目的 本研究旨在基于术前多参数MRI的深度迁移学习(deep transfer learning,DTL)特征建立模型,以预测子宫内膜癌(endometrial carcinoma,EC)患者淋巴脉管间隙浸润(lymphovascular space invasion,LVSI)状态。材料与方法 回顾性收集2016...目的 本研究旨在基于术前多参数MRI的深度迁移学习(deep transfer learning,DTL)特征建立模型,以预测子宫内膜癌(endometrial carcinoma,EC)患者淋巴脉管间隙浸润(lymphovascular space invasion,LVSI)状态。材料与方法 回顾性收集2016年2月至2023年7月本院187例经手术病理确诊的EC患者的临床信息及术前MRI图像。并按7∶3比例随机分为训练集(131例)和测试集(56例)。在轴位T2加权成像、扩散加权成像、表观扩散系数(apparent diffusion coefficient,ADC)图及对比增强T1加权图像上手动勾画病灶感兴趣区。采用ResNet50、ResNet101及DenseNet121网络建立12种DTL模型,接着,采用平均值、最大值及最小值三种决策级融合方法建立融合模型,并从中选取最佳模型作为最终的DTL模型。通过单因素和多因素logistic回归分析筛选出临床特征后建立临床模型,并使用logistic回归联合DTL和临床特征建立DTL-临床联合模型。采用受试者工作特征曲线评估模型诊断EC患者LVSI的效能,通过DeLong检验比较曲线下面积(area under the curve,AUC),校准曲线分析模型的拟合优度,决策曲线分析(decision curve analysis,DCA)探讨模型的临床适用性。结果 测试集中,基于ADC图像建立的ResNet101模型在诊断EC患者LVSI时表现出最高的AUC值,为0.850 [95%置信区间(confidence interval,CI):0.736~0.963]。。采用平均值融合方法建立的融合模型,在测试集中AUC值最高,达到了0.932(95%CI:0.868~0.996),为最佳DTL模型。logistic回归分析表明年龄是EC患者LVSI的独立危险因素。DTL-临床联合模型在测试集中AUC为0.934(95%CI:0.871~0.997),诊断效能优于临床模型[AUC为0.554 (95%CI:0.436~0.671),P<0.001],与DTL模型比较差异无统计学意义(P=0.909)。Hosmer-Lemeshow检验显示联合模型在训练集和测试集中均具有较好的拟合效果(P=0.814及0.402),DCA显示临床净获益更大。结论 基于术前多参数MRI建立的DTL模型,以及将DTL特征与临床特征相结合建立的联合模型,能有效预测EC患者LVSI状态,诊断效能优于临床模型。DTL在小样本EC的MRI数据中表现优异,为LVSI术前预测提供重要临床辅助工具。展开更多
目的探讨基于第2版前列腺影像报告和数据系统(prostate imaging-reporting and data system version 2,PI-RADS V2)多参数磁共振成像(multiparametric magnetic resonance imaging,mp-MRI)对临床显著性移行带前列腺癌(transition zone p...目的探讨基于第2版前列腺影像报告和数据系统(prostate imaging-reporting and data system version 2,PI-RADS V2)多参数磁共振成像(multiparametric magnetic resonance imaging,mp-MRI)对临床显著性移行带前列腺癌(transition zone prostate cancer,TZ-PCa)的诊断价值。材料与方法回顾性分析经病理证实的105例前列腺病变(前列腺癌41例,良性前列腺增生64例)的病例资料,所有患者行mp-MRI检查,包括T1WI、T2WI常规序列及扩散加权成像(diffusion weighted imaging,DWI)、动态增强MRI (dynamic constrast-enhanced MRI,DCE-MRI)功能成像。两位医师依据PI-RADS V2对T2WI、DWI、DCE-MRI各独立序列及mp-MRI (T2WI+DWI)联合技术评分,以病理结果为金标准绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算曲线下面积(area under curve,AUC),分析各方案对前列腺癌的诊断价值。结果两位医师PI-RADS评分具有较好的一致性(Kappa值=0.83)。T2WI、DWI、DCE-MRI及mp-MRI诊断移行带前列腺癌的AUC分别为0.914、0.887、0.773、0.927。经Medcalc分析,T2WI与mpMRI间AUC差异无统计学意义(P=0.107),余其他扫描方案间差异均有统计学意义(P<0.05),4种扫描方案诊断灵敏度、特异度分别为85.4%、84.4%,78.0%、81.3%,78.0%、76.6%,92.7%、83.9%。结论基于PI-RADS V2的mp-MRI对临床显著性移行带前列腺癌的诊断具有重要指导意义。展开更多
