目的针对胶质母细胞瘤(glioblastoma,GBM)与原发性中枢神经系统淋巴瘤(primary central nervous system lymphoma,PCNSL)影像学鉴别难题,探讨临床-影像组学联合模型对两者术前无创性鉴别的价值。材料与方法回顾性纳入173例经病理或诊断...目的针对胶质母细胞瘤(glioblastoma,GBM)与原发性中枢神经系统淋巴瘤(primary central nervous system lymphoma,PCNSL)影像学鉴别难题,探讨临床-影像组学联合模型对两者术前无创性鉴别的价值。材料与方法回顾性纳入173例经病理或诊断性放疗确诊的颅内占位患者病例(GBM 118例,PCNSL 55例),按7∶3随机分为训练集(n=121)与验证集(n=52)。收集术前临床数据(血清学指标、影像学表现)及多模态MRI序列[对比增强T1加权成像(contrast-enhanced T1-weighted imaging,CE-T1WI)、T2液体衰减反转恢复(T2 fluid-attenuated inversion recovery,T2-FLAIR)序列、扩散加权成像(diffusion weighted imaging,DWI;b=1000 s/mm^(2))、表观扩散系数(apparent diffusion coefficient,ADC)],勾画肿瘤核心区(排除瘤周水肿)作为感兴趣区(region of interest,ROI)。通过Z-score标准化后,联合Mann-Whitney U检验、Spearman相关性分析及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法筛选关键特征,采用极端梯度提升(extreme gradient boosting,XGBoost)分类器及10折交叉验证法建模并验证。建立临床模型、4个单一序列影像组学模型、多模态影像组学模型及临床-影像组学联合模型,比较以上各个模型预测效能,选出最佳模型。基于受试者工作特征(receiver operating characteristic,ROC)曲线及曲线下面积(area under the curve,AUC)、敏感度、特异度及准确度评估模型效能,采用DeLong检验比较AUC差异,校准曲线评价模型拟合能力,决策曲线评估模型的临床价值。结果临床模型在训练集和验证集AUC分别为0.83(95%CI:0.76~0.90)和0.74(95%CI:0.61~0.87)。影像组学模型中,多模态的T1+ADC+T2+DWI Model表现最佳,训练集和验证集AUC分别为0.93(95%CI:0.88~0.98)和0.84(95%CI:0.72~0.96)。临床-影像组学联合模型进一步提升诊断效能,训练集AUC 0.94(95%CI:0.90~0.98)(准确度90.2%,敏感度96.7%),验证集AUC 0.85(95%CI:0.74~0.96)(准确度88.6%,敏感度83.3%),其预测准确性及临床净获益均显著优于单一模型。结论临床-多模态影像组学联合模型可精准区分GBM与PCNSL,其无创性诊断效能为术前决策提供可靠依据,有望减少活检需求并优化诊疗路径。展开更多
目的探讨基于双参数磁共振成像(biparametric magnetic resonance imaging,bpMRI)前列腺影像报告和数据系统2.1版(prostate imaging reporting and data system version 2.1,PI-RADS v2.1)评分联合前列腺特异性抗原密度(prostate specif...目的探讨基于双参数磁共振成像(biparametric magnetic resonance imaging,bpMRI)前列腺影像报告和数据系统2.1版(prostate imaging reporting and data system version 2.1,PI-RADS v2.1)评分联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对移行带前列腺癌(transitional zone prostate cancer,TZPCa)的诊断价值。材料与方法回顾性分析115例经病理证实的前列腺疾病患者资料,分为TZPCa组和良性前列腺增生(benign prostatic hyperplasia,BPH)组,依据PI-RADS v2.1评分对MRI图像进行评分,采用单因素和多因素logistic回归分析患者的年龄、前列腺体积(prostate volume,PV)、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free PSA,fPSA)与tPSA的比值(fPSA/tPSA)、PSAD及PI-RADS v2.1评分等指标。