对比增强SWI对不同病理类型肺癌脑转移瘤的诊断价值

目的:探讨对比增强磁敏感加权成像(CE-SWI)与常规对比增强T 1WI成像(CE-T 1WI)对不同病理类型肺癌脑转移瘤的检出率差异,分析脑转移瘤内出现对比剂诱导相移(CIPS)与原发性肺癌病理类型间的关联性。方法:搜集经病理证实的79例原发性肺癌患者,其中腺癌组40例,鳞癌组18例,小细胞癌组21例,均行颅脑MR常规平扫、SWI、CE-T 1WI及CE-SWI检查,比较CE-SWI与CE-T 1WI检出的脑转移瘤数目及转移瘤内是否存在CIPS,转移灶经3个月后随访证实。结果:CE-T 1WI与CE-SWI对腺癌脑转移瘤的检出率差异有统计学意义(χ^(2)=5.05,P=0.025),对鳞癌(χ^(2)=0.00,P=1.000)与小细胞癌(χ^(2)=0.27,P=0.603)脑转移瘤的检出率差异无统计学意义。腺癌组、鳞癌组、小细胞癌组三组间CIPS阳性率差异有统计学意义(χ^(2)=11.13,P=0.004),其中鳞癌组与腺癌组(χ^(2)=11.08,P=0.001)、鳞癌组与小细胞癌组(χ^(2)=8.26,P=0.004)间差异有统计学意义,腺癌组与小细胞癌组间差异无统计学意义(χ^(2)=0.131,P=0.717)。结论:CE-SWI对肺腺癌脑转移瘤的检出较CE-T 1WI更有优势。肺腺癌、小细胞癌脑转移瘤的CIPS阳性率较鳞癌显著增高,CE-SWI可为肺癌脑转移瘤MRI检查常规序列的有利补充,为临床诊疗提供更多重要参考信息。

半剂量钆对比剂延迟增强T_(1)-MTC、T_(2)-FLAIR序列对脑转移瘤的诊断价值

目的探讨半剂量钆对比剂延迟增强T_(1)W_(I)磁化传递对比(T_(1)-MTC)、T_(2)液体衰减反转恢复(T_(2)-FLAIR)序列对脑转移瘤的诊断价值。方法选择确诊肿瘤并明确有脑转移瘤患者61例,共有脑转移病灶528个。MRI检查采用半剂量钆对比剂(0.05 mmol/kg),分别在增强后30 min行轴位T_(1)-MTC、T_(2)-FLAIR扫描,增强后35 min时注射另一半对比剂(0.05 mmol/kg)后行多角度T_(1)-FLAIR扫描。由两位放射科医师以双盲法观察增强30 min T_(1)-MTC、T_(2)-FLAIR及35 min T_(1)-FLAIR图像,评价不同时间、序列所检出的脑转移瘤数量及显示的准确率。观察脑转移瘤的强化方式,请两位医师评价病灶的信号强度(SI lesion)、对侧正常脑组织的信号强度(SI brain)、背景空气的标准差(SD noise),采用组内相关系数(ICC)对两位医师的诊断进行一致性评价。测量直径≥1.0 cm脑转移病灶的SI lesion、SI brain、SD noise,计算在30 min T_(1)-MTC、T_(2)-FLAIR序列及35 min T_(1)-FLAIR序列中肿瘤与对侧正常脑组织的信号比、对比率(CBR)、与背景的对比噪声比(CNR)及信噪比(SNR)。结果30 min T_(1)-MTC+30 min T_(2)-FLAIR显示准确率高于30 min T_(1)-MTC、30 min T_(2)-FLAIR、35 min T_(1)-FLAIR(P均<0.05),30 min T_(1)-MTC、30 min T_(2)-FLAIR及35 min T_(1)-FLAIR显示准确率比较差异无统计学意义(P均>0.05)。脑转移瘤在30 min T_(1)-MTC图像表现为明显均匀强化42例(68.85%)、明显不均匀强化19例(31.15%);脑转移瘤在30 min T_(2)-FLAIR图像表现为明显不均匀强化35例(57.38%)、环状强化26例(42.62%)。ICC分析显示,两位医师对30 min T_(1)-MTC、30 min T_(2)-FLAIR、35 min T_(1)-FLAIR序列脑转移瘤SI lesion、SI brain、SD noise诊断的一致性均较好(ICC值均>0.80)。30 min T_(2)-FLAIR信号比、CBR、CNR、SNR均高于30 min T_(1)-MTC、35 min T_(1)-FLAIR,30 min T_(1)-MTC CNR、SNR均高于35 min T_(1)-FLAIR(P均<0.05);30minT_(1)-MTC与35minT_(1)-FLAIR信号比、CBR比较差异均无统计学意义(P均>0.05)。结论半剂量钆对比剂延迟增强30minT_(1)-MTC、T_(2)-FLAIR序列对脑转移瘤具有较好的诊断价值,两者结合可提高诊断的准确性。

