目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12...目的探讨动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12月收治的127例喉癌患者为研究对象,患者接受不同肿瘤处理方式后进行根治性放疗。根据患者术后放疗肿瘤是否复发分为复发组(50例)和未复发组(77例),比较2组患者DCE-MRI参数[容量转移常数(volume transfer constant,Ktrans)、速率常数(rateconstant,Kep)、细胞外血管外间隙容积比(volumefractionofextracellular extravascular space,Ve)]及临床资料,采用多因素Logistic回归模型分析喉癌患者术后放疗短期预后的影响因素。采用受试者工作特征(receiver operating characteristic,ROC)及其曲线下面积(area under the curve,AUC)评估DCE-MRI参数对喉癌患者术后放疗短期预后的预测效能。结果复发组患者手术切缘阳性、术前病灶最大径≥4 cm、溃疡型病灶、N分期为N1~N3期、分期为晚期(Ⅲ、Ⅳ)占比均高于未复发组(P<0.05);复发组的Ktrans、Kep高于未复发组,Ve低于未复发组(P<0.05);多因素Logistic回归分析显示,手术切缘为阳性、N分期为N1~N3期、Ktrans、Kep是喉癌术后放疗短期预后的独立危险因素,Ve是保护因素(P<0.05);ROC结果显示,Ktrans、Kep、Ve三参数联合应用和五指标联合应用的Logistic回归模型诊断喉癌术后放疗短期预后的AUC(95%CI)分别为0.920(0.858~0.961)、0.923(0.862~0.963),三参数联合应用较单独应用的AUC明显提高(P<0.05),与五指标联合应用的AUC比较无差异。结论DCE-MRI参数Ktrans、Kep、Ve与喉癌术后放疗短期预后密切相关,Ktrans、Kep、Ve联合对喉癌患者术后放疗短期预后具有较好的预测效能。展开更多
目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法...目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法回顾性分析165例乳腺癌患者病例资料,根据患者的病理结果分为非TNBC组(120例)和TNBC组(45例)。所有患者术前均接受DCE-MRI和DKI检查。按照8∶2的比例随机分为训练集(n=132)和测试集(n=33)。在第2期DCE-MRI图像、平均扩散峰度值(mean kurtosis,MK)和平均扩散率(mean diffusivity,MD)参数图中勾画出病变区域的三维感兴趣区(three-dimensional region of interest,3D ROI),并提取影像组学特征。使用K最佳、最小冗余最大相关(max-relevance and min-redundancy,mRMR)以及最小绝对收缩和选择算子回归(least absolute shrinkage and selection operator,LASSO)算法依次对特征进行降维和选择,然后,通过逻辑回归(logistic regression,LR)分类器分别建立第2期DCE-MRI模型、DKI参数图模型(MD+MK、MD、MK)及联合模型(DCE-MRI+MD+MK),并采用5折交叉验证法验证模型的稳定性。模型的预测性能通过受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)进行评估,并使用DeLong检验分析模型间的统计学差异。最后,通过决策曲线分析(decision curve analysis,DCA)评估影像组学模型在临床中的应用价值。结果从每个序列3D ROI中分别提取了2286个影像组学特征,从第2期DCE-MRI、MD+MK、MD、MK及DCE-MRI+MD+MK中分别选取了8、9、12、7、21个特征与TNBC相关。第2期DCE-MRI模型、MD+MK模型、MD模型和MK模型在测试集的AUC分别为0.810、0.769、0.676、0.625;联合模型(DCE-MRI+MD+MK)在测试集中的AUC是0.884,其准确率、敏感度和特异度分别为78.8%、79.2%和77.8%。最后,把临床特征与影像组学特征进行联合建立列线图模型。结果表明,影像组学联合模型(DCE-MRI+MD+MK)优于MD+MK模型、MD模型、MK模型及第2期DCE-MRI模型,但与列线图模型的AUC和DCA差异无统计学意义(P>0.05),表明影像组学联合模型(DCE-MRI+MD+MK)能够在临床实践中提供与列线图模型相似的诊断性能。结论基于DCE-MRI联合DKI参数图的影像组学联合模型(DCE-MRI+MD+MK)及列线图模型可以在术前有效地预测TNBC,有助于临床对TNBC的诊断、制订治疗方案及改善预后。展开更多