通过受试者工作特征(receiver operating characteristic,ROC)曲线分析PI-RADS V2.1、PSAD及联合诊断对TZPCa的诊断效能,并计算曲线下面积(area under the curve,AUC)。结果tPSA、fPSA/tPSA、PSAD与PI-RADS v2.1评分在TZPCa组与BPH组差异具有统计学意义(P<0.05);PI-RADS v2.1评分、PSAD是TZPCa的独立预测因子;PI-RADS v2.1评分、PSAD及联合模型诊断TZPCa的AUC分别为0.916[95%置信区间(confidence interval,CI):0.864~1.000],0.812(95%CI:0.702~0.921),0.952(95%CI:0.903~1.000),联合模型诊断效能最优。结论PI-RADS v2.1评分联合PSAD提高了对TZPCa的诊断价值,减少不必要的穿刺活检。展开更多
超高场磁共振成像(ultra-high-field magnetic resonance imaging,UHF-MRI)作为一项前沿技术,凭借卓越的信噪比(signal-to-noise ratio,SNR)和分辨率广受关注。7 T磁共振成像(magnetic resonance imaging,MRI)作为其中的典型代表,已开...超高场磁共振成像(ultra-high-field magnetic resonance imaging,UHF-MRI)作为一项前沿技术,凭借卓越的信噪比(signal-to-noise ratio,SNR)和分辨率广受关注。7 T磁共振成像(magnetic resonance imaging,MRI)作为其中的典型代表,已开始从科研走向临床,在包括高分辨率结构成像、磁敏感成像、多核成像、波谱和血氧水平依赖等磁共振技术方面取得诸多变革,极大提高了神经系统疾病的诊断能力。然而,磁场强度的增加也带来了射频场不均匀性增强、比吸收率增高等多方面的考验。这些考验可能会加剧图像伪影,限制特定成像序列的使用,影响UHF-MRI在临床的推广。本文根据陆军军医大学第一附属医院7 T MRI使用经验,结合相关文献,阐述了UHF-MRI的核心优势与面临的主要挑战,简要介绍了其在神经系统的优势和潜力,期望能为其他单位开展7 T MRI相关工作提供经验性探索。展开更多
目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)影像组学联合血细胞参数在鉴别管腔上皮型(Luminal)和非管腔上皮型(Non-Luminal)乳腺癌中的价值。材料与方法回顾性分析227例经病理证...目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)影像组学联合血细胞参数在鉴别管腔上皮型(Luminal)和非管腔上皮型(Non-Luminal)乳腺癌中的价值。材料与方法回顾性分析227例经病理证实的乳腺癌患者的DCE-MRI图像,按照7∶3的比例随机分为训练集(n=162)和验证集(n=65)。根据免疫组化结果将病灶分为Luminal型和Non-Luminal型。勾画DCE-MRI图像中肿瘤的瘤体作为感兴趣区进行影像组学特征提取。分析影像组学特征、临床病理特征及血细胞参数,构建了3个模型,用于鉴别Luminal和Non-Luminal,分别为模型1(影像组学)、模型2(血细胞参数)、模型3(影像组学+血细胞参数)。利用受试者工作特征曲线评价模型在二者之间鉴别诊断中的效能。采用决策分析曲线评价不同风险阈值下模型的净获益情况。结果模型3训练集的曲线下面积(area under the curve,AUC)值、敏感度、特异度分别为0.840(0.774~0.893)、87.9%、71.4%,验证集对应的值分别为0.818(0.703~0.903)、87.5%、68.0%。在训练集及验证集中,模型1的AUC均高于模型2(0.817 vs.0.636,0.838 vs.0.515,P=0.001和P<0.001),同时模型3的AUC均高于模型2(0.840 vs.0.636,0.818 vs.0.515,P值均<0.001)。决策曲线示三个模型在鉴别Luminal和Non-Luminal亚型均有明确临床获益,并且模型3、模型1优于模型2。结论联合DCE-MRI影像组学和血细胞参数的模型能帮助鉴别Luminal和Non-Luminal亚型,有助于准确制订乳腺癌的治疗方案。展开更多