目的探讨肩袖损伤合并肩峰下撞击综合征的MRI影像表现。材料与方法对33例X线片无骨折但临床怀疑肩袖损伤或肩峰下撞击综合征的患者,用1.5 T MRI机检查,观察肩袖损伤及肩峰下撞击综合征在MR上的影像特征,分析两者的相关性,并与手术结果对...目的探讨肩袖损伤合并肩峰下撞击综合征的MRI影像表现。材料与方法对33例X线片无骨折但临床怀疑肩袖损伤或肩峰下撞击综合征的患者,用1.5 T MRI机检查,观察肩袖损伤及肩峰下撞击综合征在MR上的影像特征,分析两者的相关性,并与手术结果对比,计算准确率。结果 33例中肩袖损伤20例(合并肩峰下撞击综合征10例),肩峰下撞击综合征15例(合并肩袖损伤10例)。肩袖损伤和肩峰下撞击综合征术前MR诊断准确率分别约为95.0%、71.3%。结论肩关节MRI扫描对肩袖损伤及肩峰下撞击综合征的诊断有较高的临床应用价值,肩袖损伤者中至少半数合并肩峰下撞击综合征,临床和影像应予重视。展开更多
目的利用生物信息学技术对骨关节炎(osteoarthritis,OA)差异表达基因进行识别和功能富集分析,并通过临床数据研究P53对基于MRI的OA间隙狭窄程度的影响。材料与方法下载微阵列数据(GSE55235),利用GEO2R鉴别OA患者与正常滑膜样本间的差异...目的利用生物信息学技术对骨关节炎(osteoarthritis,OA)差异表达基因进行识别和功能富集分析,并通过临床数据研究P53对基于MRI的OA间隙狭窄程度的影响。材料与方法下载微阵列数据(GSE55235),利用GEO2R鉴别OA患者与正常滑膜样本间的差异表达基因(differentially expressed genes,DEGs)。利用基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)对差异表达基因进行基因富集分析,进一步构建蛋白—蛋白互作(protein-protein interaction,PPI)网络分析,识别重要模块,鉴定核心基因。选取50例OA间隙狭窄患者,利用MRI检测其骨关节情况,分析其临床资料,运用Pearson卡方检验、Spearman相关性分析和多因素Logistic回归进行统计学分析。结果对照组与OA组滑膜组织之间存在差异。GSE55235的分析结果识别出91个差异表达基因。DEGs集富集分析全面概述了OA的一些主要病理生理机制:细胞对过氧化氢的反应、P53信号通路。鉴定出了4个关键基因:MMP1、CXCL8、VEGFA和JUN。与正常组对比,MMP1在OA组中高表达,CXCL8、VEGFA和JUN在OA组中低表达。Pearson卡方检验、Spearman相关性分析和多因素Logistic回归结果显示P53与OA间隙狭窄程度显著相关(OR=0.112,95%CI:0.025~0.495,P=0.004),而性别、年龄、MMP1、VEGFA、CXCL8与OA间隙狭窄程度无显著相关性(P值均大于0.05)。结论基于MRI结果的基础上,判断细胞对过氧化氢的反应、P53信号通路能为OA的诊断和治疗提供新的研究靶点。P53在OA患者中低表达,可能作为其潜在治疗靶点。MRI也有利于OA患者早期的诊断与治疗,降低OA发病率。展开更多
文摘目的 本研究旨在基于术前多参数MRI的深度迁移学习(deep transfer learning,DTL)特征建立模型,以预测子宫内膜癌(endometrial carcinoma,EC)患者淋巴脉管间隙浸润(lymphovascular space invasion,LVSI)状态。材料与方法 回顾性收集2016年2月至2023年7月本院187例经手术病理确诊的EC患者的临床信息及术前MRI图像。并按7∶3比例随机分为训练集(131例)和测试集(56例)。在轴位T2加权成像、扩散加权成像、表观扩散系数(apparent diffusion coefficient,ADC)图及对比增强T1加权图像上手动勾画病灶感兴趣区。采用ResNet50、ResNet101及DenseNet121网络建立12种DTL模型,接着,采用平均值、最大值及最小值三种决策级融合方法建立融合模型,并从中选取最佳模型作为最终的DTL模型。通过单因素和多因素logistic回归分析筛选出临床特征后建立临床模型,并使用logistic回归联合DTL和临床特征建立DTL-临床联合模型。采用受试者工作特征曲线评估模型诊断EC患者LVSI的效能,通过DeLong检验比较曲线下面积(area under the curve,AUC),校准曲线分析模型的拟合优度,决策曲线分析(decision curve analysis,DCA)探讨模型的临床适用性。结果 测试集中,基于ADC图像建立的ResNet101模型在诊断EC患者LVSI时表现出最高的AUC值,为0.850 [95%置信区间(confidence interval,CI):0.736~0.963]。。采用平均值融合方法建立的融合模型,在测试集中AUC值最高,达到了0.932(95%CI:0.868~0.996),为最佳DTL模型。logistic回归分析表明年龄是EC患者LVSI的独立危险因素。DTL-临床联合模型在测试集中AUC为0.934(95%CI:0.871~0.997),诊断效能优于临床模型[AUC为0.554 (95%CI:0.436~0.671),P<0.001],与DTL模型比较差异无统计学意义(P=0.909)。Hosmer-Lemeshow检验显示联合模型在训练集和测试集中均具有较好的拟合效果(P=0.814及0.402),DCA显示临床净获益更大。结论 基于术前多参数MRI建立的DTL模型,以及将DTL特征与临床特征相结合建立的联合模型,能有效预测EC患者LVSI状态,诊断效能优于临床模型。DTL在小样本EC的MRI数据中表现优异,为LVSI术前预测提供重要临床辅助工具。
