目的 探讨小肝癌(SHCC)的增强磁共振成像(MRI)特征并分析其诊断价值.方法 选取2018年7月～2023年5月在本院收治的疑似SHCC患者63例作为研究对象,所有患者均行增强MRI与MRI平扫检查,以手术病理结果或病理活检为"金标准",采用Kappa-致性检验,比较两种检查方式对SHCC的诊断价值,采用单因素和多因素Logistic回归分析确定SHCC的因素.结果 63例疑似SHCC患者中共46例(73.02％)SHCC阳性,17例阴性.MRI平扫的确诊率78.26％(36/46)低于增强MRI确诊率93.48％(43/46)(P＜0.05).MRI平扫时T1WI序列以低信号居多,T2WI序列以高信号和略高信号为主;增强MRI扫描时,动脉期明显强化,门静脉期和延迟期强化下降,信号降低.MRI平扫诊断SHCC的灵敏度、特异度、准确率、阳性预测值、阴性预测值和Kappa系数值分别为78.26％、82.35％、79.37％、92.31％、58.33％和0.536,增强MRI诊断SHCC的灵敏度、特异度、准确率、阳性预测值、阴性预测值和Kappa系数值分别为93.48％、94.11％、93.65％、97.73％、84.21％和0.845,其中增强MRI诊断的灵敏度和准确率均高于MRI平扫(P均＜0.05).Logistic回归分析,结果显示MRI平扫T1WI序列低信号、T2WI序列高信号或略高信号、MRI增强扫描动脉期明显强化、门静脉期信号降低均为诊断SHCC阳性的独立危险因素(P＜0.05).结论 较于MRI平扫检查,增强MRI检查对SHCC的诊断价值更高,具良好的应用价值.

目的 分析磁共振成像(MRI)多序列扫描结合血清鳞状细胞癌抗原(SCCA)、糖类抗原153(CA153)、血管内皮生长因子(VEGF)对宫颈癌的诊断价值及对预后的评估价值.方法 以2016年6月至2020年6月本院收治的269例宫颈癌患者(恶性组)为研究对象,另选取同期经病理学诊断证实为宫颈良性病变患者120例作为良性组,同时以出院后3年内复发情况为终点将宫颈癌患者分为复发组(n=40)及未复发组(n=229).所有患者均在入院后行MRI动态增强成像(DCE)及扩散加权成像(DWI)检查,获取定量参数;均测定血清SCCA、CA153、VEGF水平.以受试者特征工作曲线(ROC)分析MRI多序列扫描参数结合血清SCCA、CA153、VEGF对宫颈癌的诊断价值及对预后的评估价值.结果 恶性组的ADC值低于良性组,容积转运常数(Ktrans)、速率常数(Kep)、血管外细胞外间隙容积比(Ve)及血清SCCA、CA153、VEGF水平高于良性组(P＜0.05);复发组的ADC值低于未复发组,Ktrans、Kep、Ve及血清SCCA、CA153、VEGF水平高于未复发组(P＜0.05).ROC曲线分析结果显示,MRI多序列扫描参数联合血清SCCA、CA153、VEGF评估宫颈癌的曲线下面积(AUC)为0.971,灵敏度为94.1％％,特异性为93.2％;MRI多序列扫描参数联合血清SCCA、CA153、VEGF评估宫颈癌患者预后的AUC为0.938,灵敏度为93.0％,特异性为80.6％,联合评估的效能均优于各指标单独评估.结论 MRI多序列扫描参数、血清SCCA、CA153、VEGF对宫颈癌的诊断及预后评估均具有一定的价值,且MRI多序列扫描参数结合血清学指标可显著提升其诊断效能.

目的 通过对多模态MRI指标与临床指标结合分析,建立复杂性肛瘘术后肛门排粪失禁预测模型,并对模型进行验证.方法 回顾性分析2020年1月至2023年5月我院肛肠科收治的71例复杂性肛瘘患者资料.统计术后三个月是否有肛门失禁症状,根据肛门失禁进行分组,结合患者多模态MRI数据指标及临床指标等变量进行Logistic回归分析,建立术后肛门失禁预测模型.结果 71例患者中,最终共纳入71人,其中男性65人,年龄21至63岁,平均年龄39.23±10.71岁,经括约肌型46例,括约肌上型25例.Logistic回归分析结果显示,MRI肛瘘分型、MRI病变直径、肛门外括约肌(exteral anal sphincter,EAS)萎缩分级、EAS厚度、年龄是复杂性肛瘘术后并发肛门失禁的独立危险因素(P＜0.05).依此进行因素筛选从而构建预测模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线,曲线下面积(area under the curve,AUC)为0.940(P＜0.001),模型预测质量评分0.87分,有较高的预测效能.结论 MRI多模态成像指标结合临床风险因素建立的预测模型准确度良好,可以在治疗前方案的制订提供良好的影像学证据与参考,可以更好对肛门失禁情况进行提前预判.

