目的:探讨基于影像组学的多参数MRI定量指标在膀胱癌肌层浸润分析中的价值。方法:回顾性收集符合纳入标准的膀胱癌患者225例,其中非肌层浸润性膀胱癌125例,肌层浸润性膀胱癌100例。在MR T2WI、DWI及增强图像上测量肿瘤-壁界面,并运用影...目的:探讨基于影像组学的多参数MRI定量指标在膀胱癌肌层浸润分析中的价值。方法:回顾性收集符合纳入标准的膀胱癌患者225例,其中非肌层浸润性膀胱癌125例,肌层浸润性膀胱癌100例。在MR T2WI、DWI及增强图像上测量肿瘤-壁界面,并运用影像组学软件对肿瘤区域进行勾画及特征筛选,然后基于3组特征的概率值构建单参数及多参数联合模型,选择最优概率值与肿瘤-壁界面构建诺模图模型,在外部验证集中测试其诊断性能。ROC曲线及校准曲线对模型准确性进行评估。结果:最终选用基于6个特征的多参数联合概率值,与肿瘤-壁界面联合构建Nomogram模型,在ROC曲线上训练集和测试集曲线下面积(Area under curve,AUC)分别为0.892、0.875,表现出良好的诊断性能,较单独的组学模型或肿瘤-壁界面模型有更好的准确性。外部验证模型的AUC为0.846,进一步证明该模型有较好的预测性能。结论:基于多参数MRI和肿瘤-壁界面构建的Nomogram模型在膀胱癌是否有肌层浸润的鉴别上具有较好的诊断性能及可重复性,可以协助临床医生做出有效评估。展开更多
目的:应用压缩感知联合并行成像(uCS)技术进行肝脏增强磁共振多动脉期成像,评估其临床应用价值。方法:纳入本院临床诊断肝脏占位的病例80例,所选病例分为压缩感知联合并行成像(uCS)扫描组和常规并行成像(PI)扫描组,每组患者各40例进行...目的:应用压缩感知联合并行成像(uCS)技术进行肝脏增强磁共振多动脉期成像,评估其临床应用价值。方法:纳入本院临床诊断肝脏占位的病例80例,所选病例分为压缩感知联合并行成像(uCS)扫描组和常规并行成像(PI)扫描组,每组患者各40例进行磁共振肝脏增强扫描。对uCS组扫描所得多组动脉期图像成像效果和图像质量对比PI组做综合评价,根据连续多组动脉期图像绘制病灶及肝脏强化曲线。结果:uCS组显示连续8组动脉期图像,所示动脉晚期精确率优于PI组(100%vs 88%)。uCS组呼吸伪影评分显著高于PI组(3.50±0.51 vs 2.97±0.73,P<0.01)。uCS肝脏边缘清晰度优于PI组(3.25±0.63 vs 2.95±0.71,P<0.05)。uCS组病灶对比度低于PI组(2.65±0.53 vs 3.30±0.65,P<0.01)。uCS组图像质量总体评分与PI组差异无统计学意义(3.08±0.73 vs 3.10±0.74,P>0.05),uCS组多期图像可描述病灶动脉期连续强化过程。结论:uCS技术应用于肝脏增强磁共振成像可提高时间分辨力,减少动脉期伪影,获取更多病灶血供信息,有广泛的应用前景。展开更多
目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和...目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和继发性肺结核组(934例)。按照随机分组(通过R语言的sample函数实现训练集和测试集的完全随机分组)的方式,将数据集划分为训练集(1402例,70.0%)和测试集(602例,30.0%)。所有图像采用肺野自动分割算法,获得肺野区域。进一步采用BasicNet和DenseNet算法进行三组间的分类研究。采用曲线下面积(area under curve,AUC)、敏感度、特异度和准确率评价模型的分类性能。最后,在测试数据中,将最优模型与3位不同年资的放射科医生的诊断结果进行比较。结果:602例独立测试集中,DenseNet模型的性能优于BasicNet模型,两种模型的平均AUC、敏感度、特异度和准确率分别为92.1%和89.4%、79.7%和74.0%、89.4%和86.6%、86.2%和83.3%。其中,DenseNet模型的诊断性能优于低年资医生(准确率分别为90.7%和89.1%,Kappa=0.677),与中年资和高年资医生的诊断水平(准确率分别为90.7%、92.2%和95.3%,Kappa值分别为0.746和0.819)保持高度一致性。结论:DenseNet模型能较准确地识别继发性肺结核,与放射科中年资医师的诊断水准相当,可以作为继发性肺结核的辅助诊断工具。展开更多
文摘目的探讨基于表观弥散系数(apparent diffusion coefficient,ADC)图、T1WI及T2WI序列构建的影像组学模型鉴别唾液腺多形性腺瘤(pleomorphic adenoma,PA)和基底细胞腺瘤(basal cell adenoma,BCA)的价值。材料与方法回顾性分析2015年1月至2021年10月来自济宁市第一人民医院的唾液腺129例PA和48例BCA患者的MR图像,并将其以8∶2的比例随机划分为训练集(n=141)与测试集(n=36)。在横断位ADC、T1WI及T2WI图像上手动勾画肿瘤的三维容积感兴趣区域,提取影像组学特征;采用方差阈值法、方差分析(analysis of variance,ANOVA)及基于5折交叉验证的最小绝对收缩与选择算法(least absolute shrinkage and selection operator,LASSO)筛选最有价值的特征,将筛选出的特征结合逻辑回归(logistic regression,LR)与支持向量机(support vector machine,SVM)两种分类器后进行模型训练,并在测试集中验证。