目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分...目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。展开更多
目的探讨基于前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)V2.1版的动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)定量值对外周带前列腺癌(prostate cance...目的探讨基于前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)V2.1版的动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)定量值对外周带前列腺癌(prostate cancer,PCa)和局灶性慢性前列腺炎(chronic prostatitis,CP)的鉴别价值。材料与方法回顾性分析2022年1月至2023年4月期间芜湖市第二人民医院收治的57例外周带PCa患者(研究组)和21例局灶性CP患者(对照组),所有患者接受T2WI、扩散加权成像(diffusion weighted imaging,DWI)、DCE-MRI检查,比较两组双参数(bi-parameter,bp)-MRI(T2WI+DWI)、多参数(multi-parameter,mp)-MRI(T2WI+DWI+DCE-MRI)扫描方案的PI-RADS V2.1评分、DCE-MRI扫描定量值,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估各诊断方案对外周带PCa的诊断价值。结果研究组bp-MRI、mp-MRI扫描方案PI-RADS V2.1评分分别为(4.12±0.88)、(4.31±0.70)分,分别高于对照组的(2.42±1.14)、(2.52±1.22)分,P<0.05。研究组DCE-MRI定量值容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))均高于对照组(P<0.001),两组血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))比较差异无统计学意义(P>0.05)。ROC分析显示,bp-MRI、mp-MRI、K^(trans)、K_(ep)诊断外周带PCa的ROC曲线下面积(area under the curve,AUC)[95%置信区间(confidenceinterval,CI)]分别为0.780(0.672~0.866)、0.857(0.759~0.926)、0.734(0.622~0.828)、0.818(0.716~0.896),mp-MRI诊断效能较bp-MRI稍高(P<0.05),其余各项比较差异无统计学意义(P>0.05)。采用logit(p)法建立ROC拟合诊断模型,结果显示K_(ep)+K^(trans)、mp-MRI+K^(trans)、mp-MRI+K_(ep)对外周带PCa诊断效能差异均无统计学意义(P>0.05);K_(ep)+K^(trans)的诊断效能与bp-MRI、mp-MRI、K^(trans)、K_(ep)比较差异均无统计学意义(P>0.05);mp-MRI+K^(trans)的诊断效能分别高于bp-MRI、mp-MRI、K_(ep)、K^(trans)(P<0.05);mp-MRI+K_(ep)的诊断效能分别高于bp-MRI、K^(trans)(P<0.05)。结论基于PI-RADS V2.1 mp-MRI、bp-MRI与DCE-MRI定量值K^(trans)、K_(ep)对外周带PCa与局灶性CP的鉴别诊断效能相当,且两定量参数联合,或分别与mp-MRI联合能有效提高诊断效能,能够为临床不同适应症患者的诊断提供更多选择。展开更多
目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病...目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病变480个。患者被分为建模组[n=310,数字乳腺X线摄影(digital mammography,DM)检查]、内部验证组(n=108,DM检查),和外部验证组[n=62,数字乳腺体层合成摄影(digital breast tomosynthesis,DBT)检查]。记录患者术前乳腺X线(DM或DBT),MRI以及临床特征。采用XGBoost算法和多因素逻辑回归分析,分别构建XGBoost模型和逻辑回归(logistic regression,LR)模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的诊断效能。结果在建模组中,患者以7∶3随机分为训练集(n=217)和测试集(n=93)。训练集、测试集、训练集的内部验证组及训练集的外部验证组中,恶性非肿块病灶分别为159(73%)、58(62%)、73(68%)和43(69%)。XGBoost模型的诊断效能明显优于LR模型,在独立的训练集、测试集、训练集的内部验证组及训练集的外部验证组中均表现出良好的诊断效能,曲线下面积(area under the curve,AUC)在0.884~0.913之间。XGBoost模型在四个队列中也表现出良好的校准能力和临床净获益。结论XGBoost模型能够准确鉴别乳腺非肿块病变的良恶性,具有推广应用的潜力。展开更多
