目的:探讨基于钆塞酸二钠增强MRI肝胆期影像组学在肝细胞癌(HCC)病理分化程度中的预测价值。方法:回顾性收集145例经术后病理证实为HCC患者资料,根据病理分级将患者分为低危险组(100例)和高危险组(45例),前者包括高分化(11例)、中-高分...目的:探讨基于钆塞酸二钠增强MRI肝胆期影像组学在肝细胞癌(HCC)病理分化程度中的预测价值。方法:回顾性收集145例经术后病理证实为HCC患者资料,根据病理分级将患者分为低危险组(100例)和高危险组(45例),前者包括高分化(11例)、中-高分化(11例)、中分化(78例)HCC,后者包括低分化(21例)、中-低分化(24例)HCC。所有患者术前2周均行钆塞酸二钠增强MRI检查。通过分析得出对HCC有影响的临床及传统影像学特征,建立临床-影像模型;利用ITK⁃SNAP软件在肝胆特异期图像上手动勾画肿瘤感兴趣区(ROIs),利用FAE(FeAture Explorer V.0.5.5)软件提取特征,使用最大相关最小冗余法对特征降维,通过建立XGBoost二分类模型来预测诊断效能;最终将临床-影像模型与影像组学模型相结合,建立联合模型。采用受试者工作特征(ROC)曲线下面积、准确度、灵敏度、特异度等指标来评价各模型诊断效能。结果:测试组中临床-影像模型、影像组学模型以及联合模型的ROC曲线下面积值分别为0.66、0.70、0.76,准确度分别为63.6%、63.6%、77.3%,灵敏度分别为71.4%、85.7%、57.1%,特异度分别为60.0%、53.3%、86.7%。结论:基于钆塞酸二钠增强MRI肝胆期影像组学的模型在预测HCC病理分化中有一定的价值。展开更多
目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)...目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)和内部验证集(n=79:APH=41,ALA=38),机构2的患者作为外部验证集(n=44:APH=23,ALA=21)。分别建立CRN模型和DCNN模型,并采用德隆检验和受试者工作特性曲线(ROC)对两种模型的性能进行比较。通过人-机竞赛评估人工智能(AI)在肺结节Lung-RADS分类中的价值。结果 DCNN模型在训练集和内、外部验证集中的曲线下面积(AUC)均高于CRN模型(0.983 vs 0.968、0.973 vs 0.953、0.942 vs 0.932),但差异无统计学意义(P=0.23、0.31、0.34)。在放射科医师-AI竞争实验中,AI倾向于下调APH组中更多的Lung-RADS类别,并肯定ALA中更多的Lung-RADS类别。结论 DCNN及CRN在区分APH和ALA方面具有较高价值,前者表现更优;AI在评价肺结节的Lung-RADS分类方面优于放射科医师。展开更多
目的探讨CT能谱成像在鉴别胰腺癌与肿块型胰腺炎中的价值,提高术前鉴别诊断准确率。资料与方法回顾性分析经能谱CT检查并经手术病理证实的62例胰腺癌患者(胰腺癌组)和30例肿块型胰腺炎患者(胰腺炎组)的临床资料,在动脉期和门静脉期40~14...目的探讨CT能谱成像在鉴别胰腺癌与肿块型胰腺炎中的价值,提高术前鉴别诊断准确率。资料与方法回顾性分析经能谱CT检查并经手术病理证实的62例胰腺癌患者(胰腺癌组)和30例肿块型胰腺炎患者(胰腺炎组)的临床资料,在动脉期和门静脉期40~140 ke V单能量下(间隔10 ke V),分别测量和比较两组病灶的平均CT值、碘浓度以及能谱曲线的差异。结果在动脉期和门静脉期的40~140 ke V单能量下,胰腺炎组的平均CT值均大于胰腺癌组,差异均有统计学意义(t动脉期=-7.349^-4.810,P<0.05;t门静脉期=-6.760^-5.496,P<0.05)。胰腺炎组与胰腺癌组的能谱曲线有明显的差别,在40~70 ke V低能量之间差异明显。胰腺癌组在动脉期和门静脉期的碘浓度均低于胰腺炎组,差异有统计学意义(t动脉期=-28.577,P<0.05;t门静脉期=-28.451,P<0.05)。结论通过CT能谱成像技术测量不同单能量下CT值、能谱曲线以及碘浓度可以鉴别胰腺癌和肿块型胰腺炎。展开更多
