CT影像组学预测结肠癌淋巴血管间隙浸润价值研究

目的:构建预测结肠癌淋巴血管间隙浸润(LVSI)的临床影像模型、CT影像组学模型和两者联合模型,并从中筛选出最优模型。方法:收集接受增强CT检查的365例结肠癌患者资料,根据手术病理结果分为LVSI+(n=84)及LVSI-(n=281),样本按7:3比例随机分为训练集(n=256)和验证集(n=109)。比较临床、影像指标组间差异并建立临床影像模型;对静脉期CT图像上全肿瘤区域进行感兴趣区(ROI)勾画并提取影像组学特征,经降维、筛选后共获得16个最优特征并建立CT影像组学模型;再构建临床影像与CT影像组学联合模型。比较各模型效能,绘制最优模型列线图,并评估其性能。结果:LVSI+及LVSI-组间淋巴结长径、癌胚抗原(CEA)、糖类抗原19-9(CA19-9)、肿瘤部位差异均有统计学意义(P<0.05)。临床影像模型、CT影像组学及联合模型受试者工作特征曲线下面积(AUC)分别为0.726、0.784、0.851(训练集)和0.729、0.768、0.833(验证集)。联合模型AUC均大于临床影像模型(P<0.05)。列线图校准度较高,决策曲线范围为0.15~0.98时临床有获益。结论:基于临床影像指标及CT影像组学构建的列线图预测结肠癌患者LVSI的价值较高。

CT影像组学对Ⅱ期结肠癌风险分层的预测价值探讨

目的:探讨CT影像组学模型对Ⅱ期结肠癌(colon cancer,CC)风险分层的预测价值。方法:连续搜集2015年01月至2023年07月经手术证实的167例Ⅱ期CC患者资料,按欧洲肿瘤内科学会(European Society of Medical Oncology,ESMO)指南将患者分为低风险组77例,中高风险组90例;按7∶3将样本随机分为训练组(n=116)与内部验证组(n=51)。在术前静脉期CT图像上对肿瘤进行分割并提取影像组学特征,特征经降维、筛选后,采用logistic回归分析构建预测模型,观察模型校准度和临床获益。结果:训练组中高风险64/116例;内部验证组中高风险26/51例,两组间观测指标差异无统计学意义(均P>0.05)。共筛选出6个影像组学特征用于构建Ⅱ期CC低风险和中高风险的预测模型,训练组AUC为0.822,灵敏度:84.4%,特异度:71.2%;内部验证组AUC为0.802,灵敏度:96.2%,特异度:60.0%。模型显示出较高的校准度;决策曲线分析(decision curve analysis,DCA)阈值概率范围0.04~0.85时临床有获益。结论:基于静脉期CT图像构建的影像组学模型实现了低风险和中高风险Ⅱ期CC的准确分层,有望改善临床对该类患者的分层管理。

定量CT分析不同性别腹部脂肪与代谢综合征的相关性

目的:基于定量CT(QCT)探讨不同性别腹部脂肪与代谢综合征(MS)的相关性。方法:纳入2022年3月~2023年5月于弋矶山医院行骨密度QCT检查的1612例受试者,分为MS组(男314例,女122例)与非MS组(男704例,女472例),采用QCT获取两组的L3中间层面脂肪参数,包括总脂肪面积(TFA)、内脏脂肪面积(VFA)、皮下脂肪面积(SFA)及皮下/内脏脂肪面积比值(SVR),分别反映腹部总脂肪量、内脏脂肪量、皮下脂肪量及脂肪分布。采用多因素Logistic回归分析确定脂肪参数中MS的独立影响因素并绘制受试者工作特征(ROC)曲线。结果:男性TFA、VFA均高于女性(P<0.001),而SFA、SVR则低于女性(P<0.001)。男、女各组别中,MS组TFA、VFA、SFA均高于非MS组,SVR低于非MS组(P<0.01)。男性中,TFA、VFA升高是MS的独立危险因素(P<0.05),SVR升高是MS的独立保护因素(P<0.05),VFA诊断MS的曲线下面积(AUC)最高(0.851);女性中,TFA、VFA及SFA升高是MS的独立危险因素(P<0.05),TFA诊断MS的AUC(0.850)最高。结论:腹部脂肪与MS的关系存在一定性别差异,男、女腹部总脂肪及内脏脂肪、女性腹部皮下脂肪是MS的独立危险因素,男性腹部SVR是MS的独立保护因素;QCT可用于MS患者的筛查。