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)参数对喉癌术后放疗短期预后的评估价值。方法本研究采用病例-对照研究设计方案,选取浙江省湖州市中心医院放射科2021年1月至2023年12月收治的127例喉癌患者为研究对象,患者接受不同肿瘤处理方式后进行根治性放疗。根据患者术后放疗肿瘤是否复发分为复发组(50例)和未复发组(77例),比较2组患者DCE-MRI参数[容量转移常数(volume transfer constant,Ktrans)、速率常数(rateconstant,Kep)、细胞外血管外间隙容积比(volumefractionofextracellular extravascular space,Ve)]及临床资料,采用多因素Logistic回归模型分析喉癌患者术后放疗短期预后的影响因素。采用受试者工作特征(receiver operating characteristic,ROC)及其曲线下面积(area under the curve,AUC)评估DCE-MRI参数对喉癌患者术后放疗短期预后的预测效能。结果复发组患者手术切缘阳性、术前病灶最大径≥4 cm、溃疡型病灶、N分期为N1~N3期、分期为晚期(Ⅲ、Ⅳ)占比均高于未复发组(P<0.05);复发组的Ktrans、Kep高于未复发组,Ve低于未复发组(P<0.05);多因素Logistic回归分析显示,手术切缘为阳性、N分期为N1~N3期、Ktrans、Kep是喉癌术后放疗短期预后的独立危险因素,Ve是保护因素(P<0.05);ROC结果显示,Ktrans、Kep、Ve三参数联合应用和五指标联合应用的Logistic回归模型诊断喉癌术后放疗短期预后的AUC(95%CI)分别为0.920(0.858~0.961)、0.923(0.862~0.963),三参数联合应用较单独应用的AUC明显提高(P<0.05),与五指标联合应用的AUC比较无差异。结论DCE-MRI参数Ktrans、Kep、Ve与喉癌术后放疗短期预后密切相关,Ktrans、Kep、Ve联合对喉癌患者术后放疗短期预后具有较好的预测效能。
文摘目的基于动态对比增强MRI(dynamic contrast-enhanced MRI,DCE-MRI)和扩散峰度成像(diffusion kurtosis imaging,DKI)参数图构建影像组学模型,评估其在预测三阴性乳腺癌(triple-negative breast cancer,TNBC)中的应用价值。材料与方法回顾性分析165例乳腺癌患者病例资料,根据患者的病理结果分为非TNBC组(120例)和TNBC组(45例)。所有患者术前均接受DCE-MRI和DKI检查。按照8∶2的比例随机分为训练集(n=132)和测试集(n=33)。在第2期DCE-MRI图像、平均扩散峰度值(mean kurtosis,MK)和平均扩散率(mean diffusivity,MD)参数图中勾画出病变区域的三维感兴趣区(three-dimensional region of interest,3D ROI),并提取影像组学特征。使用K最佳、最小冗余最大相关(max-relevance and min-redundancy,mRMR)以及最小绝对收缩和选择算子回归(least absolute shrinkage and selection operator,LASSO)算法依次对特征进行降维和选择,然后,通过逻辑回归(logistic regression,LR)分类器分别建立第2期DCE-MRI模型、DKI参数图模型(MD+MK、MD、MK)及联合模型(DCE-MRI+MD+MK),并采用5折交叉验证法验证模型的稳定性。模型的预测性能通过受试者工作特征(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)进行评估,并使用DeLong检验分析模型间的统计学差异。最后,通过决策曲线分析(decision curve analysis,DCA)评估影像组学模型在临床中的应用价值。结果从每个序列3D ROI中分别提取了2286个影像组学特征,从第2期DCE-MRI、MD+MK、MD、MK及DCE-MRI+MD+MK中分别选取了8、9、12、7、21个特征与TNBC相关。第2期DCE-MRI模型、MD+MK模型、MD模型和MK模型在测试集的AUC分别为0.810、0.769、0.676、0.625;联合模型(DCE-MRI+MD+MK)在测试集中的AUC是0.884,其准确率、敏感度和特异度分别为78.8%、79.2%和77.8%。最后,把临床特征与影像组学特征进行联合建立列线图模型。结果表明,影像组学联合模型(DCE-MRI+MD+MK)优于MD+MK模型、MD模型、MK模型及第2期DCE-MRI模型,但与列线图模型的AUC和DCA差异无统计学意义(P>0.05),表明影像组学联合模型(DCE-MRI+MD+MK)能够在临床实践中提供与列线图模型相似的诊断性能。结论基于DCE-MRI联合DKI参数图的影像组学联合模型(DCE-MRI+MD+MK)及列线图模型可以在术前有效地预测TNBC,有助于临床对TNBC的诊断、制订治疗方案及改善预后。