文摘目的探讨基于双参数磁共振成像(biparametric magnetic resonance imaging,bpMRI)前列腺影像报告和数据系统2.1版(prostate imaging reporting and data system version 2.1,PI-RADS v2.1)评分联合前列腺特异性抗原密度(prostate specific antigen density,PSAD)对移行带前列腺癌(transitional zone prostate cancer,TZPCa)的诊断价值。材料与方法回顾性分析115例经病理证实的前列腺疾病患者资料,分为TZPCa组和良性前列腺增生(benign prostatic hyperplasia,BPH)组,依据PI-RADS v2.1评分对MRI图像进行评分,采用单因素和多因素logistic回归分析患者的年龄、前列腺体积(prostate volume,PV)、总前列腺特异性抗原(total prostate specific antigen,tPSA)、游离前列腺特异性抗原(free PSA,fPSA)与tPSA的比值(fPSA/tPSA)、PSAD及PI-RADS v2.1评分等指标。通过受试者工作特征(receiver operating characteristic,ROC)曲线分析PI-RADS V2.1、PSAD及联合诊断对TZPCa的诊断效能,并计算曲线下面积(area under the curve,AUC)。结果tPSA、fPSA/tPSA、PSAD与PI-RADS v2.1评分在TZPCa组与BPH组差异具有统计学意义(P<0.05);PI-RADS v2.1评分、PSAD是TZPCa的独立预测因子;PI-RADS v2.1评分、PSAD及联合模型诊断TZPCa的AUC分别为0.916[95%置信区间(confidence interval,CI):0.864~1.000],0.812(95%CI:0.702~0.921),0.952(95%CI:0.903~1.000),联合模型诊断效能最优。结论PI-RADS v2.1评分联合PSAD提高了对TZPCa的诊断价值,减少不必要的穿刺活检。
文摘超高场磁共振成像(ultra-high-field magnetic resonance imaging,UHF-MRI)作为一项前沿技术,凭借卓越的信噪比(signal-to-noise ratio,SNR)和分辨率广受关注。7 T磁共振成像(magnetic resonance imaging,MRI)作为其中的典型代表,已开始从科研走向临床,在包括高分辨率结构成像、磁敏感成像、多核成像、波谱和血氧水平依赖等磁共振技术方面取得诸多变革,极大提高了神经系统疾病的诊断能力。然而,磁场强度的增加也带来了射频场不均匀性增强、比吸收率增高等多方面的考验。这些考验可能会加剧图像伪影,限制特定成像序列的使用,影响UHF-MRI在临床的推广。本文根据陆军军医大学第一附属医院7 T MRI使用经验,结合相关文献,阐述了UHF-MRI的核心优势与面临的主要挑战,简要介绍了其在神经系统的优势和潜力,期望能为其他单位开展7 T MRI相关工作提供经验性探索。
文摘目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)影像组学联合血细胞参数在鉴别管腔上皮型(Luminal)和非管腔上皮型(Non-Luminal)乳腺癌中的价值。材料与方法回顾性分析227例经病理证实的乳腺癌患者的DCE-MRI图像,按照7∶3的比例随机分为训练集(n=162)和验证集(n=65)。根据免疫组化结果将病灶分为Luminal型和Non-Luminal型。勾画DCE-MRI图像中肿瘤的瘤体作为感兴趣区进行影像组学特征提取。分析影像组学特征、临床病理特征及血细胞参数,构建了3个模型,用于鉴别Luminal和Non-Luminal,分别为模型1(影像组学)、模型2(血细胞参数)、模型3(影像组学+血细胞参数)。利用受试者工作特征曲线评价模型在二者之间鉴别诊断中的效能。采用决策分析曲线评价不同风险阈值下模型的净获益情况。结果模型3训练集的曲线下面积(area under the curve,AUC)值、敏感度、特异度分别为0.840(0.774~0.893)、87.9%、71.4%,验证集对应的值分别为0.818(0.703~0.903)、87.5%、68.0%。在训练集及验证集中,模型1的AUC均高于模型2(0.817 vs.0.636,0.838 vs.0.515,P=0.001和P<0.001),同时模型3的AUC均高于模型2(0.840 vs.0.636,0.818 vs.0.515,P值均<0.001)。决策曲线示三个模型在鉴别Luminal和Non-Luminal亚型均有明确临床获益,并且模型3、模型1优于模型2。结论联合DCE-MRI影像组学和血细胞参数的模型能帮助鉴别Luminal和Non-Luminal亚型,有助于准确制订乳腺癌的治疗方案。