基于增强CT深度学习影像组学术前预测胸腺瘤风险分类

目的:探讨基于增强CT深度学习影像组学术前预测胸腺瘤风险分类的价值。方法:收集2015年1月至2023年1月皖南医学院弋矶山医院139例胸腺瘤患者为训练集,池州市人民医院与芜湖市第二人民医院81例患者为外部验证集。其中低风险组(A、AB、B1型)137例、高风险组(B2、B3型)83例。基于CT静脉期图像分别提取手工影像组学(hand-crafted radiomics,HCR)特征与深度学习(deep learning,DL)特征,构建影像组学标签评分(Radscore)。单因素与多因素Logistic回归分析筛选预测胸腺瘤高风险的影像学独立影响因素,利用逻辑回归(Logistic regression,LR)、随机森林(random forest,RF)、决策树(decision tree,DT)及支持向量机(support vector machine,SVM)机器学习建模。选择最佳模型为输出模型,构建模型列线图、校准曲线及临床决策曲线(decision curve analysis,DCA)。受试者工作特征(receiver operating characteristics,ROC)曲线下面积(area under the curve,AUC)及净重新分类指数(net reclassification index,NRI)用于评估模型效能。结果:LR、RF、DT及SVM构建预测模型的AUC分别为训练集0.899、0.835、0.897、0.860,外部验证集0.889、0.830、0.905、0.858。由于训练集LR模型效能最佳,作为本研究输出模型,校准曲线及DCA表明模型具有较高的校准度及临床适用性。列线图与Radscore比较效能有改善,NRI训练集为7.5%(P=0.007),外部验证集为5.3%(P=0.020)。结论:基于增强CT深度学习影像组学术前实现了胸腺瘤准确风险分类,列线图能够提供个性化预测结果。

基于深度学习的影像组学预测直肠癌T2与T3分期

目的本研究探讨基于MRI轴位高分辨T2WI图像的深度学习(deep learning,DL)影像组学在术前预测直肠癌T2与T3期的价值。材料与方法回顾性分析皖南医学院第一附属医院(弋矶山医院)2018年1月至2022年12月361例经术后病理证实的T2与T3期直肠癌患者的完整资料,其中T2期100例,T3期261例,按7∶3采用分层抽样将患者随机分为训练集(n=262)与测试集(n=99)。采用单因素与多因素logistic回归分析筛选临床影像特征独立危险因素。利用ResNet-18模型作为DL特征提取的基础模型,分别基于轴位高分辨T2WI图像提取手工影像组学(hand-crafted radiomic,HCR)特征及DL影像组学特征,分别基于临床影像特征、HCR特征、DL特征及三者组合特征利用支持向量机(support vector machine,SVM)、K最近邻(K-nearest neighbor,KNN)、极端梯度增强机(extreme gradient boosting,XGBoost)三种算法构建12个机器学习模型,采用ROC曲线下面积(area under the curve,AUC)评价各模型的诊断效能,确定最优模型作为输出模型。结果单因素与多因素logistic回归分析临床影像特征中碳水化合物抗原(carbohydrate antigen 199,CA19-9)[95%置信区间(confidence interval,CI):1.150-1.820,P=0.002]及肿瘤长径(longest diameter,LD)(95%CI:1.159-22.584,P=0.031)为预测T2与T3期直肠癌的独立危险因素,构建的所有模型中组合特征模型效能均高于单独特征模型,训练集XGBoost分类器模型效能最高,AUC为0.998(95%CI:0.995-1.000),作为本研究输出模型。结论基于MRI轴位高分辨T2WI图像的DL影像组学机器学习模型可有效预测直肠癌T2与T3期,其中训练集组合特征的XGBoost分类器模型效能最佳。

