1 案 例1.1 简要案情及病史摘要薛某,女,60岁,某年5月14日发生交通事故受伤,伤后以"车祸致面部裂伤、胸部疼痛1h"为主诉入院.

目的 研究小儿急性化脓性骨髓炎早期筛查中应用磁共振成像(MRI)检查的作用.方法 选取我院2020年8月-2023年1月收治的62例急性化脓性骨髓炎患儿为研究对象,所有患儿均行X线、MRI检查,比较比较患儿不同发病时间X线、MRI检查图像表现及不同检查方式骨髓异常、软组织病变检出情况.结果 患儿发病1周内X线检查均未见异常图像表现,发病8-14d可见软组织肿胀,肌肉骨膜间距、皮下脂肪层厚度改变;而MRI检查在发病3-4d即显示STIR高信号、均匀低等T1信号,发病5-7d可见混杂信号及骨膜水肿表现,发病8-14d可见等低T1WI信号、等高T2WI信号及骨膜下脓肿表现.MRI检查骨髓异常、软组织病变检出率分别为100.00％、90.32％,与X线检查的19.35％、48.39％相比均更高(P＜0.05).结论 MRI检查能够早期诊断小儿急性化脓性骨髓炎,应用价值较高.

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 探讨基于最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析构建Nomogram模型预测原位腺癌(AIS)、微浸润腺癌(MIA)及浸润性腺癌(IAC)的价值.方法 选取本院 97 例经手术病理证实且病理亚型明确的肺腺癌患者,将AIS和MIA归为第 1 组,IAC为第 2 组,比较两组患者年龄、性别、吸烟史、长径、短径及免疫组化Ki-67 等临床医学特征差异,采用 3D Slicer软件进行图像分割,特征提取与选择,通过LASSO算法对特征进行降维,筛选影像组学特征构建预测模型.再采用R软件的rms工具包构建Nomogram模型,计算ROC曲线下面积(AUC),以评价Nomogram模型鉴别肺磨玻璃结节病理亚型的效能.结果 1)性别、吸烟史、长径、短径及免疫组化Ki-67 等临床医学特征均差异无统计学意义(P>0.05);2)筛选 7 个 CT 影 像 组 学 特 征:平面度、大依赖低灰度强调、小波变换LHL第十百分位、小波变换HLL第十百分位、小波变换最小值、小波变换均值及小依赖低灰度强度比较,差异均有统计学意义(P均<0.05);3)基于CT影像组学特征建立预测肺磨玻璃结节病理亚型的Nomogram模型,训练集中AUC为 0.863,准确率为 87.9%,灵敏度为 67.9%,特异度为 91.1%;验证集中 AUC为 0.792,准确率为 75.0%,灵敏度为66.7%,特异度为 90.5%,可见此Nomogram模型具有较好的预测效能.结论 对于预测肺腺癌浸润程度,Nomogram 模型具有明显优势,可作为一种鉴别手段.

目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值.材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例.所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描.在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值.在APT重建图像上进行肿瘤病灶分割并提取影像组学特征.采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900).采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选.基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能.结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05).联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825.DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05).决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值.结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持.

目的:评估成像系统多因素尤其是图像几何精度对靶区和危及器官勾画的影响.方法:使用模体测试1.5T磁共振直线加速器系统的成像性能,包括磁共振图像几何失真评估以及由图像几何失真等因素引起的勾画偏差评估.使用Model 604-GS大场磁共振图像失真模体对磁共振引导放疗流程的磁共振图像进行几何失真度测试;同时使用CIRS Model 008z上腹部模体进行相关靶区及OAR的勾画差异分析.结果:几何失真度结果显示,3D T1WI-FFE图像平均几何失真度0.54 mm,最大失真度1.96 mm;3D T2WI-TSE图像平均几何失真度0.53 mm,最大失真度1.68 mm,其中较大失真度的控制点分布于模体边缘,符合既往报道的磁共振图像特性.基于CT的勾画与基于3D T1WI-FFE和3D T2WI-TSE图像的勾画平均结果分别为MDA=1.17 mm,DSC=0.91;MDA=0.86 mm,DSC=0.94.结论:本研究定量评估了磁共振引导放疗成像系统的几何精度.基于仿真模拟人的勾画分析表明相对于CT图像,基于磁共振图像的勾画差异符合临床要求,同时3D T2WI-TSE图像在勾画精度相比于3D T1WI-FFE图像更有优势.