基于MRI影像组学鉴别胶质瘤及单发脑转移瘤的应用研究

目的分析基于多模态磁共振成像(Magnetic Resonance Imaging,MRI)影像组学鉴别胶质瘤及单发脑转移瘤的研究进展,得出提升鉴别准确性的要素。方法通过检索PubMed、Web of Science及FMRS外文医学信息资源检索平台3个数据库,根据纳入排除标准,对纳入的文章提取数据来源、患者数量、MRI设备、MRI序列、肿瘤分割软件、分割方式、分割范围、分割类型、特征提取方法、筛选方法、机器学习分类器、最优的机器学习分类器等数据进行综合分析。结果最终纳入12篇文献进行分析,大多数研究选择MRI传统结构序列,特征筛选方法选择最多的是最小绝对收缩和选择算子,使用最多且表现最佳的机器学习分类器为随机森林。结论MRI影像组学方法在鉴别胶质瘤及单发脑转移瘤方面展现出了较高的准确性,为临床决策提高了较大帮助。

伽玛刀立体定向放射治疗肺癌脑转移瘤患者预后不良的影响因素

目的:分析伽玛刀立体定向放射治疗肺癌脑转移瘤患者预后不良的影响因素。方法:回顾性分析2022年1月至2023年1月在该院接受伽马刀立体定向放射治疗的121例肺癌脑转移瘤患者的临床资料。统计伽玛刀立体定向放射治疗肺癌脑转移瘤患者的预后情况,采用Logistic回归分析伽玛刀立体定向放射治疗肺癌脑转移瘤患者预后不良的影响因素。结果:121例伽马刀立体定向放射治疗肺癌脑转移瘤患者预后不良40例,设为预后不良组,预后良好81例,设为预后良好组;预后不良组脑转移瘤最大直径≥3 cm、血清鳞状细胞癌抗原(SCC-Ag)≥3.80 ng/mL、血清细胞角蛋白19片段(CYFRA21-1)≥7.52 ng/mL、血清神经元特异性烯醇化酶(NSE)≥50.81μg/L占比均高于预后良好组,差异有统计学意义(P<0.05);Logistic回归分析结果显示,血清SCC-Ag≥3.80 ng/mL、血清NSE≥50.81μg/L均为伽玛刀立体定向放射治疗肺癌脑转移瘤患者预后不良的危险因素(OR>1,P<0.05)。结论:血清SCC-Ag≥3.80 ng/mL、血清NSE≥50.81μg/L均为伽玛刀立体定向放射治疗肺癌脑转移瘤患者预后不良的危险因素。