目的:探讨基于多序列MR图像所构建的影像组学模型在预测脑胶质瘤Ki-67表达水平中的价值.方法:回顾性分析2017年1月—2023年5月经病理检查证实的114例胶质瘤患者的MRI图像和临床特征.根据肿瘤标本检测获得的Ki-67表达水平,将患者分为高表达组(n=54)和低表达组(n=60).将所有患者按7︰3的比例随机分为训练集79例(高表达组37例,低表达组42例)和测试集35例(高表达组17例,低表达组18例).使用ITK-SNAP软件,在CE-T1WI图像上沿胶质瘤边缘逐层勾画ROI,获取肿瘤全域容积ROI(VOI).然后使用"Pyradiomics"软件包,分别自T1WI、CE-T1WI、T2WI和T2-FLAIR图像上提取肿瘤VOI的影像组学特征.采用t检验和递归特征消除法进行特征筛选,利用随机森林方法建立预测Ki-67表达水平的临床-影像模型、影像组学模型及联合模型.采用ROC曲线下面积(AUC)和DeLong检验来评估和比较上述模型的效能.使用校准曲线和Hosmer-Lemeshow检验分析模型的拟合优度,并通过决策曲线分析(DCA)评估各个模型的临床应用价值.结果:临床-影像模型、影像组学模型和联合模型在训练集和测试集中的AUC分别为0.791(95％CI:0.685～0.874)和0.716(95％CI:0.538～0.855)、0.907(95％CI:0.820～0.961)和0.866(95％CI:0.708～0.957)、0.964(95％CI:0.896～0.993)和0.908(95％CI:0.760～0.979),以联合模型的的AUC最大.Delong检验结果显示,联合模型的预测效能优于临床影像模型(训练集P<0.001;测试集P=0.018),但与影像组学模型之间的差异无统计学意义(P>0.05).Hosmer-Lemeshow检验结果显示联合模型校准曲线的拟合度良好(P>0.05).DCA结果显示,当风险阈值为0.11～0.89时,联合模型的临床净效益高于影像组学模型.结论:基于临床、影像特征及多序列MRI影像组学特征构建的联合模型对术前预测胶质瘤Ki-67表达水平具有一定价值.

目的采用基于体素的形态学分析(voxel-based morphometry,VBM)及脑白质高信号(white matter hyperintensity,WMH)半定量评估研究高血压患者脑灰白质体积及WMH的变化.材料与方法本试验为前瞻性研究,纳入2019年1月至2022年11月南京大学医学院附属苏州医院高血压确诊病例及健康对照者.入组病例均进行薄层sT1WI序列检查,图像数据导入EKM-KELM+分类算法模型,进行自动解剖标记(anatomical automatic labeling,AAL)脑区分割,计算每个脑区的灰质体积(gray matter volume,GMV)、白质体积(white matter volume,WMV)及全脑体积(total intracranial volume,TIV),每个脑区灰白质体积分别采用灰或白质体积/TIV的比值表示.同时对液体衰减反转恢复(fluid attenuated inversion recovery,FLAIR)序列图像中的WMH进行Scheltens视觉定量评估.结果(1)本研究共纳入509例,其中,青年组(20～40岁)136例,中年组(41～60岁)218例,老年组(61～80岁)155例,组内性别、血压级别均无统计学差异(P>0.05);(2)青年组GMV/TIV比较显示,不同高血压级别在左嗅皮质(P=0.031)、左额直回(P=0.036)、右额直回(P=0.022)、右枕下回(P=0.011)差异具有统计学意义;青年组WMV/TIV比较显示,在左侧中央前回(P=0.041)、左侧颞中回(P=0.033)、左侧后扣带回(P=0.001)、右侧后扣带回(P=0.041)、右侧枕下回(P=0.019)差异具有统计学意义;(3)中年组GMV/TIV比较显示,不同高血压级别在左辅助运动区体积差异具有统计学意义(P=0.036),WMV/TIV比较差异均无统计学意义;(4)老年组GMV/TIV比较显示,不同高血压等级在右侧嗅皮质体积差异具有统计学意义(P=0.047),WMV/TIV比较差异均无统计学意义;(5)WMH Scheltens视觉评分显示:青年组差异均无统计学意义(P>0.05);中年组脑室旁WMH(额角、枕角、侧脑室旁)差异具有统计学意义(P=0.028、0.032、0.020),深部白质(额叶)差异具有统计学意义(P=0.024);老年组脑室旁WMH(额角)、深部白质(额叶)及基底节白质区(苍白球)差异具有统计学意义(P=0.022、0.024、0.015).结论MRI多模态半定量分析可以有效评估高血压患者脑体积及WMH变化,青年组随着高血压级别升高脑GMV变化的脑亚区较中老年组变化的脑亚区多;中老年组WMH较青年组更易出现.