绘制ROC曲线来评估LR模型与SVM模型鉴别PA和BCA的效能。此外,使用Delong Test对模型进行比较,使用决策曲线及校准曲线对模型进行评价。结果分别从ADC、T1WI、T2WI及联合序列(ADC+T1WI+T2WI)图像中得到15、3、15及23个最优特征。在训练集中,基于ADC图、T1WI图、T2WI图、联合模型构建的LR与SVM模型的曲线下面积(area under the curve,AUC)分别为0.955、0.961、0.812、0.813、0.939、0.949、0.994、0.995;基于ADC、T1WI、T2WI及联合序列图像构建的LR模型鉴别诊断PA和BCA的AUC值分别为0.906、0.780、0.868及0.972,SVM模型的AUC值分别为0.924、0.783、0.847及0.959;在训练集中,基于联合序列模型优于基于T1WI或T2WI影像组学模型(P<0.05),与基于ADC影像组学模型差异无统计学意义(P>0.05),联合序列模型的准确率、敏感度及特异度分别为98.6%~98.7%、96.4%~98.4%、98.8%~99.4%,ADC影像组学模型的准确率、敏感度及特异度分别为91.4%~91.8%、75.0%~79.7%、95.7%~98.1%;在测试集中,各模型间的AUC值均无显著性差异(P>0.05)。结论多序列联合模型及ADC影像组学模型鉴别多形性腺瘤和基底细胞腺瘤优于T1WI及T2WI序列,且与ADC影像组学模型比较,联合序列模型具有较高的准确率、敏感度及特异度。
文摘目的:探讨基于影像组学的多参数MRI定量指标在膀胱癌肌层浸润分析中的价值。方法:回顾性收集符合纳入标准的膀胱癌患者225例,其中非肌层浸润性膀胱癌125例,肌层浸润性膀胱癌100例。在MR T2WI、DWI及增强图像上测量肿瘤-壁界面,并运用影像组学软件对肿瘤区域进行勾画及特征筛选,然后基于3组特征的概率值构建单参数及多参数联合模型,选择最优概率值与肿瘤-壁界面构建诺模图模型,在外部验证集中测试其诊断性能。ROC曲线及校准曲线对模型准确性进行评估。结果:最终选用基于6个特征的多参数联合概率值,与肿瘤-壁界面联合构建Nomogram模型,在ROC曲线上训练集和测试集曲线下面积(Area under curve,AUC)分别为0.892、0.875,表现出良好的诊断性能,较单独的组学模型或肿瘤-壁界面模型有更好的准确性。外部验证模型的AUC为0.846,进一步证明该模型有较好的预测性能。结论:基于多参数MRI和肿瘤-壁界面构建的Nomogram模型在膀胱癌是否有肌层浸润的鉴别上具有较好的诊断性能及可重复性,可以协助临床医生做出有效评估。
文摘目的:应用压缩感知联合并行成像(uCS)技术进行肝脏增强磁共振多动脉期成像,评估其临床应用价值。方法:纳入本院临床诊断肝脏占位的病例80例,所选病例分为压缩感知联合并行成像(uCS)扫描组和常规并行成像(PI)扫描组,每组患者各40例进行磁共振肝脏增强扫描。对uCS组扫描所得多组动脉期图像成像效果和图像质量对比PI组做综合评价,根据连续多组动脉期图像绘制病灶及肝脏强化曲线。结果:uCS组显示连续8组动脉期图像,所示动脉晚期精确率优于PI组(100%vs 88%)。uCS组呼吸伪影评分显著高于PI组(3.50±0.51 vs 2.97±0.73,P<0.01)。uCS肝脏边缘清晰度优于PI组(3.25±0.63 vs 2.95±0.71,P<0.05)。uCS组病灶对比度低于PI组(2.65±0.53 vs 3.30±0.65,P<0.01)。uCS组图像质量总体评分与PI组差异无统计学意义(3.08±0.73 vs 3.10±0.74,P>0.05),uCS组多期图像可描述病灶动脉期连续强化过程。结论:uCS技术应用于肝脏增强磁共振成像可提高时间分辨力,减少动脉期伪影,获取更多病灶血供信息,有广泛的应用前景。
文摘目的:评价基于深度学习的继发性肺结核CT辅助诊断模型在临床应用中的价值。方法:回顾性收集2018年12月至2023年4月在重庆市公共卫生医疗救治中心接受胸部CT平扫的2004例患者的病例资料,分为肺部正常组(544例)、普通肺部感染组(526组)和继发性肺结核组(934例)。按照随机分组(通过R语言的sample函数实现训练集和测试集的完全随机分组)的方式,将数据集划分为训练集(1402例,70.0%)和测试集(602例,30.0%)。所有图像采用肺野自动分割算法,获得肺野区域。进一步采用BasicNet和DenseNet算法进行三组间的分类研究。采用曲线下面积(area under curve,AUC)、敏感度、特异度和准确率评价模型的分类性能。最后,在测试数据中,将最优模型与3位不同年资的放射科医生的诊断结果进行比较。结果:602例独立测试集中,DenseNet模型的性能优于BasicNet模型,两种模型的平均AUC、敏感度、特异度和准确率分别为92.1%和89.4%、79.7%和74.0%、89.4%和86.6%、86.2%和83.3%。其中,DenseNet模型的诊断性能优于低年资医生(准确率分别为90.7%和89.1%,Kappa=0.677),与中年资和高年资医生的诊断水平(准确率分别为90.7%、92.2%和95.3%,Kappa值分别为0.746和0.819)保持高度一致性。结论:DenseNet模型能较准确地识别继发性肺结核,与放射科中年资医师的诊断水准相当,可以作为继发性肺结核的辅助诊断工具。