肺癌脑转移瘤的MRI影像特征与病理组织学的相关性分析

目的探讨肺癌脑转移瘤患者的MRI影像学特征以及与病理组织学的相关性。方法选取肺癌脑转移瘤患者34例为研究对象,对患者MRI检查和病理组织学结果进行整理。结果本组34例患者中,23例腺癌,2例鳞癌,9例小细胞肺癌;腺癌多发数目高于鳞癌、小细胞肺癌(P<0.05);腺癌肿瘤大小高于鳞癌、小细胞肺癌(P<0.05);鳞癌脑转移瘤水肿程度最高,其次为小细胞肺癌,三组对比有差异(P<0.05);小细胞肺癌强化不规则状特点最突出,其次为腺癌,三组对比有差异(P<0.05)。结论肺癌脑转移瘤MRI影像学特征与病理组织学之间有密切关联性,故可将MRI可作为识别诊断肺癌脑转移瘤的重要手段。

CT和MRI在脑转移瘤诊断中的应用价值分析

脑转移瘤诊断CT及MRI的应用。方法 选取50例脑转移瘤患者(2022.1~2023.12)分别以CT、MRI诊断,分析应用价值。结果 临床通过不同方式(CT、MRI)诊断脑转移瘤患者,其中不规则环形强化,厚薄不一、结节形强化,形态不规则、囊实形强化,囊壁明显增强、均匀强化等,P>0.05。入组患者中病变形状、病变部位诊断,P>0.05。瘤周水肿程度、病变大小诊断,P<0.05。肺癌原发性肿瘤CT诊断准确率更高,P<0.05。乳腺癌、恶性黑色素瘤原发性肿瘤MRI诊断准确率更高,P<0.05。而结肠癌原发性肿瘤,CT、MRI诊断,P>0.05。结论 CT、MRI诊断脑转移瘤均具有一定效果,受限于不同诊断方式运作原理,以及病症特征等情况,导致诊断结果存在一定差异性,因此,针对不同类型脑转移瘤患者,建议联合进行检查,全面分析疾病影像学特征,提高疾病掌握程度,以及表现特征,值得临床推广。

钆对比剂剂量对增强T2 FLAIR序列与增强T1WI序列脑转移瘤强化效果的影响及对比研究

目的 对比不同剂量钆对比剂注射后增强液体衰减反转恢复(contrast enhanced T2 fluid attenuated inversion recovery,CE-T2 FLAIR)序列与对比增强T1WI(contrast enhanced T1WI, CE-T1WI)上脑转移瘤的强化效果,探讨半剂量对比剂条件下CE-T2 FLAIR序列在脑转移瘤MRI检查的诊断价值。材料与方法 前瞻性纳入颅外原发恶性肿瘤经病理学明确诊断、脑转移瘤经病理或临床随访证实的患者30例,于3.0 T MRI设备行头颅MRI增强扫描,在常规平扫序列的基础上,行半剂量(0.05 mmol/kg)CE-T2 FLAIR和CE-T1WI扫描,随后分次补充钆对比剂达常规剂量(0.1 mmol/kg)后至双倍剂量(0.2 mmol/kg),在注射对比剂后均进行CE-T2 FLAIR和CE-T1WI扫描。由两位观察者对三次扫描的CE-T2 FLAIR和CE-T1WI图像进行客观测量。计算不同剂量条件下CE-T2 FLAIR和CE-T1WI图像的对比信噪比(contrast to noise ratio, CNR)、相对对比度(relative contrast, RC)及百分比增加(percentage increase, PI)。采用方差分析对客观测量结果进行组间比较,差异有统计学意义(P<0.05)时进行后续多重比较;采用t检验比较两组之间的差异。结果 两位观察者客观评分一致性良好。三组对比剂剂量下CE-T2 FLAIR图像间CNR值与RC值差异无统计学意义(P>0.05);与平扫T2 FLAIR相比,病灶PI增高,增强效果良好。三组对比剂剂量下CE-T1WI图像间CNR值与RC值差异有统计学意义(P<0.05),两两比较结果表明双倍剂量CE-T1WI图像上CNR值及RC值均明显大于半剂量组(P<0.05)。半剂量及常规剂量CE-T2 FLAIR图像CNR值及RC值上均较该组CE-T1WI明显增大,差异有统计学意义(P<0.05)。半剂量CE-T2 FLAIR图像CNR值及RC值均明显大于常规剂量CE-T1WI(P<0.05)。与双倍剂量CE-T1WI相比,半剂量CE-T2 FLAIR图像CNR值增大(P<0.05),RC值差异无统计学意义(P>0.05)。结论 半剂量对比剂下CE-T2FLAIR图像上脑转移瘤的强化效果与常规CE-T1WI相仿,病灶显示良好,为半剂量对比剂的CE-T2 FLAIR序列应用于脑转移瘤MRI检查提供依据。