皮肌炎/多发性肌炎并发间质性肺病的CT定量分析与肺功能的相关性研究

目的:探讨CT定量分析对皮肌炎/多发性肌炎并发间质性肺病(DM/PM-ILD)的评估价值。方法:回顾性分析2017年1月至2020年10月我院确诊的61例DM/PM-ILD患者同一时期的胸部HRCT及肺功能检查资料,同时选取60例性别、年龄及BMI相匹配且胸部HRCT无异常的健康人作为对照。使用3D Slicer软件根据阈值分割法获得CT定量指标,包括正常肺区域百分比(NL%)、磨玻璃影区域百分比(GGO%)、纤维化区域百分比(F%)及总的异常病变区域百分比(AA%)。肺功能参数包括肺总量占预计值的百分比(TLC%)、用力肺活量占预计值的百分比(FVC%)、第一秒用力呼气量占预计值的百分比(FEV1%)、一秒率(FEV1/FVC)、肺一氧化碳弥散量占预计值的百分比(DLCO%)。采用Spearman或Pearson相关分析及多元逐步线性回归分析各组数据之间的关系,使用ROC曲线确定鉴别DM/PM-ILD组与对照组的最佳CT定量指标。结果:ROC曲线分析结果显示,GGO%鉴别DM/PM-ILD患者组与对照组具有最大的AUC为0.91(95%CI:0.85~0.96),以GGO%=7.1%为阈值,敏感度为85.2%,特异度为90.0%。CT定量指标与肺功能参数除FEV1/FVC之外均具有相关性,其中F%与TLC%、FEV1%、FVC%、DLCO%相关系数均最高(r=-0.512、-0.609、-0.622、-0.519,P值均<0.001)。多元逐步线性回归分析结果显示,F%及NL%是预测TLC%的最佳指标(R2=0.303,P<0.001);F%是预测FEV1%、FVC%的最佳指标(R2=0.372、0.381,P均<0.001);F%及GGO%是预测DLCO%的最佳指标(R2=0.305,P<0.001)。结论:CT定量分析可用于DM/PM-ILD的诊断,且可评估肺功能损害情况。

基于定量CT及临床危险因素列线图预测重症新型冠状病毒肺炎短期预后

目的:探讨定量CT结合临床危险因素构建的列线图预测重症新型冠状病毒肺炎(COVID-19)短期预后的价值。方法:回顾性分析287例重症COVID-19患者的胸部CT及临床资料,其中好转出院222例(生存组),住院期间死亡65例(死亡组),采用分层抽样按7∶3将患者随机分为训练集(n=200)与验证集(n=87)。单因素与多因素logistic回归分析筛选导致死亡的独立危险因素,构建联合预测模型,并绘制模型的列线图。Hosmer-Lemeshow检验及校准曲线评价模型的拟合优度与校准度。结果:单因素与多因素logistic回归分析实性密度体积百分比、年龄、慢性阻塞性肺病、白细胞计数、淋巴细胞计数、中性粒细胞计数、超敏C反应蛋白是预测患者死亡的独立危险因素。联合预测模型的曲线下面积训练集为0.836 (95%CI 0.771~0.901)、验证集为0.825 (95%CI 0.722~0.928),Hosmer-Lemeshow检验训练集(χ^(2)=9.927,P=0.270)及验证集(χ^(2)=7.777,P=0.456)均拟合较好,校准曲线显示了较高的校准度。结论:定量CT结合临床危险因素构建的预测模型能够有效预测重症COVID-19患者短期预后,基于此构建的列线图能够可视化预测结果。

临床-影像组学列线图术前预测直肠癌T分期

目的:探讨临床特征联合影像组学列线图术前预测直肠癌T分期的价值。方法:回顾性分析2018年1月至2022年7月收治的508例经组织病理学确诊的直肠癌患者的临床及影像资料。将患者按7∶3随机分为训练组(n=355)及验证组(n=153)。用MaZda软件基于增强CT静脉期图像分别提取瘤体及瘤周纹理特征,利用LASSO回归对训练组纹理特征降维,建立影像组学标签,并计算标签评分。采用多因素Logistic回归分析筛选独立危险因素,构建临床-影像组学联合预测模型,并绘制模型的列线图及校准曲线,使用受试者工作特征(ROC)曲线评价各模型的预测效能,决策曲线(DCA)评价模型的临床适用性。结果:基于瘤体及瘤周共提取614个纹理特征,降维后得到6个最优特征。建立的所有模型中列线图效能最高。列线图的AUC在训练组为0.894(95%CI:0.860~0.928),验证组为0.946(95%CI:0.914~0.978)。结论:临床-影像组学列线图术前能够有效地预测直肠癌T1-2期与T3-4期,并将预测结果可视化,为临床直肠癌规范化治疗提供参考依据。

