目的 基于前列腺影像报告和数据系统2.1版(Prostate Imaging Report and Data System version 2.1, PI-RADS v2.1)的双参数磁共振成像(biparametric MRI, bp-MRI)和前列腺特异性抗原(prostate specific antigen, PSA)等临床指标,构建鉴...目的 基于前列腺影像报告和数据系统2.1版(Prostate Imaging Report and Data System version 2.1, PI-RADS v2.1)的双参数磁共振成像(biparametric MRI, bp-MRI)和前列腺特异性抗原(prostate specific antigen, PSA)等临床指标,构建鉴别诊断PSA(4-20 ng/mL)前列腺癌(prostate cancer, PCa)的列线图模型。材料与方法 回顾性分析宁夏医科大学总医院2017年10月至2022年2月206例行bp-MRI检查并有病理学结果的患者资料。根据病理结果分为PCa组(n=66)和前列腺增生和(或)炎症组(n=140),经单、多因素logistic回归分析筛选PSA (4-20 ng/mL) PCa患者的独立危险因素,随后使用R软件构建列线图模型,并用决策曲线分析(decision curve analysis, DCA)其临床净效益。以受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)、敏感度和特异度评价诊断效能,并通过DeLong检验比较AUC值间的差异。结果 年龄、总前列腺特异性抗原(total prostate specific antigen, tPSA)、前列腺体积(prostate volume, PV)、PI-RADS v2.1是预测PSA (4-20 ng/mL) PCa的独立危险因素。基于上述4个独立指标构建的列线图模型诊断效能最好(AUC=0.945),明显高于PI-RADS v2.1(AUC=0.816)、PV(AUC=0.772)、tPSA(AUC=0.737)、年龄(AUC=0.680)。结论 基于bp-MRI的PI-RADS v2.1评分联合临床相关指标建立的列线图模型,预测PSA (4–20 ng/mL) PCa的诊断效能明显优于单一指标,可作为一种无创精准化预测工具,将更全面、准确地预测罹患PCa的风险概率,为临床提供有效的诊疗指导。展开更多
文摘目的探讨MAGIC弛豫时间定量技术评估新生儿急性胆红素脑病(acute bilirubin encephalopathy,ABE)的价值。材料与方法前瞻性纳入2020年10月至2022年6月在宁夏医科大学总医院PICU因黄疸入院确诊的ABE患儿32例(ABE组),高胆红素血症患儿71例(高胆组),同期44例正常足月儿(对照组)作为研究对象,所有被纳入研究对象均于出生后10 d内在我院完成头颅磁共振MAGIC检查,并测量双侧苍白球、壳核、丘脑腹外侧核、内囊后肢、内囊前肢、大脑脚6个感兴趣区(region of interest,ROI)的弛豫值(TI、T2)及质子密度(proton density,PD)值;采用单因素方差分析比较各组间T1、T2、PD值;采用受试者工作特征(receiver operating characteristic,ROC)曲线分析各定量参数诊断ABE的曲线下面积(area under the curve,AUC)、最佳临界值、敏感度、特异度、约登指数;采用Pearson相关分析ROI的T1、T2、PD值与血清胆红素(total serum bilirubin,TSB)的相关性。结果苍白球T1、T2值在三组间差异有统计学意义(P<0.05),在ABE组最低,高胆组次之,对照组最高。内囊后肢T1、T2值及大脑脚T1值在三组间差异有统计学意义(P<0.05),ABE组最高,高胆组次之,对照组最低。T1值中苍白球AUC(0.977)最高且敏感度(95.3%)、特异度(92.0%)也最高,内囊后肢、大脑脚次之;而T2值中苍白球AUC(0.880)、内囊后肢AUC(0.857)相近,苍白球特异度略高(82.1%),内囊后肢敏感度略高(79.1%)。苍白球T1值与TSB呈负相关(r=-0.541,P<0.05),内囊后肢、大脑脚T1值与TSB呈正相关(r=0.503、0.384,P均<0.05)。结论MAGIC弛豫时间定量技术在诊断新生儿ABE具有较高的临床价值,测量苍白球、内囊后肢T1、T2值及大脑脚T1值能够为临床早期诊断新生儿ABE提供客观、定量影像学参考依据。
文摘目的 探讨基于多序列MRI的卷积神经网络模型预测脑胶质瘤O6-甲基鸟嘌呤-DNA-甲基转移酶(O6-methylguanine-DNA methyltransferase, MGMT)启动子甲基化状态的价值。材料与方法 回顾性分析宁夏医科大学总医院2015年11月至2022年6月经手术病理证实的161例胶质瘤患者的临床及MRI影像资料,其中MGMT启动子甲基化型80例,未甲基化型81例。收集术前MRI的T2WI、T2液体衰减反转恢复(T2 fluid attenuated inversion recovery, T2-FLAIR)及对比增强T1WI (contrast enhanced T1WI, CE-T1WI)序列,对所有图像预处理后,勾画感兴趣区(region of interest, ROI)。对图像进行标注后按照7∶3随机分为训练集和验证集。使用34层残差神经网络(34-layer-residual convolutional neural network, ResNet34)分别建立基于T2WI、T2-FLAIR、CE-T1WI的单序列模型T2-net、T2f-net、TC-net和多序列融合模型TS-net,预测MGMT启动子甲基化状态。采用受试者工作特征曲线下面积(area under the receiver operating characteristic, AUROC)、精确度-召回率曲线下面积(area under the precision-recall curve, AUPRC)、准确度、特异度和敏感度评估模型效能,通过DeLong检验比较模型间的预测效能。结果 四个预测模型T2-net、T2f-net、TC-net、TS-net均有良好的预测效能,TS-net的AUROC值均高于T2-net、T2f-net、TC-net(训练集:0.930 vs. 0.859、0.877、0.920;验证集:0.910 vs. 0.812、0.840、0.854),TS-net的AUPRC值均高于T2-net、T2f-net、TC-net(训练集:0.912 vs. 0.860、0.864、0.908;验证集:0.896 vs. 0.796、0.826、0.839)。验证集中TS-net的AUROC值均高于T2-net、T2f-net、TC-net,差异均有统计学意义,训练集中与T2-net、T2f-net相比差异有统计学意义(DeLong检验,P<0.05)。结论 基于多序列MRI融合的卷积神经网络模型,可以准确、无创地预测胶质瘤MGMT甲基化状态,优于单一序列模型,为指导临床治疗决策和评估胶质瘤患者预后提供可靠依据。