表观扩散系数鉴别肺癌脑转移瘤组织学分型及其与Ki-67增殖指数的相关性

目的探讨表观扩散系数(apparent diffusion coefficient,ADC)鉴别诊断肺癌脑转移瘤组织学分型的价值及其与Ki-67增殖指数之间的关系。材料与方法回顾性分析经手术病理证实的20例小细胞肺癌脑转移瘤和41例非小细胞肺癌脑转移瘤患者的资料,并测定其Ki-67增殖指数。在ADC图上测量肿瘤实性部分的最小ADC值(the minimum ADC,ADCmin)、平均ADC值(the mean ADC,ADCmean)及对侧正常脑白质ADC值,并计算相对ADCmin(relative ADCmin,rADCmin)及相对ADCmean(relative ADCmean,rADCmean)。对比分析二者ADC值的差异,绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价ADC值的鉴别诊断价值,并计算ADC值与Ki-67增殖指数之间的相关性。结果小细胞肺癌脑转移瘤组的ADCmin、ADCmean、rADCmin及rADCmean值均小于非小细胞肺癌脑转移瘤组,组间差异均具有统计学意义(P<0.05)。各ADC值均能对小细胞肺癌脑转移瘤及非小细胞肺癌脑转移瘤进行有效鉴别,其中rADCmean值的鉴别诊断效能最好,曲线下面积(area under the curve,AUC)为0.950[95%置信区间(confidence interval,CI):0.907~0.994],最佳截断值为0.955,相应的敏感度和特异度分别为96.23%、83.87%,准确度为91.67%。小细胞肺癌脑转移瘤组的Ki-67增殖指数大于非小细胞肺癌脑转移瘤组,组间差异具有统计学意义(P<0.05)。61例肺癌脑转移瘤患者的ADCmin、ADCmean、rADCmin及rADCmean值均与Ki-67增殖指数呈不同程度的负相关(r=-0.506、r=-0.480、r=-0.569、r=-0.541)。结论ADC值可以对肺癌脑转移瘤的组织学分型进行鉴别诊断,并可以预测Ki-67增殖指数的表达水平。

放疗联合重组人血管内皮抑素治疗肺癌脑转移瘤合并脑水肿的疗效评估

目的探讨放疗联合重组人血管内皮抑素(rh-Endostatin)治疗肺癌脑转移瘤合并脑水肿的疗效。方法选取2020-05—2023-03阜阳市肿瘤医院收治的肺癌脑转移瘤合并脑水肿患者74例为研究对象,按随机数排序法分为研究组37例与对照组37例,对照组予以放疗联合传统治疗(激素、甘露醇),研究组予以放疗联合rh-Endostatin治疗,均治疗2周,比较2组患者疗效、水肿程度、癌胚抗原(CEA)水平与不良反应。结果2组患者总有效率比较差异无统计学意义(χ^(2)=1.770,P>0.05),2组患者治疗2周后脑水肿程度均较治疗前改善(Z=17.704、6.211,P<0.05),且研究组优于对照组(Z=5.681,P<0.05)。重复测量方差分析结果显示,2组患者治疗后CEA水平与治疗前相比均降低,且治疗2周后CEA水平低于治疗1周后(P<0.05),研究组治疗1周后、治疗2周后CEA水平均低于对照组(6.12±2.01比7.45±2.03,4.31±1.14比5.52±1.77,P<0.05)。2组患者均未发生贫血、出血倾向、心功能不良反应,心律失常不良反应分级、血小板减少不良反应分级、粒细胞减少不良反应分级比较差异无统计学意义(P>0.05)。结论放疗联合rh-Endostatin治疗肺癌脑转移瘤合并脑水肿具有较好疗效,可有效改善脑水肿指数,降低CEA水平,且无明显不良反应,安全性较好。