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)定量参数直方图特征联合表观弥散系数(apparent diffusion coefficient,ADC)预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放化疗疗效的价值。材料与方法于甘肃省人民医院回顾性分析2017年1月至2023年12月88例LACC同步放化疗患者的临床及影像资料,前瞻性收集2023年12月至2024年5月15例LACC患者。按照实体瘤临床疗效评价标准(response evaluation criteria in solid tumor,RECIST)v1.1将患者分为显著反应组与非显著反应组。在DCE-MRI图像上选择肿瘤最大层面全肿瘤轮廓作为感兴趣区(region of interest,ROI)获得转运常数(volume transport constant,K^(trans))、血管外细胞外间隙容积分数(extravascular extracellular volume fraction,Ve)、速率常数(rate constant,K^(ep))原始频数表,导入IBM SPSS Statistics 27软件计算直方图特征,103例患者基于时间序列分层分割策略分为训练集88例,验证集15例,利用机器学习筛选最优DCE-MRI定量参数直方图特征并计算灌注参数评分(DCEscore);同时在ADC图测量ADC值。构建DCE直方图特征模型、ADC值及联合模型预测LACC放化疗疗效。采用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和决策曲线评估模型效能。比较临床参数及直方图特征在LACC患者放化疗疗效显著反应组及非显著反应组间差异,单因素及多因素回归分析筛选宫颈癌放化疗疗效独立危险因素。结果基于DCE-MRI定量参数直方图特征模型预测LACC患者放化疗疗效训练集、验证集ROC曲线下面积(area under the curve,AUC)分别为0.922、0.841;ADC值预测LACC患者放化疗疗效训练集、验证集AUC为0.835、0.705;DCEscore联合ADC值预测LACC患者放化疗疗效效能最佳,训练集、验证集AUC为0.943、0.909。临床参数中,身体质量指数(body mass index,BMI)在显著反应组及非显著反应组之间差异具有统计学意义(P=0.032)。单因素逻辑回归分析结果表明BMI、DCEscore、ADC是LACC放化疗疗效的影响因素(OR值分别为1.264、277.9、0.001;P值分别为0.008、<0.001、0.002),多因素逻辑回归筛选DCEscore及ADC值是宫颈癌放化疗疗效的独立危险因素(OR值分别为518.2、0.002;P值分别为<0.001、0.007)。结论基于DCE-MRI定量参数直方图特征联合ADC值构建的联合模型能够治疗前预测宫颈癌放化疗疗效,提示DCE-MRI定量参数直方图特征联合ADC值可能为LACC患者精准医疗提供一种无创评估方法。
文摘目的 探讨基于动态对比增强磁共振成像(dynamic contrast enhancement magnetic resonance imaging,DCE-MRI)药代动力学参数直方图特征预测前列腺癌(prostate cancer,PCa)内分泌治疗反应的价值。材料与方法 回顾性分析2018年1月至2023年10月河西学院附属张掖人民医院(中心1)和2020年2月至2023年2月甘肃省人民医院(中心2)PCa患者在内分泌治疗前2周的临床、影像资料,将中心1收集的105例病例按7∶3的比例分为训练集(73例)和内部验证集(32例),将中心2收集的47例病例作为外部验证集。选取DCE-MRI原始图像,通过Siemens Syngo.via工作站获得药代动力学参数容积转运常数(volume transfer contrast,Ktrans)、速率常数(rate contrast,Kep)、血管外细胞外容积分数(extravascular extracellular volume fraction,Ve)伪彩图。在3D Slicer软件中参照轴位T2WI在药代动力学参数伪彩图上逐层勾画全前列腺腺体感兴趣区(region of interest,ROI)后提取直方图特征,经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维筛选出8个最优特征并计算直方图特征。