文摘目的:探讨基于钆塞酸二钠增强MRI肝胆期影像组学在肝细胞癌(HCC)病理分化程度中的预测价值。方法:回顾性收集145例经术后病理证实为HCC患者资料,根据病理分级将患者分为低危险组(100例)和高危险组(45例),前者包括高分化(11例)、中-高分化(11例)、中分化(78例)HCC,后者包括低分化(21例)、中-低分化(24例)HCC。所有患者术前2周均行钆塞酸二钠增强MRI检查。通过分析得出对HCC有影响的临床及传统影像学特征,建立临床-影像模型;利用ITK⁃SNAP软件在肝胆特异期图像上手动勾画肿瘤感兴趣区(ROIs),利用FAE(FeAture Explorer V.0.5.5)软件提取特征,使用最大相关最小冗余法对特征降维,通过建立XGBoost二分类模型来预测诊断效能;最终将临床-影像模型与影像组学模型相结合,建立联合模型。采用受试者工作特征(ROC)曲线下面积、准确度、灵敏度、特异度等指标来评价各模型诊断效能。结果:测试组中临床-影像模型、影像组学模型以及联合模型的ROC曲线下面积值分别为0.66、0.70、0.76,准确度分别为63.6%、63.6%、77.3%,灵敏度分别为71.4%、85.7%、57.1%,特异度分别为60.0%、53.3%、86.7%。结论:基于钆塞酸二钠增强MRI肝胆期影像组学的模型在预测HCC病理分化中有一定的价值。
文摘目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)和内部验证集(n=79:APH=41,ALA=38),机构2的患者作为外部验证集(n=44:APH=23,ALA=21)。分别建立CRN模型和DCNN模型,并采用德隆检验和受试者工作特性曲线(ROC)对两种模型的性能进行比较。通过人-机竞赛评估人工智能(AI)在肺结节Lung-RADS分类中的价值。结果 DCNN模型在训练集和内、外部验证集中的曲线下面积(AUC)均高于CRN模型(0.983 vs 0.968、0.973 vs 0.953、0.942 vs 0.932),但差异无统计学意义(P=0.23、0.31、0.34)。在放射科医师-AI竞争实验中,AI倾向于下调APH组中更多的Lung-RADS类别,并肯定ALA中更多的Lung-RADS类别。结论 DCNN及CRN在区分APH和ALA方面具有较高价值,前者表现更优;AI在评价肺结节的Lung-RADS分类方面优于放射科医师。
文摘目的探讨CT能谱成像在鉴别胰腺癌与肿块型胰腺炎中的价值,提高术前鉴别诊断准确率。资料与方法回顾性分析经能谱CT检查并经手术病理证实的62例胰腺癌患者(胰腺癌组)和30例肿块型胰腺炎患者(胰腺炎组)的临床资料,在动脉期和门静脉期40~140 ke V单能量下(间隔10 ke V),分别测量和比较两组病灶的平均CT值、碘浓度以及能谱曲线的差异。结果在动脉期和门静脉期的40~140 ke V单能量下,胰腺炎组的平均CT值均大于胰腺癌组,差异均有统计学意义(t动脉期=-7.349^-4.810,P<0.05;t门静脉期=-6.760^-5.496,P<0.05)。胰腺炎组与胰腺癌组的能谱曲线有明显的差别,在40~70 ke V低能量之间差异明显。胰腺癌组在动脉期和门静脉期的碘浓度均低于胰腺炎组,差异有统计学意义(t动脉期=-28.577,P<0.05;t门静脉期=-28.451,P<0.05)。结论通过CT能谱成像技术测量不同单能量下CT值、能谱曲线以及碘浓度可以鉴别胰腺癌和肿块型胰腺炎。
