期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
能谱CT多材料分离技术重建虚拟平扫对儿童肝肿瘤的诊断价值
1
作者 魏伟安 易婷 +2 位作者 杨吉钱 陈雁 金科 《临床小儿外科杂志》 北大核心 2025年第1期58-64,共7页
目的探讨能谱CT虚拟平扫(virtual unenhance,VUE)技术对儿童肝肿瘤的诊断价值。方法回顾性分析2021年1月至2022年12月于湖南省儿童医院确诊的96例肝肿瘤患儿能谱CT扫描结果,分别重建真实平扫(true unenhance,TUE)、动脉期虚拟平扫(virtu... 目的探讨能谱CT虚拟平扫(virtual unenhance,VUE)技术对儿童肝肿瘤的诊断价值。方法回顾性分析2021年1月至2022年12月于湖南省儿童医院确诊的96例肝肿瘤患儿能谱CT扫描结果,分别重建真实平扫(true unenhance,TUE)、动脉期虚拟平扫(virtual unenhanced artery,VUEa)和门脉期虚拟平扫(virtual unenhanced portal vein,VUEpv)图像。图像质量客观评价参数包括肝实质、肝肿瘤、右侧竖脊肌3个部位的CT值、信噪比(signal-to-noise ratio,SNR)、肝肿瘤对比噪声比(contrast-to-noise ratio,CNR)以及背景噪声(standard deviation,SD)。采用随机区组方差分析和Friedman秩和检验比较TUE、VUEa和VUEpv图像质量客观参数和主观评分的差异。分析三组图像CT值的相关性与一致性,采用χ^(2)检验比较肝肿瘤和钙化灶的检测能力。结果VUE与TUE图像的肝实质CT值、肝肿瘤CNR值差异均无统计学意义(P>0.05)。VUE的图像背景噪声SD值均低于TUE,VUE的肝实质SNR值、肝肿瘤CT值和SNR值、右侧竖脊肌CT值和SNR值均高于TUE,差异均有统计学意义(P<0.001)。VUEa、VUEpv分别与TUE图像的CT值相关性较高(肝实质:r=0.816、0.797,P均<0.001;肝肿瘤:r=0.769、0.839,P<0.001;右侧竖脊肌:r=0.664、0.687,P<0.001)。除肝肿瘤外,其他组织CT值的临床诊断一致性界限为10 HU时,界外数据点占比均<5%。VUEpv肝肿瘤的主观评分和检出率均高于VUEa,差异具有统计学意义(P<0.05),但与TUE的差异无统计学意义(P>0.05)。而VUEa和VUEpv的钙化灶检出率明显低于TUE,差异有统计学意义(P<0.001)。三期CT扫描剂量DLP总计为513.94(375.00,652.86)mGy,TUE的DLP占总DLP的30.14%。结论多材料分离(multi-material decomposition,MMD)技术重建的VUEpv图像质量、病灶检测能力均优于VUEa,可明显降低长期肝肿瘤患儿CT随访的辐射剂量,但仍不能完全替代TUE图像的临床价值。 展开更多
关键词 光电子光谱法 肝肿瘤 外科手术 儿童
在线阅读 下载PDF
儿童幼年性黄色肉芽肿的影像学表现
2
作者 马秋红 尹一伟 +2 位作者 何四平 向永华 金科 《中国医学影像学杂志》 CSCD 北大核心 2024年第12期1222-1227,1230,共7页
目的 分析儿童幼年性黄色肉芽肿(JXG)的影像学表现,提高对此病的诊断水平。资料与方法 回顾性分析湖南省儿童医院2011年1月—2023年12月经活检或手术病理证实的15例JXG患儿的临床及影像资料,13例行CT检查,7例行MRI检查,5例行MRI和CT检... 目的 分析儿童幼年性黄色肉芽肿(JXG)的影像学表现,提高对此病的诊断水平。资料与方法 回顾性分析湖南省儿童医院2011年1月—2023年12月经活检或手术病理证实的15例JXG患儿的临床及影像资料,13例行CT检查,7例行MRI检查,5例行MRI和CT检查。观察分析JXG的分型、数目、累及部位、病变信号、密度及强化特征等征象。结果 15例JXG患儿中,系统型黄色肉芽肿7例,其中累及中枢神经系统5例(分别为松果体区、脉络丛、颅骨内板下硬脑膜、中颅窝及椎管)、乳突1例、肝脏3例、肾脏3例、胰腺1例、肺部2例,主要表现为不同器官单发或多发结节状、团块状或斑片状病变。MRI上病变表现为T1WI呈稍高/稍低/混杂信号,T2WI呈低/稍低/稍高/混杂信号,弥散未受限或受限,增强呈明显强化或稍强化。CT上病变表现为斑片状、团块状或结节状低密度/高密度影,增强呈轻中度不均匀强化或明显强化。皮肤型黄色肉芽肿8例,表现为皮下软组织结节状影,T1WI呈等或稍低信号,T2WI呈稍低或低信号,明显强化;CT表现为稍低/等/稍高密度影,增强呈稍强化/明显强化。结论 JXG主要表现为皮下软组织和(或)各脏器单发/多发结节状、团块状影,T1WI上信号增高,T2WI上信号减低,弥散减低或增高,明显强化,其CT及MRI表现具有一定的特征。 展开更多
关键词 黄肉芽肿 青少年性 儿童 体层摄影术 X线计算机 磁共振成像