宫颈癌(cervical cancer,CC)是我国女性癌症中第五大常见癌症,且发病有年轻化的趋势,严重威胁女性的生命健康.不同分期及风险者治疗方案不尽相同,随着保育手术普及,对术前精准分期和风险评估提出了更高的要求.MRI是CC诊断、分期和疗效评估的重要方法.但MRI常规序列对CC的诊断及评估受限于主观经验,且缺乏客观定量,准确性欠佳.MRI功能成像及定量成像等新技术,能提供血流动力学改变、组织微观结构的变化、肿瘤乏氧环境以及细胞增殖和蛋白代谢等多维度的精准定量信息,用于CC术前精准诊断和风险评估,为全面了解肿瘤的病理生理、代谢等提供可视化依据.借助人工智能技术挖掘影像大数据,有助于解决临床难题.本文将针对CC分期、疗效及是否复发评估等临床难题,综述MRI功能成像及定量成像在CC诊疗中的应用进展,以推动其临床应用,提升诊疗水平.

目的本研究旨在结合传统MRI序列及增强检查,提取多模态高通量影像组学特征并联合语义特征,使用不同的机器学习分类器构建不同的模型并绘制列线图来鉴别高级别胶质瘤(high-grade glioma,HGG)和单发性脑转移瘤(solitary brain metastasis,SBM).材料与方法本研究对101名患者的多参数MR图像进行了回顾性分析,由两位资深医师标定肿瘤感兴趣区,然后对每个序列分别提取影像组学特征后进行组合,共提取428组影像组学特征.为消除人为标定差异,进行组内相关系数一致性检验,并运用最大相关最小冗余算法选取最具相关性的特征,然后进一步通过最小绝对收缩和选择算子算法筛除冗余特征.本研究采用支持向量机、逻辑回归、随机森林及K近邻四种算法建立分类模型.结合放射科医生评估的七项语义特征,通过卡方检验和多因素分析去除差异无统计学意义的语义特征.然后结合组学特征建立综合模型并绘制列线图.最终,评价各模型的诊断能力,以确定最优分类器.结果HGG及SBM患者建立的影像组学模型中LR的受试者工作特征曲线下面积(area under the curve,AUC)值最高,训练集与测试集分别为0.90和0.90.语义特征建立的模型中随机森林模型性能最好,训练集和测试集AUC分别为0.82和0.87.语义特征联合影像组学评分后采用逻辑回归建立的模型性能最好,训练集和测试集AUC分别为0.91和0.92.结论本研究使用影像组学机器学习分类器并联合其他图像语义特征绘制列线图对HGG及SBM进行鉴别,这是一种非侵入性方法,具有较好的准确性,为临床决策和实践提供了较大的帮助.