垂体相关临床及MRI影像组学特征联合列线图鉴别特发性中枢性性早熟与单纯乳房早发育

目的观察垂体相关临床及MRI影像组学特征联合列线图鉴别特发性中枢性性早熟(ICPP)与单纯乳房早发育(PT)的价值。方法纳入67例ICPP及51例PT共118例患儿,按照7∶3比例随机分为训练集(n=83)和验证集(n=35),记录其垂体相关临床资料,以多因素logistic回归分析筛选并建立临床模型。采集垂体MRI,基于矢状位T1WI提取垂体影像组学特征,以最大相关最小冗余、最小绝对收缩和选择算子及多因素logistic回归筛选最佳影像组学特征,构建影像组学模型。联合应用临床、MRI及影像组学特征构建列线图模型。绘制受试者工作特征曲线,评估模型鉴别诊断效能;以决策曲线分析(DCA)观察临床获益度。结果训练集ICPP与PT患儿年龄、骨龄、体质量、黄体生成素(LH)基础值、卵泡刺激素基础值及垂体高度差异均有统计学意义(P均<0.05)。骨龄及LH基础值是鉴别ICPP与PT的独立因素(OR=1.807、1.422,P均<0.05),以之建立的临床模型鉴别训练集、验证集ICPP与PT的曲线下面积(AUC)分别为0.849和0.812。共提取垂体1781个影像组学特征,于其中筛选出1个形态特征、1个一阶特征及1个灰度区域大小矩阵特征建立影像组学模型,其鉴别训练集和验证集ICPP与PT的AUC分别为0.956和0.947。基于最终得出的2个临床及3个垂体MRI影像组学特征构建的列线图模型鉴别训练集、验证集ICPP与PT的AUC分别为0.981、0.977,均优于临床模型(P均<0.05),而与影像组学模型差异无统计学意义(P均>0.05)。一定危险阈值范围内,列线图模型净收益最大。结论基于垂体相关临床及MRI影像组学特征建立的联合列线图模型用于鉴别ICPP与PT具有较高价值。

基于增强CT影像组学的机器学习模型鉴别诊断低风险胃间质瘤

目的:探讨基于增强CT影像组学的机器学习(machine learning,ML)模型鉴别低风险胃间质瘤(gastric stromal tumor,GST)与良性胃黏膜下肿瘤(gastric submucosal tumor,GSMT)的价值。方法:回顾性分析2013年1月至2022年3月皖南医学院弋矶山医院84例低风险GST及51例良性GSMT患者的临床及影像资料。将患者随机分为训练集(n=94)和测试集(n=41)。基于增强CT静脉期利用ITK-SNAP软件分割图像,AK软件提取影像组学特征,mRMR、Spearman秩相关及LASSO回归对特征降维,建立影像组学标签评分(Radscore)。采用单因素及多因素Logistic回归筛选独立危险因素,使用支持向量机(suppor vector machine,SVM)建立预测模型,用测试集检测模型的泛化能力,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估模型效能。结果:多因素分析年龄、形态、生长部位、长径/短径(long diameter,LD/short diameter,SD)及Radscore为独立危险因素,SVM建立预测模型的AUC训练集为0.933、测试集为0.913。结论:基于增强CT影像组学的SVM算法构建的模型能够有效地鉴别低风险GST与良性GSMT,且模型具有较好的泛化能力。

双源CT对结直肠癌淋巴结转移的鉴别价值

目的:评估双源CT对结直肠癌淋巴结转移的鉴别价值。方法:收集皖南医学院弋矶山医院46例(47个病灶)经组织病理学确诊为结直肠癌患者的临床及双源CT影像资料,选出转移性与非转移性淋巴结并比较两者形态学及能谱参数的差异,采用多因素Logistic回归分析建立淋巴结形态和影像学参数预测淋巴结转移的模型,绘制ROC曲线评价其预测效能。所有病例根据术后病理分为脉管/神经侵犯组与未侵犯组,比较脉管侵犯与淋巴结转移的差异性。结果:转移性淋巴结与非转移性淋巴结长径及短径的差异、动静脉期的碘值、Overlay值、标准化碘浓度和能谱曲线斜率的差异均有统计学意义(P<0.05);其中静脉期Overlay值和标准化碘浓度的诊断效能较高,曲线下面积分别为0.860和0.794;淋巴结形态和影像学参数预测淋巴结转移模型预测淋巴结转移的曲线下面积为0.910。脉管/神经侵犯与淋巴结转移具有相关性。结论:双源CT对鉴别转移性淋巴结与非转移性淋巴结具有一定临床价值。