脑转移瘤的影像学研究进展

脑转移瘤是成人最常见的中枢神经系统肿瘤之一,具有发展快、预后差的特点。随着放疗技术的不断发展和靶向治疗、免疫治疗等新型治疗方式的出现,脑转移瘤患者生存率有了很大提高。影像学上病灶的检出和评估对治疗方案的选择及患者预后至关重要。因此,现代医疗对影像学提出了更高的要求。常规影像学磁共振检查一直是诊断与评估脑转移瘤的金标准。随着影像技术的不断提高。MRI不只局限于从形态学评估脑转移瘤,磁共振波谱成像、脑灌注成像、扩散张量成像等功能成像更是从生物水平评估脑转移瘤状况。不仅如此,近年来涌现的放射组学与人工智能等新型技术更是有望将繁重的临床工作简单化,实现对病灶的检出及评估的智能化,大大提升工作效率及工作的准确率。本文从影像学对脑转移瘤的诊断和疗效评估进行综述。

基于MRI影像组学模型预测肺癌脑转移瘤EGFR基因突变

目的探讨基于T2WI及增强T1WI(contrast enhanced T1WI,CE-T1WI)MRI的影像组学模型在术前无创预测肺癌患者脑转移瘤表皮生长因子受体(epidermal growth factor receptor,EGFR)突变的价值。材料与方法多中心回顾性分析2016年12月至2021年10月在中山大学孙逸仙纪念医院、中山大学肿瘤防治中心、安徽省立医院进行脑转移瘤手术切除并行EGFR基因检测的肺癌患者的临床及影像资料,共纳入103例患者(118个脑转移瘤),以中山大学肿瘤防治中心、安徽省立医院80例患者为训练集,共89个脑转移瘤(EGFR突变型49个,EGFR野生型40个),中山大学孙逸仙纪念医院23例患者为测试集,共29个脑转移瘤(EGFR突变型23个,EGFR野生型6个)。在CE-T1WI图像勾画脑转移瘤轮廓获取感兴趣体积(volume of interest,VOI),将CE-T1WI-VOI复制至配准后的T2WI图像获取脑转移瘤的T2WI-VOI,采用PyRadiomics软件从上述VOI提取脑转移瘤影像组学特征,采用mRMR和LASSO-logistics筛选影像组学特征,构建EGFR基因突变的预测模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)评价影像组学模型对EGFR基因突变的预测效能。采用校准曲线和Hosmer-Lemeshow test(HL)评价模型校准度。采用决策曲线(decision curve analysis,DCA)评价影像组学模型预测EGFR基因突变状态的临床净获益。结果年龄、性别、病理类型、脑转移瘤数目、脑转移瘤直径在训练集和测试集中EGFR突变型及野生型的组间差异均无统计学意义(P>0.05)。在CE-T1WI及T2WI图像上共提取了3190个脑转移瘤的影像组学特征,最终筛选出了4个基于CE-T1WI图像和5个基于T2WI图像的影像组学特征构建预测EGFR基因突变状态的模型。该模型预测EGFR基因突变状态在训练集中AUC为0.828,准确度、敏感度、特异度分别为76.4%、81.6%、70.0%;在测试集中AUC值为0.783,准确度、敏感度、特异度分别为82.8%、95.7%、33.3%,均表现出较高的预测效能。影像组学模型训练集和测试集的校准曲线显示EGFR基因突变状态的预测概率与实际概率的一致性较好(HL>0.05)。DCA显示影像组学模型在13.8%~87.2%的阈值范围内具有较强的临床适用性。结论基于T2WI及CE-T1WI MRI构建的影像组学模型能够术前无创预测肺癌患者脑转移瘤EGFR基因突变状态。