采用单因素及后向多因素logistic回归分析内分泌治疗反应良好组和不良组的独立预测因素,并构建临床模型、直方图特征模型、联合模型。采用受试者工作特性曲线、校准曲线和决策曲线评价模型的效能,通过DeLong检验评估各模型曲线下面积(area under the curve,AUC),最后基于联合模型的独立预测因素绘制列线图。结果 训练集、内部验证集和外部验证集中治疗反应良好组和不良组之间Gleason评分、MRI-T分期、直方图特征差异均存在统计学意义(P<0.001)。后向多因素logistic回归分析显示Gleason评分(OR=0.925,95%CI:0.859~0.958,P=0.038)、MRI-T分期(OR=0.871,95%CI:0.800~0.949,P=0.002)及直方图特征(OR=0.096,95%CI:0.056~0.137,P<0.001)是PCa内分泌治疗反应的独立预测因素;临床模型在训练集、内部验证集及外部验证集的AUC分别为0.857(95%CI:0.774~0.939)、0.953(95%CI:0.888~0.996)、0.808(95%CI:0.676~0.941);直方图特征模型在训练集、内部验证集及外部验证集的AUC为0.874(95%CI:0.769~0.951)、0.816(95%CI:0.664~0.967)、0.674(95%CI:0.517~0.831);联合模型在训练集、内部验证集及外部验证集的AUC为0.951(95%CI:0.906~0.994)、0.973(95%CI:0.922~0.995)、0.830(95%CI:0.699~0.960);决策曲线和校准曲线分析表明,联合模型具有良好的临床应用价值和稳定性;DeLong检验及NRI值显示联合模型的预测效能优于临床模型和直方图特征模型。结论 DCE-MRI药代动力学参数直方图特征是预测PCa内分泌治疗反应的独立预测因素,联合模型在预测PCa内分泌治疗反应方面具有较好的价值,为临床治疗决策提供了新的思路。
文摘目的探讨动态对比增强MRI(dynamic contrast-enhancement MRI,DCE-MRI)瘤周血管特征结合瘤内血流动力学参数在乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类肿瘤中的鉴别诊断价值。材料与方法回顾性分析2018年8月至2023年3月于大连医科大学附属第一医院行乳腺MRI检查为BI-RADS 4类且病理结果明确肿瘤的女性病例102例,其中良性组43例,恶性组59例。记录患者年龄、病灶最大径(dmax)、乳腺DCE-MRI基本影像学特征、瘤周血管特征及瘤内血流动力学参数值。通过单因素和多因素logistic回归分析比较两组间多参数的差异,利用受试者工作特征(receiver operating characteristic,ROC)曲线以及曲线下面积(area under the curve,AUC)分析瘤周血管特征指标与瘤内参数值联合应用对BI-RADS 4类乳腺良恶性两组肿瘤鉴别的诊断效能。应用DeLong检验对AUC进行比较。结果乳腺良性组和恶性组病例在年龄、dmax、背景实质强化(background parenchymal enhancement,BPE)、纤维腺体组织量(fibroglandular tissue,FGT)、瘤周相邻血管征(adjacent vascular sign,AVS)数目、瘤周血管最大径、患侧瘤周与健侧同一象限血管直径差值(△d)、瘤周血管出现期相以及瘤内容积转移常数(volume transfer constant,K^(trans))、速率常数(flux rate constant,K_(ep))、最大增强斜率(maximum slope of increase,MSI)和时间-信号强度曲线(time-signal intensity curve,TIC)类型的差异均具有统计学意义(P<0.05),而病变位置、信号增强率(signal enhancement ratio,SER)和血管外细胞外间隙容积比(volume fraction of extravascular extra vascular space,V_(e))差异无统计学意义(P>0.05)。通过多因素logistic回归分析结果显示,△d、dmax、MSI和K^(trans)为区分两组间的独立影响因素,其中优势比最大的是MSI值(AUC为0.923)。将瘤周血管特征△d分别与dmax、MSI和K^(trans)进行两者联合模型比较,以△d与MSI联合模型的诊断效能最高(AUC为0.933,敏感度和特异度分别为93.2%和83.7%),且△d联合MSI与△d联合K^(trans)比较的差异具有统计学意义(P=0.001);其他联合指标在两两比较时差异无统计学意义(P>0.05),联合模型高于单独MSI模型的诊断效能。结论瘤周血管特征指标(△d)联合瘤内半定量(MSI)血流动力学参数对评价BI-RADS 4类乳腺肿瘤具有较好的鉴别诊断价值。
