胶质瘤分级诊断中具有潜在的诊断价值。与 18F-FDG PET/CT相比， 18F-PSMA-1007 PET/CT在区分高级别和低级别脑胶质瘤时，具有更高的灵敏度、特异度、准确度和诊断效能，可更清晰地描绘病变边界。

目的:探讨 18F－FDG PET/CT显像对噬血细胞性淋巴组织细胞增生症(HLH)的病因诊断能力。 方法:回顾性分析2017年1月至2023年1月于济宁医学院附属医院行 18F－FDG PET/CT显像的49例初诊HLH患者(男32例、女17例，年龄19～61岁)。观察并记录PET/CT显像结果及临床资料。以病理学检查及临床随访结果为标准，计算PET/CT、PET、CT显像对HLH病因的诊断效能；采用 χ2检验、两独立样本 t检验、Mann－Whitney U检验比较血液系统肿瘤相关性HLH与非血液系统肿瘤相关性HLH间PET/CT显像特征及临床指标的差异；采用多因素logistic回归分析血液系统肿瘤继发HLH的预测因素；采用ROC曲线分析计算血液系统肿瘤患者淋巴结SUV max、可溶性CD25(sCD25)预测继发HLH的AUC和最佳阈值。 结果:PET/CT、PET、CT在HLH病因诊断中的灵敏度、特异性、准确性、阳性预测值、阴性预测值分别为85.7%(30/35)、8/10、84.4%(38/45)、93.8%(30/32)、8/13；77.1%(27/35)、6/10、73.3%(33/45)、87.1%(27/31)、6/14；62.9%(22/35)、5/10、60.0%(27/45)、81.5%(22/27)、5/18。不同病因组间淋巴结分布及边界、肝脾及骨骼病变特征、淋巴结及肝、脾、骨骼SUV max、性别、年龄、WBC、中性粒细胞(ANC)、PLT、乳酸脱氢酶(LDH)、总胆红素(TBIL)、C反应蛋白(CRP)、sCD25差异均有统计学意义( χ2值：3.91～9.66， t值：3.75～7.90, z值：3.82～4.01，均 P<0.05)。淋巴结SUV max、sCD25为血液系统肿瘤继发HLH的预测因素[比值比( OR)：1.28(95% CI：1.09～1.72)、1.56 (95% CI：1.17～2.49)， P值：0.004、0.013]；预测最佳阈值分别为12.6、40 028 ng/L，AUC分别为0.87、0.76，灵敏度和特异性分别为88.6%(31/35)和8/10、65.7%(23/35)和7/10；两者结合后AUC为0.83，灵敏度和特异性分别为74.3%(26/35)和9/10。 结论:18F－FDG PET/CT显像对HLH病因诊断具有较高价值；淋巴结SUV max、sCD25为血液系统肿瘤继发HLH的预测因素。