文摘目的探讨基于第2版前列腺影像报告和数据系统(prostate imaging-reporting and data system version 2,PI-RADS V2)多参数磁共振成像(multiparametric magnetic resonance imaging,mp-MRI)对临床显著性移行带前列腺癌(transition zone prostate cancer,TZ-PCa)的诊断价值。材料与方法回顾性分析经病理证实的105例前列腺病变(前列腺癌41例,良性前列腺增生64例)的病例资料,所有患者行mp-MRI检查,包括T1WI、T2WI常规序列及扩散加权成像(diffusion weighted imaging,DWI)、动态增强MRI (dynamic constrast-enhanced MRI,DCE-MRI)功能成像。两位医师依据PI-RADS V2对T2WI、DWI、DCE-MRI各独立序列及mp-MRI (T2WI+DWI)联合技术评分,以病理结果为金标准绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算曲线下面积(area under curve,AUC),分析各方案对前列腺癌的诊断价值。结果两位医师PI-RADS评分具有较好的一致性(Kappa值=0.83)。T2WI、DWI、DCE-MRI及mp-MRI诊断移行带前列腺癌的AUC分别为0.914、0.887、0.773、0.927。经Medcalc分析,T2WI与mpMRI间AUC差异无统计学意义(P=0.107),余其他扫描方案间差异均有统计学意义(P<0.05),4种扫描方案诊断灵敏度、特异度分别为85.4%、84.4%,78.0%、81.3%,78.0%、76.6%,92.7%、83.9%。结论基于PI-RADS V2的mp-MRI对临床显著性移行带前列腺癌的诊断具有重要指导意义。
文摘目的探讨肩袖损伤合并肩峰下撞击综合征的MRI影像表现。材料与方法对33例X线片无骨折但临床怀疑肩袖损伤或肩峰下撞击综合征的患者,用1.5 T MRI机检查,观察肩袖损伤及肩峰下撞击综合征在MR上的影像特征,分析两者的相关性,并与手术结果对比,计算准确率。结果 33例中肩袖损伤20例(合并肩峰下撞击综合征10例),肩峰下撞击综合征15例(合并肩袖损伤10例)。肩袖损伤和肩峰下撞击综合征术前MR诊断准确率分别约为95.0%、71.3%。结论肩关节MRI扫描对肩袖损伤及肩峰下撞击综合征的诊断有较高的临床应用价值,肩袖损伤者中至少半数合并肩峰下撞击综合征,临床和影像应予重视。
文摘目的利用生物信息学技术对骨关节炎(osteoarthritis,OA)差异表达基因进行识别和功能富集分析,并通过临床数据研究P53对基于MRI的OA间隙狭窄程度的影响。材料与方法下载微阵列数据(GSE55235),利用GEO2R鉴别OA患者与正常滑膜样本间的差异表达基因(differentially expressed genes,DEGs)。利用基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)对差异表达基因进行基因富集分析,进一步构建蛋白—蛋白互作(protein-protein interaction,PPI)网络分析,识别重要模块,鉴定核心基因。选取50例OA间隙狭窄患者,利用MRI检测其骨关节情况,分析其临床资料,运用Pearson卡方检验、Spearman相关性分析和多因素Logistic回归进行统计学分析。结果对照组与OA组滑膜组织之间存在差异。GSE55235的分析结果识别出91个差异表达基因。DEGs集富集分析全面概述了OA的一些主要病理生理机制:细胞对过氧化氢的反应、P53信号通路。鉴定出了4个关键基因:MMP1、CXCL8、VEGFA和JUN。与正常组对比,MMP1在OA组中高表达,CXCL8、VEGFA和JUN在OA组中低表达。Pearson卡方检验、Spearman相关性分析和多因素Logistic回归结果显示P53与OA间隙狭窄程度显著相关(OR=0.112,95%CI:0.025~0.495,P=0.004),而性别、年龄、MMP1、VEGFA、CXCL8与OA间隙狭窄程度无显著相关性(P值均大于0.05)。结论基于MRI结果的基础上,判断细胞对过氧化氢的反应、P53信号通路能为OA的诊断和治疗提供新的研究靶点。P53在OA患者中低表达,可能作为其潜在治疗靶点。MRI也有利于OA患者早期的诊断与治疗,降低OA发病率。