文摘目的探讨基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)和扩散加权成像(diffusion-weighted imaging,DWI)的瘤内及瘤周影像组学预测乳腺癌人表皮生长因子受体2(human epidermal growth factor receptor-2,HER-2)状态的价值。材料与方法回顾性分析246例经术后病理证实的乳腺癌患者的临床及影像学资料,按7∶3比例随机分为训练组和验证组。采用ITK-SNAP软件手动勾画病灶瘤内感兴趣区,使用PHIgo-AK软件进行瘤周的扩展并提取瘤内及瘤周的影像组学特征。采用最小冗余最大相关(max-relevance and min-redundancy,mRMR)算法等选择DCE-MRI、DWI瘤内及瘤周的最优特征数。分别建立单序列及联合序列的影像组学模型,采用受试者工作特征(receiveroperating characteristic,ROC)曲线对各模型的预测效能进行分析,并计算曲线下面积(area under the curve,AUC),选出预测效能最高的模型,在训练组中从临床及常规影像学特征中通过单因素logistic回归筛选出预测HER-2状态的独立危险因素,结合预测效能最高模型的影像组学标签评分(radiomic score,rad-score)建立融合模型,并以诺模图(nomogram)展示,采用AUC值,决策曲线分析(decision curve analysis,DCA)评估模型的效能及临床价值。结果基于DCE-MRI和DWI瘤内及瘤周的影像组学联合模型预测HER-2状态的AUC值在训练组和验证组分别为0.953和0.948,效能最高。肿瘤最大径是区分乳腺癌HER-2状态的独立危险因素,最终结合rad-score和肿瘤最大径建立的融合模型对乳腺癌HER-2状态有良好的预测效能,在训练组的AUC值为0.961,验证组为0.958。结论基于DCE-MRI和DWI瘤内及瘤周的影像组学方法对乳腺癌HER-2状态的预测具有良好的价值。
文摘目的旨在评估动态对比增强磁共振成像(dynamic contrast-enhancement magnetic resonance imaging,DCE-MRI)结合扩散加权成像(diffusion weighted imaging,DWI)在预测前列腺癌(prostate cancer,PCa)Ki-67表达和Gleason评分中的诊断效能。材料与方法回顾性分析了2019年1月至2023年10月自贡市第四人民医院收治的66例PCa患者的临床及影像资料。结合T2WI、DWI序列和由DWI自动计算出的表观扩散系数(apparent diffusion coeffieient,ADC),在DCE-MRI图像上手动勾画肿瘤感兴趣区(region of interest,ROI),计算ROI药代动力学参数,包括容积转运常数(volume transfer contrast,K^(trans))、速率常数(rate contrast,K_(ep))、血管外细胞外容积分数(extravascular extracellular volume fraction,Ve),并测量ADC值。根据靶向穿刺病理诊断Gleason评分和Ki-67表达水平,分为Ki-67高表达组(Ki-67>10%)和低表达组(Ki-67≤10%),Gleason评分低级别(GG 1~2)和高级别(GG 3~5)组。组间差异比较使用两独立样本t检验或非参数检验,采用Spearman相关分析评价DCE-MRI参数和ADC值与Ki-67、Gleason评分的相关性,并建立logistic回归模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线评估诊断效能。结果ADC值与Ki-67表达、Gleason评分均呈负相关(P<0.001),K^(trans)、K_(ep)、Ve与Ki-67表达均呈正相关(P<0.001),K^(trans)、K_(ep)与Gleason评分均呈正相关(P<0.001)。Ki-67高、低表达组K^(trans)、K_(ep)、Ve、ADC值比较差异均具有统计学意义(P<0.01),Gleason评分高、低级别组K^(trans)、K_(ep)、ADC值比较差异均具有统计学意义(P<0.01);Ki-67表达的ROC曲线分析显示,联合模型K^(trans)+K_(ep)+Ve+ADC诊断效能最好,曲线下面积(area under the curve,AUC)为0.940;Gleason评分分级的ROC曲线分析显示,联合模型K^(trans)+K_(ep)+ADC诊断效能最好,AUC为0.861。结论DCE-MRI的药代动力学参数和ADC值相结合,在预测PCa的Ki-67表达和Gleason评分中显示出高诊断效能。联合使用DCE-MRI定量参数与ADC值可提高PCa病理分级和生物侵袭性的预测准确性。