基于CT影像组学的机器学习预测直肠癌影像阴性患者淋巴结转移

目的:探讨基于CT影像组学结合不同机器学习算法构建的预测模型在鉴别直肠癌淋巴结影像阴性患者淋巴结转移的价值。方法:回顾性分析我院360例经组织病理学确诊为直肠癌且CT显示淋巴结短径<5 mm患者的全部资料,按照7∶3随机分为训练组(n=252)及验证组(n=108)。使用MaZda软件在瘤体的增强CT静脉期图像提取影像组学特征;采用最小绝对收缩和选择算子(LASSO)算法对组学特征进行降维;采用单因素及多因素Logistic回归分析筛选独立影响因素;构建支持向量机(SVM)、K-邻近(K-NN)、极限梯度提升(XGBoost)3种机器学习算法预测模型;使用受试者工作特征(ROC)曲线及决策曲线(DCA)分别评价3种机器学习模型的诊断效能及临床净收益。结果:LASSO回归筛选出5个最优组学特征。单因素及多因素回归分析发现浆膜面毛糙、Perc.01.、X_Area_S.5.5.、Teta1、Teta2为独立影响因素。SVM、K-NN、XGBoost的AUC在训练组为0.888、0.912、0.982,验证组AUC为0.909、0.884、0.894;其中SVM在验证组表现最突出,DCA显示SVM具有较高的临床适应性。结论:CT影像组学结合不同机器学习算法对预测直肠癌淋巴结影像阴性患者淋巴结转移具有较高的应用价值。

CT增强定量参数预测肾透明细胞癌WHO/ISUP分级

目的:探讨CT增强定量参数术前预测肾透明细胞癌(ccRCC)世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级的价值。方法:连续搜集行手术治疗的98例ccRCC患者临床和CT增强资料,根据WHO/ISUP分级分为低级别组(76例)和高级别组(22例)。比较CT增强定量参数两组间差异及各参数预测ccRCC WHO/ISUP分级的诊断效能,并进行外部验证,找寻泛化能力最佳的CT增强定量参数。结果:两组间皮质期CT值、皮质期净增值、皮质期强化率、实质期CT值、实质期净增值、实质期强化率差异均有统计学意义,AUC值分别依次为0.834、0.871、0.900、0.707、0.678和0.762;截断值分别依次为123.5 HU、71HU、0.73、87.5HU、54HU、0.67;皮质期强化率诊断效能最高,AUC=0.900,敏感度为0.842,特异度为0.864;外部验证结果显示皮质期强化率诊断效能(AUC=0.867)优于皮质期CT值(AUC=0.735)、皮质期净增值(AUC=0.709),Z值分别为2.134和2.417。结论:CT增强定量参数可用于预测ccRCC WHO/ISUP分级,皮质期强化率是诊断效能最高、泛化能力最佳的CT增强定量参数。

基于腰椎定量CT分析强直性脊柱炎合并肌少症危险因素

目的基于腰椎定量CT(QCT)分析强直性脊柱炎(AS)合并肌少症的危险因素。方法前瞻性纳入100例AS患者(AS组)及100名健康体检者(对照组),行腰椎QCT检查;测量并计算腰椎骨密度(BMD)、L3骨骼肌面积(SMA)、椎后肌群肌肉面积(MA)、椎后肌群脂肪面积(FA)、椎后肌群脂肪浸润(MFI)程度及竖脊肌CT脂肪百分数(CTFF),根据L3骨骼肌指数(SMI)将AS组分为肌少症亚组(n=26)和非肌少症亚组(n=74)。以Pearson或Spearman相关分析观察AS组病程、体质量指数(BMI)、腰椎BMD、椎后肌群MFI及竖脊肌CTFF与L3 SMI的相关性;构建多因素logistic回归模型,分析影响AS合并肌少症的独立因素。结果AS组腰椎BMD、L3 SMI及椎后肌群MA均低于对照组(P均<0.05),而椎后肌群FA、MFI及竖脊肌CTFF均高于对照组(P均<0.05)。肌少症亚组BMI及腰椎BMD均低于非肌少症亚组(P均<0.05),而病程、椎后肌群MFI及竖脊肌CTFF均高于非肌少症亚组(P均<0.05)。AS组BMI及腰椎BMD均与L3 SMI呈正相关(r=0.42、0.22,P均<0.05);椎后肌群MFI及竖脊肌CTFF均与L3 SMI呈负相关(r=-0.45、-0.26,P均<0.05)。骨质疏松症是AS合并肌少症的独立危险因素(P<0.05),低BMI则为其保护因素(P<0.05)。结论基于腰椎QCT可见骨质疏松症是AS合并肌少症的独立危险因素。

