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 探讨卵巢-附件影像报告和数据系统(O-RADS)联合经阴道三维超声鉴别附件肿瘤良恶性的价值.方法 回顾性分析2022年1月至2023年4月在我院行经阴道二维及三维超声检查并进行手术的214个附件肿瘤,分析肿瘤的二维及三维超声图像并采用O-RADS分类,以病理结果为金标准,绘制受试者工作特征(ROC)曲线,评估二维及三维经阴道超声鉴别附件肿瘤良恶性的效能.结果 214个附件肿瘤中,病理诊断为良性180个,恶性34个,经阴道三维超声的曲线下面积(AUC)、灵敏度、特异度及准确率分别为 0.920(Z=2.72,P=0.006)、91.2％(P=0.003)、92.8％(x2=72.01,P＜0.001)、92.5％(x2=111.57,P＜0.001),均高于经阴道二维超声,差异有统计学意义.结论 与经阴道二维超声相比,O-RADS联合经阴道三维超声鉴别附件肿瘤良恶性的价值更高.

目的 本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用.方法 使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像.在选取适当层面后,裁剪并用于SMRNet的训练.SMRNet对单个MRI切片上ACL损伤的概率进行最终判断.4名临床医师对相同图像进行读片诊断.结果 SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00％、94.00％、95.50％、94.17％和96.91％.医师的整体阅片情况类似,敏感性区间91.00％～96.00％、特异性区间90.00％～94.00％、准确性区间90.50％～95.00％、阳性预测值区间90.09％～94.12％、阴性预测值区间90.90％～95.92％,二者差异无统计学意义(P＞0.05).结论 经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力.未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案.

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 建立并验证基于CCTA影像组学和临床特征的列线图在鉴别易损斑块的临床应用价值.方法 选取接受CCTA检查的冠状动脉疾病(coronary artery disease,CAD)患者 102 例共 108 个斑块的临床资料,其中易损斑块 35个,稳定斑块 73 个.以 8∶2 比例随机划分为训练集(n=87)及测试集(n=21).在CCTA图像中手动勾画斑块感兴趣区并提取影像组学特征.采用Mann-Whitney U检验、Pearson相关系数及LASSO算法进行特征筛选,构建影像组学模型并计算影像组学评分(Radscore).结合临床特征和Radscore构建列线图模型.最后通过ROC曲线、校准曲线和决策曲线评估模型的效能及临床应用价值.结果 最终筛选得到 8 个最优影像组学特征.结合临床和影像组学特征的列线图模型在训练集及测试集中的曲线下面积值(area under the cure,AUC)分别为 0.999、0.929.校准曲线显示列线图预测结果与实际结果之间具有良好的一致性.决策曲线显示列线图具有更好的临床益处.结论 结合CCTA影像组学特征和临床特征的列线图模型能够客观、准确地鉴别易损斑块,具有较高的诊断效能,为后续临床决策提供建议.

目的 探讨高浓度对比剂碘美普尔 400 结合低毫安秒应用于头颈部CTA检查的可行性.方法 选取本院行头颈CTA检查的 80 例患者,随机均分为两组,对照组采用 50 ml碘克沙醇(320 mgI/ml)及自动管电流;观察组采用 40ml碘美普尔(400 mgI/ml)及 70%自动管电流,扫描管电压及其它参数两组均一致.对图像质量进行评分,同时计算图像质量以及辐射剂量评价指标,比较所有指标的差异.结果 两组患者一般资料具有可比性(均P>0.05).两组增强图像血管噪声、信噪比(SNR)、对比噪声比(CNR)差异无统计学意义(t=-1.14～1.43,均P>0.05).观察组层面增强血管CT值高于对照组,且辐射剂量低于对照组,差异有统计学意义(P<0.001);所有图像均能满足临床诊断要求.结论 采用高浓度对比剂联合低管电流行头颈部CTA检查可在降低辐射剂量的同时保证图像质量.

目的 探讨基于胸部CT影像组学特征构建的模型对Ⅰ期尘肺病的诊断价值.方法 选取 202 例诊断为尘肺Ⅰ期和 199 例健康体检者的临床及胸部CT资料,按照 7:3 的比例随机分为训练集组及验证集组,使用 3D-slicer软件在CT肺窗图像上勾画感兴趣区(ROI)并提取特征,利用最小绝对收缩和选择算子(LASSO)算法对影像特征进行筛选,然后采用支持向量机(SVM)算法,建立CT组学模型并采用受试者工作特征曲线下面积(AUC)和决策曲线分析(DCA),评估预测模型的效能和临床实用性.结果 共提取出 851 个特征,最终筛选出 9 个特征建立CT影像组学模型,该模型训练集组的AUC为 0.930(95%CI 0.901～0.963),验证集组的AUC为 0.820(95%CI 0.742～0.895),DCA曲线显示该模型具有较好的净收益.结论 基于CT图像的影像组学模型能有效鉴别正常和Ⅰ期尘肺,对于Ⅰ期尘肺有重要的诊断价值.

目的:探讨基于磁共振DWI的影像组学模型对子宫内膜癌(EC)微卫星不稳定(MSI)状态的预测价值.方法:回顾性分析2019年5月—2023年1月在本院确诊为EC的81例患者的DWI资料.其中,MSI组29例,微卫星稳定组(MSS)52例.在DWI图像上沿病变边缘逐层勾画ROI后生成容积ROI(VOI)并提取影像组学特征,并在生成的ADC图像上测量病灶的ADC值.采用最小绝对收缩和选择算子(LASSO)和SelectKBest算法进行组学特征的筛选,然后采用决策树(DT)分析方法构建组学预测模型.使用受试者工作特征(ROC)曲线评估模型的诊断效能,采用Delong检验比较影像组学模型与ADC之间诊断效能的差异.基于1000次采样的Bootstrap算法和校准曲线来验证预测模型的临床应用价值.结果:MSI组的ADC值小于MSS组(P=0.008).模型构建方面,共筛选出5个最优DWI影像组学特征(2个一阶统计特征、1个直方图灰度共生矩阵特征、1个灰度共生矩阵特征和1个灰度游程长度矩阵特征)用于建立预测模型.诊断效能方面,DWI组学预测模型的AUC为0.927(95％CI:0.847～0.973),较ADC值的诊断效能(AUC=0.771,95％CI:0.664～0.857)显著增加(Z=2.436,P=0.015).模型验证方面,在基于Bootstrap算法的验证中,DWI组学预测模型亦显示出较高的效能,AUC为0.904(95％CI:0.885～0.916);同时,校准曲线显示该模型的预测值与实际观测值之间有较好的一致性.结论:基于DWI影像组学特征构建的预测模型较ADC值能更好地对EC患者的MSI状态进行术前评估,有望为临床诊疗提供一种新的选择.

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.

眼眶肿瘤的位置和组织病理学表现各不相同,给诊断带来了挑战.尽管成像技术的进步改善了这一问题,但其分类与鉴别仍是一项挑战.机器学习作为人工智能的关键分支在医疗领域已取得了一定的成果,尤其是其与影像学、眼科学的结合极大地促进了眼眶肿瘤的精准治疗,其在肿瘤鉴别、病灶分割及图像重建等方面已经展现出极大的潜力和广阔的应用前景,有望在提升眼眶肿瘤诊断水平的同时降低临床实践成本.本文就基于MRI的机器学习技术在眼眶肿瘤中的应用进行综述,旨在为临床医师和放射科医生就眼眶肿瘤的诊断、治疗及预后提供思路,并进一步促进机器学习在该领域的应用与普及推广.