文摘目的探讨基于前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)V2.1版的动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)定量值对外周带前列腺癌(prostate cancer,PCa)和局灶性慢性前列腺炎(chronic prostatitis,CP)的鉴别价值。材料与方法回顾性分析2022年1月至2023年4月期间芜湖市第二人民医院收治的57例外周带PCa患者(研究组)和21例局灶性CP患者(对照组),所有患者接受T2WI、扩散加权成像(diffusion weighted imaging,DWI)、DCE-MRI检查,比较两组双参数(bi-parameter,bp)-MRI(T2WI+DWI)、多参数(multi-parameter,mp)-MRI(T2WI+DWI+DCE-MRI)扫描方案的PI-RADS V2.1评分、DCE-MRI扫描定量值,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估各诊断方案对外周带PCa的诊断价值。结果研究组bp-MRI、mp-MRI扫描方案PI-RADS V2.1评分分别为(4.12±0.88)、(4.31±0.70)分,分别高于对照组的(2.42±1.14)、(2.52±1.22)分,P<0.05。研究组DCE-MRI定量值容积转运常数(volume transport constant,K^(trans))、速率常数(rate constant,K_(ep))均高于对照组(P<0.001),两组血管外细胞外间隙容积分数(extravascular extracellular volume fraction,V_(e))比较差异无统计学意义(P>0.05)。ROC分析显示,bp-MRI、mp-MRI、K^(trans)、K_(ep)诊断外周带PCa的ROC曲线下面积(area under the curve,AUC)[95%置信区间(confidenceinterval,CI)]分别为0.780(0.672~0.866)、0.857(0.759~0.926)、0.734(0.622~0.828)、0.818(0.716~0.896),mp-MRI诊断效能较bp-MRI稍高(P<0.05),其余各项比较差异无统计学意义(P>0.05)。采用logit(p)法建立ROC拟合诊断模型,结果显示K_(ep)+K^(trans)、mp-MRI+K^(trans)、mp-MRI+K_(ep)对外周带PCa诊断效能差异均无统计学意义(P>0.05);K_(ep)+K^(trans)的诊断效能与bp-MRI、mp-MRI、K^(trans)、K_(ep)比较差异均无统计学意义(P>0.05);mp-MRI+K^(trans)的诊断效能分别高于bp-MRI、mp-MRI、K_(ep)、K^(trans)(P<0.05);mp-MRI+K_(ep)的诊断效能分别高于bp-MRI、K^(trans)(P<0.05)。结论基于PI-RADS V2.1 mp-MRI、bp-MRI与DCE-MRI定量值K^(trans)、K_(ep)对外周带PCa与局灶性CP的鉴别诊断效能相当,且两定量参数联合,或分别与mp-MRI联合能有效提高诊断效能,能够为临床不同适应症患者的诊断提供更多选择。
文摘目的本研究旨在构建一个基于临床和影像学特征的极端梯度提升(extreme gradient boosting,XGBoost)模型,以鉴别乳腺非肿块病变的良恶性。材料与方法收集2018年1月至2024年7月2个机构,2种乳腺X线设备检查的有病理结果的首诊乳腺非肿块病变480个。患者被分为建模组[n=310,数字乳腺X线摄影(digital mammography,DM)检查]、内部验证组(n=108,DM检查),和外部验证组[n=62,数字乳腺体层合成摄影(digital breast tomosynthesis,DBT)检查]。记录患者术前乳腺X线(DM或DBT),MRI以及临床特征。采用XGBoost算法和多因素逻辑回归分析,分别构建XGBoost模型和逻辑回归(logistic regression,LR)模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的诊断效能。结果在建模组中,患者以7∶3随机分为训练集(n=217)和测试集(n=93)。训练集、测试集、训练集的内部验证组及训练集的外部验证组中,恶性非肿块病灶分别为159(73%)、58(62%)、73(68%)和43(69%)。XGBoost模型的诊断效能明显优于LR模型,在独立的训练集、测试集、训练集的内部验证组及训练集的外部验证组中均表现出良好的诊断效能,曲线下面积(area under the curve,AUC)在0.884~0.913之间。XGBoost模型在四个队列中也表现出良好的校准能力和临床净获益。结论XGBoost模型能够准确鉴别乳腺非肿块病变的良恶性,具有推广应用的潜力。