在线阅读 下载PDF
基于多模态MR影像组学预测足月新生儿缺氧缺血性脑病的预后
3
作者 汤静 易婷 +2 位作者 刘雨晴 何四平 金科 《中国医学计算机成像杂志》 北大核心 2025年第5期726-731,共6页
目的:基于磁共振T1加权成像(T1WI),T2加权成像(T2WI)及液体抑制反转恢复(FLAIR)序列图像建立预测足月新生儿缺氧缺血性脑病(HIE)预后的影像组学模型,并验证模型效能。方法:回顾性收集我院2013年1月—2023年5月诊治的HIE足月新生儿的临... 目的:基于磁共振T1加权成像(T1WI),T2加权成像(T2WI)及液体抑制反转恢复(FLAIR)序列图像建立预测足月新生儿缺氧缺血性脑病(HIE)预后的影像组学模型,并验证模型效能。方法:回顾性收集我院2013年1月—2023年5月诊治的HIE足月新生儿的临床及影像学资料,经入组筛查后,共180例纳入研究。根据认知评分和运动功能评分的结果,将预后良好的患儿归为B组,预后不良的患儿归为W组,其中B组84例,W组96例。按照7∶3的比例,采用完全随机法分为训练集(W组/B组=67/59)和测试集(W组/B组=29/25)。由2名具有10年以上工作经验的影像医师对感兴趣区(ROI)进行勾画。ROI均放置于最大径面的基底节区和丘脑。使用Python软件进行影像组学特征提取,基于Pearson相关性分析及递归特征消除来选择影像组学特征。利用筛选出的组学特征建立影像组学预后预测模型,采用受试者工作特征(ROC)曲线评估预后预测模型的效能,并在测试集内进行验证。结果:基于筛选出的9个非零系数特征构建了HIE的预后预测模型。该模型在测试集中ROC曲线下面积(AUC)和准确度分别达到0.770(95%CI 0.641~0.898)和0.778,灵敏度为0.862,特异度为0.680,阳性预测值为0.758,阴性预测值为0.810。结论:基于足月新生儿磁共振T1WI、T2WI及FLAIR图像建立的影像组学模型可以预测足月HIE患儿的预后。 展开更多
关键词 新生儿缺氧缺血性脑损伤 影像组学 磁共振成像 预后
在线阅读 下载PDF
脑网络分析早期诊断自闭症谱系障碍:基于扩散基谱成像和机器学习
4
作者 刘雨晴 易婷 +2 位作者 高兵 蔡齐芳 金科 《放射学实践》 CSCD 北大核心 2024年第12期1551-1557,共7页
目的:利用扩散基光谱成像(DBSI)结合深度学习方法,探索学龄前自闭症谱系障碍(ASD)儿童脑网络的拓扑结构变化及其诊断价值。方法:回顾性分析2022年9月-2023年7月在本院确诊的31例ASD患者和30例健康志愿者(HCs)的临床及颅脑DBSI(DBSI_20、... 目的:利用扩散基光谱成像(DBSI)结合深度学习方法,探索学龄前自闭症谱系障碍(ASD)儿童脑网络的拓扑结构变化及其诊断价值。方法:回顾性分析2022年9月-2023年7月在本院确诊的31例ASD患者和30例健康志愿者(HCs)的临床及颅脑DBSI(DBSI_20、DBSI_21)资料。两组受试者的年龄均为2~6岁。将每例受试者的DBSI_20和DBSI_21的原始数据导入DSI工作软件,生成DBSI_combine扩散图像。对DBSI_20、DBSI_21和DBSI_combine三组图像数据分别采用DSI Studio进行连通性矩阵和图理论分析,并采用Kruskal-Wallis方法提取全局图和节点图测量中组间差异最显著的特征;使用Pearson相关系数(PCC)方法对相关系数大于0.99的特征进行降维,减少特征数。采用?方法将筛选得到的三组最优特征分别构建预测ASD的模型,并采用ROC曲线分析评估3个模型的预测效能,评估指标包括符合率、召回率、精确率、F1分数和ROC曲线下面积(AUC)。结果:基于DBSI_20序列构建的模型中,最具辨别能力的特征是左侧角回偏心率和右侧颞中回偏心率;基于DBSI_21序列构建的模型中,最具辨别能力的特征是右上颞叶特征向量中心性和左小脑9区网页排名中心性;基于DBSI_combine图像构建的模型中,最具辨别能力的特征是左中央后回的中心度和左角回偏心率。基于DBSI_20序列构建的分类模型的AUC高于基于DBSI_21序列构建的模型(0.963 vs.0.481),基于DBSI_combine序列构建的分类模型的AUC(0.975)最高。DBSI_20模型的符合率、召回率、精确率和F1分数分别为0.890、1.000、0.784和0.879,DBSI_21模型的相应参数值分别为0.579、0.556、0.861和0.675,DBSI_combine模型分别为0.936、0.889、1.000和0.979。结论:基于DBSI_20或DBSI_combine序列构建的分类模型能够较准确地预测学龄前ASD儿童,且以DBSI_combine模型的效能更佳。 展开更多
关键词 扩散基础光谱成像 机器学习 自闭症谱系障碍 预测效能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部