脑转移瘤伽玛刀治疗后不良预后危险因素分析

目的分析脑转移瘤(BM)伽玛刀治疗后不良预后的危险因素。方法选取BM患者221例,均经伽玛刀治疗,采用Log-rank检验单因素分析法和多因素Cox分析法分析BM伽玛刀治疗后不良预后的影响因素和危险因素。结果单因素分析显示,年龄、转移瘤总体积、最大肿瘤体积与BM伽玛刀治疗后不良预后显著相关(P均<0.05);多因素分析显示,年龄≥65岁、转移瘤总体积>20 cm^(3)、最大肿瘤体积>10 cm^(3)是BM伽玛刀治疗后不良预后的危险因素。结论BM伽玛刀治疗后不良预后的危险因素是年龄≥65岁、转移瘤总体积>20 cm^(3)、最大肿瘤体积>10 cm^(3)。

区分胶质母细胞瘤和单发性脑转移瘤的多模态融合深度学习模型的开发和验证

目的:胶质母细胞瘤(glioblastoma,GBM)和脑转移瘤(brain metastases,BMs)是成人中常见的恶性脑肿瘤,目前磁共振成像(magnetic resonance imaging,MRI)是筛查和评估脑肿瘤预后的常用方法,但其鉴别诊断GBM和BMs的特异性和敏感性有限。近年来,深度神经网络在诊断分类和创建临床决策支持系统方面显示出极大的潜力。本研究旨在应用深度学习技术提取的放射组学特征,探讨其在初诊GBM和单发性脑转移瘤(solitary brain metastases,SBMs)术前准确分类中的可行性,进一步探索基于多模态数据融合对分类任务的影响。方法:回顾性分析经组织病理或临床诊断证实的135例初诊GBM患者和73例SBMs患者的头颅MRI序列数据。首先,选择结构性T_(1)加权、T_(1)C加权和T_(2)加权作为整个模型的3个输入,在配准后的3种模态MR图像上人工勾画感兴趣区域(regions of interest,ROI),并获取多模态放射组学特征,使用基于随机森林(random forest,RF)的特征选择方法降低维度,进一步分析每个特征的重要性。然后,通过对比解纠缠的方法寻找不同模态特征之间的共享特征和互补特征。最后,通过融合不同模态的2种特征,预测每个样本对GBM和SBMs的响应。结果:应用机器学习和本文提出的多模态融合方法的放射组学特征对GBM和SBMs有较好的区分能力。相较于单模态数据,应用支持向量机(support vector machine,SVM)、Logistic回归、RF、自适应增强(adaptive boosting,AdaBoost)、梯度提升决策树(gradient boosting decision tree,GBDT)机器学习算法的多模态融合模型均取得了较大提升,曲线下面积(area under the curve,AUC)分别为0.974、0.978、0.943、0.938、0.947。本研究的对比解纠缠多模态MR融合方法表现更好,测试集上AUC、准确度(accuracy,ACC)、灵敏度(sensitivity,SEN)、特异度(specificity,SPE)分别为0.985、0.984、0.900、0.990。相较于其他多模态融合方法,本研究方法的AUC、ACC和SEN均呈现出最好的性能表现。验证本研究各模块组件作用的消融实验中,同时使用3种损失函数后,AUC、ACC和SEN分别提升了1.6%、10.9%和15.0%。结论:基于深度学习的对比解纠缠多模态MR放射组学特征融合技术有助于提高GBM和SBMs的分类准确性。