目的 探索基于深度学习实现丘脑底核脑深部电刺激术(subthalamic nucleus deep brain stimulation,STN-DBS)自动化核团标注、手术靶点定位及电极植入路径规划.方法 来自北部战区总医院神经外科行双侧STN-DBS手术的155例患者的影像资料.首先,采用3D UX Net卷积神经网络基于MRI图像提取深度学习特征并完成丘脑底核(subthalamic nucleus,STN)及红核(red nuclei,RN)的分割;然后通过算法实现丘脑底核的自动化靶点定位;最后在规定的皮层入路点范围区域内生成不多于4根的电极植入路径.通过人工审查验证靶点及电极植入路径的临床可行性.结果 通过3D UX Net卷积神经网络算法进行核团分割,红核分割性能的Dice值为0.90.STN分割性能的Dice值为0.84.自动化生成STN靶点经人工审查验证可行的坐标与人工手术规划STN靶点坐标的欧几里得距离为(1.2±0.4)mm.25例测试集中自动化STN靶点定位及电极植入路径通过人工审查可行有20例(20/25),自动化靶点定位及电极路径与人工规划靶点及路径差异无统计学意义(P=0.059).结论 3D UX Net卷积神经网络可以较精确地分割STN及红核,通过自动化靶点定位及路径规划的STN-DBS手术计划临床可行且耗时短,可以为临床医生手术前规划提供参考.

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度.在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型.在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17 min/例)明显高于医生人工诊断(4.57 min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断.TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务.

目的 探讨宫颈癌腔内近距离放射治疗中宫腔管不同重建点对源驻留位置及计划剂量学的影响.方法 回顾性分析2020年5月至2022年10月在柳州市工人医院完成根治性放射治疗的43例宫颈癌患者的资料.患者年龄32～79岁,病理类型为鳞癌40例,腺癌3例,均接受外照射(50.4 Gy分28次)和CT引导下的腔内(45°宫腔管)近距离治疗(36 Gy分6次).近距离治疗采用Fletcher施源器,其宫腔管弯曲角度有15°、30°和45°.为每位患者模拟制订2套近距离治疗计划.一套计划提取患者近距离治疗CT模拟定位图像及原始计划,将45°宫腔管弯曲部分重建点调整为逐层重建,根据处方优化计划至符合临床要求,称为逐层组.另一套计划以逐层组为模板,仅调整45°宫腔管弯曲部分重建点至1、3、5、7个,不修改驻留权重及其他参数,分别称为平均1、3、5、7组.对15°、30°和45°宫腔管分别进行不同重建点个数时的偏差分析,比较45°、30°与15°宫腔管在不同重建点时的重建偏差.采用配对样本t检验或Wilcoxon符号秩检验比较45°宫腔管的两组计划的高危临床靶区(HR-CTV)D30％、D90％、D100％、V100％、V150％、V200％和适形指数(CI),及膀胱、直肠和小肠的D2cm3、D1cm3、D0.1cm3的差异.结果 45°宫腔管平均组重建偏差主要来源于宫腔管垂直方向.45°(1、3、5、7个重建点)、30°(1、3、5个重建点)与15°(1、2个重建点)宫腔管的平均重建偏差分别为1.30、0.32、0.14、0.08 mm,0.57、0.14、0.06 mm,0.14、0.06 mm.逐层组的HR-CTV参数与平均5组、平均7组的差异均无统计学意义(均为P＞0.005),平均5组与平均7组间的剂量学参数差异也无统计学意义(均为P＞0.005).膀胱和直肠的剂量学参数在逐层组与平均组之间或在各平均组之间差异均无统计学意义(均为P＞0.005).逐层组的小肠剂量学参数较平均1组增加,差异有统计学意义(P值分别为0.002,＜0.001,＜0.001),逐层组的小肠剂量学参数分别与平均5组和平均7组比较差异均无统计学意义(均为P＞0.005),平均5组的小肠剂量学参数与平均7组比较差异无统计学意义(均为P＞0.005).平均组小肠D0.1 cm3、D1 cm3和D2cm3的剂量偏差在1个重建点时分别为2.41％±1.70％、1.95％±1.27％和1.71％±1.10％.结论 宫颈癌腔内近距离放射治疗中,建议15°、30°与45°Fletcher宫腔管弯曲部分重建点应分别不少于1、3和5个.