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)影像组学特征构建模型预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)新辅助化疗(neoadjuvant chemotherapy,NACT)后淋巴脉管间隙浸润(lymphovascular space invasion,LVSI)状态.材料与方法回顾性分析了300例于2013年至2022年来自于河南省人民医院(训练集187人,LVSI阳性73人)和河南省肿瘤医院(验证集113人,LVSI阳性31人)接受NACT并行根治性子宫切除术LACC患者的临床及影像资料.于轴位弥散加权成像(axial diffusion-weighted imaging,Ax_DWI)、矢状位T2加权成像(sagittal T2-weighted imaging,Sag_T2WI)和矢状位对比增强T1加权成像(sagittal T1-weighted contrast-enhanced imaging,Sag_T1C)上勾画肿瘤感兴趣区(region of interest,ROI)并提取特征,利用递归特征消除算法与最小绝对值收缩与选择算法筛选影像组学特征.随后,基于逻辑回归分类器分别建立单序列模型,双序列模型及基于三序列组学特征的联合序列模型.使用受试者工作特征(receiver operating characteristic,ROC)曲线评估各模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC),通过决策曲线评估模型的临床价值.结果在验证集中,基于Ax_DWI、Sag_T2WI及Sag_T1C构建的单序列模型的AUC分别为0.717[95％置信区间(confidence interval,CI):0.605～0.829]、0.734(95％CI:0.633～0.836)和0.733(95％CI:0.626～0.841);基于Ax_DWI+Sag_T2WI、Ax_DWI+Sag_T1C及Sag_T2WI+Sag_T1C构建的双序列模型的AUC值分别为0.763(95％CI:0.660～0.866)、0.786(95％CI:0.692～0.881)与0.815(95％CI:0.731～0.899);联合序列模型的AUC值为0.829(95％CI:0.740～0.914),高于各单序列模型与双序列模型,但联合序列模型与Ax_DWI模型、Sag_T2W1模型及Ax_DWI+Sag_T2W1模型之间AUC差异无统计学意义(P=0.015～0.047).决策曲线显示联合序列模型的临床净效益高于单序列模型与各双序列模型.结论基于治疗前mpMRI影像组学特征构建的联合序列模型可有效预测LACC患者NACT后的LVSI状态.

目的 本研究旨在探讨基于延迟进动定制激发(delay alternating with nutation for tailored excitation,DANTE)和可变翻转角快速自旋回波(sampling perfection with application-optimized contrasts by using different flip angle evolutions,SPACE)的多序列磁共振血管壁成像(magnetic resonance vessel wall imaging,MR-VWI)对下肢动脉病变(lower extremity arterial disease,LEAD)的诊断价值.材料与方法 回顾性分析了57例LEAD患者和26例无LEAD患者的病例及影像资料.所有患者均在3.0 T MRI设备上接受了T2快速自旋回波序列(turbo spin echo,TSE)、T1w DANTE-SPACE、对比增强(contrast enhancement,CE)T1w DANTE-SPACE和CE磁共振血管造影(magnetic resonance angiography,MRA)MR-VWI扫描.两名放射科医师在双盲条件下分别测量了T1w DANTE-SPACE和T2w TSE序列图像相应位置的管腔面积(lumen area,LA)、管壁面积(vessel wall area,VWA)、平均管壁厚度(average vessel wall,AVW)和最大管壁厚度(maximum vessel wall,MVW)等形态学指标.每位医师在3周间隔后对相同指标进行了重复测量.采用组内相关系数(intra-class correlation coefficients,ICC)和Bland-Altman方法评估了两种扫描技术以及不同组别之间的T1w DANTE-SPACE形态学测量指标的观察者一致性和可重复性.使用受试者工作特征(receiver operating characteristic,ROC)曲线评估了准确性.结果 T1w DANTE-SPACE与T2w TSE成像技术的信噪比(signal-to-noise ratio,SNR)和对比度比(contrast-to-noise ratio,CNR)差异有统计学意义(P<0.05),两名观察者对形态学测量指标的ICC值在0.85～0.99之间.在不同组别中,T1w DANTE-SPACE形态学测量指标的两次测量ICC值为0.90～0.99.Bland-Altman分析显示,观察者间和两次测量间的大部分形态学测量指标均在95％的一致性限度内.T1w DANTE-SPACE技术在LEAD组不同血管节段的形态学指标ROC曲线下面积(area under the curve,AUC)分别为0.904[95％置信区间(confidence interval,CI):0.825～0.983]和0.905(95％CI:0.835～0.976).当腘小腿动脉段的血管壁厚度为1.00 mm,LA为10.88 mm时,LEAD的敏感度分别为79.2％和85.4％,特异度分别为96.2％和92.3％,阳性预测值分别为97.4％和95.3％,阴性预测值分别为71.4％和77.4％.结论 多序列MR-VWI在评估LEAD斑块形态学指标方面表现出良好的重复性和高准确性,支持其在LEAD的MRI检查中的应用.