脑转移瘤CT影像特点及误诊分析

目的分析脑转移瘤CT影像特点及误诊原因。方法回顾性分析2020至2022年收治的曾误诊的脑转移瘤3例患者的CT影像资料和临床资料。结果1例因头痛就诊,CT显示左侧额叶见一结节状强化病灶,初步诊断脑膜瘤,术后病理结果为乳腺癌脑转移瘤。1例因发热伴头痛就诊,CT显示右侧顶叶低密度区,周围有环形强化,初步诊断脑脓肿,抗感染治疗1周无效,经支气管镜和病理检查确诊为肺腺癌,结合头磁共振成像和全身CT检查结果确诊为肺癌脑转移瘤。1例因突然出现肢体无力就诊,CT显示右侧基底节区低密度影,初步诊断脑梗死,经5 d治疗无效且症状加重后复查磁共振成像确诊为肠癌脑转移瘤。误诊时间10~18 d。3例确诊后给予全脑放疗和靶向药物治疗或化疗,患者症状缓解或消失,随访1年,复查未见新转移灶出现。结论脑转移瘤的CT影像特征多样,易与其他颅内病变混淆,导致误诊;详细采集病史、结合多模态影像检查并提高医生的警惕性,可减少误诊。

肺癌脑转移瘤人源异种移植模型的构建及应用研究进展

肺癌脑转移瘤是中枢神经系统最为常见的继发性恶性肿瘤,目前共识的治疗方式是在安全范围内通过手术最大程度切除肿瘤组织,术后进行化学治疗以及局部或全身放射治疗,但其治疗效果仍不理想。人源异种移植瘤模型能够很好地保留患者原发肿瘤异质性、组织学特性和分子多样性,能够为研究新的治疗方法提供新思路及新的研究工具。本文就移植瘤模型的建立、模型在肺癌脑转移瘤治疗中的应用研究以及模型的应用前景和局限性进行综述。

大体积脑转移瘤大分割后程缩野放疗的剂量学及临床疗效分析

目的探讨大分割后程缩野放疗对大体积脑转移瘤患者的剂量学及其临床疗效分析。方法收集20例病灶体积6~20 cm^(3)、病灶数目1~4个且行大分割后程缩野放疗的脑转移瘤患者资料。脑部病灶处方剂量为52.5 Gy/3.5 Gy/15 f。治疗10次后复查颅脑增强MRI评估疗效、若肿瘤退缩明显重新勾画靶区完成后程放疗。评估不缩野放疗计划(Plan1)和后程缩野放疗计划下(Plan2)脑组织及其他危及器官剂量学参数变化、后程计划缩瘤率、近期疗效(疗后2~3个月评估近期疗效)。结果后程缩野放疗中脑组织及危及器官的辐射剂量都有下降。且后程缩野时平均缩瘤率为41.76%,3个月ORR为90.5%,6个月LCR为100%。结论大分割后程缩野放疗缩瘤率高,能有效减少正常组织剂量学参数值,对大体积病灶局部控制率好,近期疗效佳。

基于距匹配及判别表征学习的多模态特征融合分类模型研究:高级别胶质瘤与单发性脑转移瘤的鉴别诊断

目的探索基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤(HGG)与单发性脑转移(SBM)中的鉴别能力和应用价值。方法收集了121例患者(61例HGG和60例SBM)的多参数磁共振成像(MRI)扫描图像,在T1W1、T2W1、T2加权液体衰减反转恢复(T2_FLAIR)和T1WI增强图像(CE_T1WI)4种常规轴位MRI图像上勾画目标感兴趣区域(ROI),并使用开源影像组学工具Pyradiomics从4个MRI序列分别提取影像组学特征。使用本研究提出的基于距匹配及判别表征学习的多模态特征融合分类模型对4个MRI序列的影像组学特征进行融合并得到分类模型。采用五折交叉验证方法和特异性(SPE)、灵敏度(SEN)、准确率(ACC)、ROC曲线下面积(AUC)评价该分类模型的鉴别性能。将本研究所提模型与其他特征融合分类模型对于HGG与SBM的鉴别能力进行定量比较,同时对本研究提出特征融合方法得到的融合特征进行样本散点可视化实验,验证本研究所提出的多模态特征融合分类模型的可行性和有效性。结果五折交叉验证结果显示本研究所提出的基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的SPE、SEN、ACC、AUC分别为:0.871、0.817、0.843、0.930,且特征融合方法在可视化实验中具有优秀的表现。结论基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的应用具有优秀的鉴别能力和较高的应用价值。同时,与其他特征融合分类模型相比,本研究提出的分类模型在HGG与SBM的鉴别分类任务中具有较大的优势。