基于多期CT影像组学鉴别卵巢良、恶性肿瘤的临床应用价值

目的:探讨基于多期CT影像组学模型及联合模型鉴别卵巢良、恶性肿瘤的临床应用价值。方法:回顾性搜集2018年1月-2022年7月经术后病理证实的144例良性及182例恶性卵巢肿瘤患者的临床及CT多期影像组学资料,将患者随机按7:3分为训练组228例及验证组98例。图像预处理并利用ITK-SNAP勾画肿瘤病灶区域,用PY提取组学特征,将提取特征正则化,采用Spearman相关分析,相关系数大于0.9,保留其一特征,使用最小绝对收缩与选择算子(LASSO)回归分析对组学特征降维,建立影像组学标签。将影像组学的优势期相与临床指标结合建立联合模型,利用列线图分析预测效能。结果:筛选出平扫、动脉期、静脉期及延迟期的特征数分别为22、7、10、22个,构建各期影像组学模型,结果显示延迟期为最优模型,在训练组中,其受试者工作特征(ROC)曲线的曲线下面积(AUC)为0.857。将临床特征与延迟期影像组学特征构建联合模型,其ROC的AUC值为0.870,优于临床模型,且差异有统计学意义(Z=3.376,P=0.0007)。验证组中,联合模型ROC的AUC值为0.844,优于临床模型,差异无统计学意义(Z=1.650,P=0.0989)。结论:CT扫描的延迟期影像组学特征鉴别卵巢良性与恶性肿瘤的效能优于其它期相,延迟期影像组学标签与临床特征相结合的联合模型有较高的鉴别诊断效能。

临床特征联合CT影像组学列线图术前预测直肠癌脉管侵犯的价值

目的:探讨临床特征联合增强CT静脉期影像组学构建的列线图术前预测直肠癌脉管侵犯(LVI)的价值。方法:选取皖南医学院弋矶山医院2017年6月至2022年6月经组织病理学确诊的299例直肠癌患者为训练组,164例患者为验证组。根据LVI状态分为LVI阳性组与LVI阴性组。使用MaZda软件基于增强CT静脉期图像提取纹理特征,使用最小绝对收缩和选择算子(LASSO)回归对纹理特征进行降维,并建立影像组学标签,计算标签评分(Rad-score)。采用单因素及多因素Logistic回归分析筛选独立危险因素,建立预测LVI状态的模型,并绘制模型的列线图。使用受试者工作特征(ROC)曲线及曲线下面积(AUC)评价模型的区分度,使用Hosmer-Lemeshow检验及校准曲线评价模型的拟合优度及校准度,使用决策曲线(DCA)评价模型的临床适用性。结果:多因素Logistic回归分析发现癌胚抗原(CEA)、肿瘤分化程度及Radscore为独立危险因素,列线图在训练集AUC为0.811 (95%CI:0.760~0.861),验证集AUC为0.761 (95%CI:0.676~0.845)。Hosmer-Lemeshow检验结果,训练组(χ^(2)=7.981,P=0.435),验证组(χ^(2)=4.050,P=0.853),均无统计学意义。校准曲线显示列线图预测结果与实际情况一致性好。DCA表明该模型具有较高的临床适用性。结论:临床特征联合CT影像组学列线图术前预测直肠癌LVI状态具有较高的效能。