人工智能与影像组学在脑转移瘤中的研究进展

影像组学可以从影像图像中提取大量特征信息,定量描述肿瘤生物学特征及异质性,为脑转移瘤(BM)的精准诊断及疗效评估提供相关信息。人工智能(AI)是一种能够模拟人类思维过程和智能行为的计算机算法,其与影像组学的结合进一步推动了BM精准医学的发展,在精准检测和分割、诊断和鉴别诊断、疗效评估及预后分析、放疗后不同转归的鉴别以及基因突变状态预测等方面发挥着重要作用。本文就AI与影像组学在BM领域的应用进展进行综述。

磁共振模拟定位对脑转移瘤射波刀治疗靶区精准性的影响

目的评估磁共振模拟定位(MRI_(sim))对脑转移瘤射波刀放疗靶区的精确性。方法收集2022年11月至2023年3月浙江省肿瘤医院放疗科收治的脑转移瘤患者34例,先行CT模拟定位扫描,后安排患者行MRI_(sim),并在一周内行脑部诊断磁共振(MRIdiag)扫描,分别在CT模拟定位图像、CT模拟定位与MRI_(sim)融合图像和CT模拟定位与MRIdiag融合图像上进行勾画靶区及危及器官,比较三种方法下靶区的体积、图像一致性指数(CI)、戴斯相似指数(DSC)和几何质心位移(COMD)。结果共入组射波刀治疗的单发脑转移患者34例,基于MRI_(sim)的计划靶区体积(PTV)小于基于CT模拟定位勾画的体积(P<0.05),但基于MRI_(sim)和基于MRIdiag这两种方法勾画的PTV体积差异无统计学意义(P>0.05),MRI_(sim)和MRIdiag相比,靶区GTV、PTV的CI和DSC均接近1,差异无统计学意义(P>0.05)。当脑转移瘤≤1 cm或伴有明显周边水肿时,基于MRI_(sim)勾画的靶区与基于MRIdiag勾画的靶区一致性差(P<0.05)。结论相比于CT模拟定位图像,基于MRI图像勾画的脑转移瘤靶区精确性明显提高;当脑转移瘤≤1 cm或伴有明显瘤周水肿时,推荐使用MRI_(sim)。

基于三维密集连接卷积网络鉴别高级别胶质瘤与单发脑转移瘤

目的探讨三维密集连接卷积网络(3D-DenseNet)通过MRI鉴别诊断高级别胶质瘤(HGGs)与单发脑转移瘤(BMs)的价值,并比较不同序列建立的模型诊断性能。资料与方法回顾性收集兰州大学第二医院2016年6月—2021年6月经手术病理证实的230例HGGs和111例BMs的T2WI及T1WI对比增强(T1C)影像资料,预先勾画出三维模型下的感兴趣区体积作为输入数据,以7∶3随机分为训练集254例和验证集87例,基于3D-DenseNet分别构建T2WI、T1C及两种序列融合的预测模型(T2-net、T1C-net和TS-net),通过受试者工作特征曲线评价各模型的预测效能并进行比较。结果T1C-net、T2-net和TS-net在训练集和验证集的曲线下面积(AUC)分别为0.852、0.853,0.802、0.721,0.856、0.745。T1C-net在验证集的AUC及准确度高于T2-net和TS-net,TS-net在验证集的AUC及准确度高于T2-net,T1C-net与T2-net在验证集的AUC差异有统计学意义(P<0.05),而TS-net与T2-net、T1C-net与TS-net的AUC差异无统计学意义(P>0.05)。基于3D-DenseNet的T1C-net模型性能最优,验证集的准确度为80.5%,敏感度为90.9%,特异度为62.5%。结论基于MRI常规序列的3D-DenseNet模型具有较好的诊断效能,在鉴别HGGs和BMs时T1C-net序列所建模型性能更好,深度学习模型可成为鉴别HGGs和BMs并指导临床制定精准化治疗方案的潜在工具。