双源CT单能量CT值及能谱曲线对甲状腺实性结节性质鉴别诊断的价值分析

目的分析双源CT(DSCT)单能量下CT值及平均能谱曲线对甲状腺实性结节良恶性鉴别诊断的价值。方法选择2019年12月—2020年12月本院收治的53例甲状腺良、恶性结节患者作为研究对象,按诊断分为恶性结节组25例,良性结节组28例(其中15例为结节性甲状腺肿,13例为甲状腺腺瘤),术前行双源CT能谱成像。另选取20例甲状腺无任何疾病的患者作为对照组。记录不同类型结节在不同期相下的单能量CT值,绘制ROC曲线,计算约登指数;绘制不同类型结节及正常甲状腺组织的平均能谱曲线,比较曲线斜率。结果平扫期(C)50 keV、动脉期(A)60 keV、静脉期(V)70 keV下对结节的良恶性诊断的效能最高,诊断临界CT值分别为68.65 HU、171.8 HU、152.35 HU,所对应的灵敏度、特异度及约登指数分别为96.4%、44.0%、0.404,89.3%、80.0%、0.693,78.6%、88.0%、0.666;三期各组研究对象的能谱曲线斜率差异均有统计学意义(P<0.05)。结论DSCT单能量下CT值及能谱衰减曲线有助于鉴别甲状腺结节的性质。

阑尾低级别黏液性肿瘤的多层螺旋CT表现

目的:探讨阑尾低级别黏液性肿瘤多层螺旋CT(MSCT)的特征性表现。方法:回顾性分析我院经病理证实的19例阑尾低级别黏液性肿瘤患者的MSCT影像学特点,并与病理结果进行对照分析。结果:5例位于右侧髂窝内;12例位于右下腹盲肠内侧,近段与盲肠相连,远端游离;1例肿瘤巨大,占据整个腹盆腔;1例原发灶破裂,形成腹腔假性黏液瘤。阑尾腔增宽,大小不一,病灶长径3~43 cm、短径1~23 cm;12例病灶呈圆形、椭圆形或长茄子状单房囊性改变,6例呈多房分隔样囊性改变,其中3例呈囊实性;囊壁厚度3~15 mm,5例囊壁见斑点状或条形钙化,4例病灶周围有炎症反应;增强扫描囊壁、分隔及实性部分明显强化,囊内容物未见强化。结论:阑尾低级别黏液性肿瘤在MSCT上具有一定的特征性。

MSCT影像学特征联合全瘤不均匀度对胃低危险度间质瘤与胃神经鞘瘤鉴别诊断的价值

目的:探讨多层螺旋CT(MSCT)影像学特征联合全瘤不均匀度(HDT)对胃低危险度间质瘤(GIST)与胃神经鞘瘤(GS)的鉴别诊断价值。方法:回顾性分析我院经手术病理或免疫组化证实的68例GIST及21例GS患者的MSCT图像特点,分析肿瘤的一般影像征象,测量肿瘤平扫及增强后三期CT值、平扫及增强后三期HDT。绘制受试者工作特性(ROC)曲线,预测MSCT影像学特征模型、HDT模型及两者联合的诊断效能。结果:GIST组和GS组肿瘤的生长方式,周围有无增生淋巴结,动脉期、静脉期及延迟期CT值,平扫、动脉期、静脉期及延迟期HDT比较差异均有统计学意义(P<0.05)。影像学特征模型的AUC为0.847,敏感度和特异性分别为72.1%、85.7%;HDT模型的AUC为0.809,敏感度和特异性分别为92.6%、57.1%;联合诊断模型的AUC为0.884,敏感度和特异性分别为85.3%、81.0%。结论:MSCT影像学特征联合HDT建立的联合诊断模型对GIST与GS的鉴别诊断具有较高的诊断效能。

肝脏异位妊娠破裂影像学表现1例

患者女,28岁,孕1产1,末次月经：2017年8月1日,平时月经规则,月经量中等,无痛经。2014年于外院接受剖宫产,此后宫内植入节育器避孕至今。2017年8月31日,由蹲位直立时突感右上腹痛12h就诊。查体：右侧腹压痛及反跳痛均为阳性。妇科体检：宫颈举痛阳性,盆腔右侧触痛明显,后穹窿穿刺抽出6ml暗红色不凝血。实验室检查：血人绒毛膜促性腺激素1 759.68IU/ml,各项肿瘤指标均为阴性。