能谱CT多参数成像术前预测胃癌淋巴结转移

目的观察能谱CT多参数成像术前预测胃癌淋巴结转移(LNM)的价值。方法回顾性分析136例胃腺癌患者,根据术后病理显示淋巴结状态将其分为LNM组(n=74)与非LNM组(n=62);比较组间临床资料、常规CT表现及能谱CT参数,将组间差异有统计学意义的因素纳入多因素logistic回归分析筛选胃癌LNM的独立预测因素,据以分别构建临床+常规CT模型(模型1)、能谱CT模型(模型2)及联合模型(模型3)。绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型术前预测胃癌LNM的效能。结果CT-N分期、CT-T分期,动脉期(AP)70、100及140 keV CT值_(肿瘤),动脉增强分数(AEF)及静脉期标准碘浓度(NICVP)均为胃癌LNM的独立预测因素(P均<0.05)。模型3术前预测胃癌LNM的AUC为0.846,高于模型1及模型2(AUC=0.767、0.774,Z=-0.368、-2.373,P均<0.05),而模型1、2间差异无统计学意义(Z=-0.152,P=0.879)。结论能谱CT多参数成像可于术前有效预测胃癌LNM。

双能量CT影像组学联合临床及CT特征预测胃腺癌分化程度

目的观察双能量CT(DECT)联合临床及CT特征预测胃腺癌(GAC)分化程度的价值。方法前瞻性分析254例GAC患者,根据病理结果将其分为高级别组(低分化GAC,n=88)与低级别组(中-高分化GAC,n=166),同时按8∶2比例分为训练集(n=203,含70例高级别、133例低级别GAC)及验证集(n=51,含18例高级别、33例低级别GAC)。基于静脉期单能级(40、70、100及140 keV)DECT提取及筛选影像组学特征并构建多能级影像组学模型预测GAC分级;以单因素及多因素logistic回归对训练集临床、CT特征及DECT参数进行分析并构建临床-CT模型,并与多能级影像组学模型构成联合模型。评估各模型预测效能,评价联合模型的校准度。结果临床-CT、多能级影像组学及联合模型在训练集的曲线下面积(AUC)分别为0.74、0.75及0.78,在验证集分别为0.73、0.77及0.78。除联合模型在训练集的AUC高于临床-CT模型外(P<0.05),各模型在各集的AUC差异均无统计学意义(P均>0.05)。联合模型在训练集及验证集的校准度均良好(P均>0.05)。结论DECT影像组学联合临床及CT特征能有效预测GAC分化程度。

CT影像组学列线图预测胃癌内镜活检与术后病理学分型差异

目的评估基于CT影像组学的列线图预测胃癌内镜活检与术后病理Lauren分型差异的价值。方法回顾性分析126例经手术病理确诊的胃癌患者,根据内镜活检与术后病理结果是否一致将其分为一致组(n=77)与不一致组(n=49),同时按2∶1比例分为训练集与验证集。筛选临床预测因子,构建临床预测模型;于静脉期CT图像提取影像组学特征,采用L1正则化方法对特征进行筛选,以决策树、随机森林、逻辑回归3种机器学习(ML)算法构建影像组学模型;基于临床及最佳影像组学ML模型构建列线图;评估各模型及列线图的预测效能及其临床价值。结果患者年龄、血小板计数、动脉期CT值是预测胃癌内镜活检与术后病理分型不一致的独立因子。3种ML模型中,随机森林预测效能较好,其在训练集与验证集中的曲线下面积(AUC)分别为0.835及0.724。临床模型、影像组学模型及列线图在训练集的AUC分别为0.764、0.835及0.884,在验证集分别为0.760、0.724及0.841;列线图在训练集与验证集均显示出较好的拟合度及临床实用性。结论基于CT影像组学列线图用于预测胃癌内镜活检与术后病理Lauren分型不一致性具有潜在临床应用价值。

半自动分割技术对全胰腺脂肪定量的可行性:与传统ROI方法的比较性研究

目的应用3D mDixon Quant序列,探讨半自动分割技术对全胰腺脂肪定量的可行性。材料与方法纳入30名健康志愿者在3.0 T磁共振(Ingenia CX,Philips)上应用3D mDixon Quant序列进行上腹扫描。男14例,女16例,年龄22~69岁(中位年龄48岁);体质量指数(body mass index,BMI)为17.71~32.59 kg/m2(中位BMI为24.57 kg/m2)。重建图像导入飞利浦ISP (IntelliSpace Portal,Philips)工作站,在脂肪分数图像上采用传统感兴趣区画取法和半自动分割技术进行胰腺脂肪测量。分别于胰腺钩突部、头颈部、体部和尾部各放置3个ROI。所有ROI尽可能避开血管、胰管和内脏脂肪组织。将各ROI的脂肪分数平均值定为该区域的脂肪分数值,然后将每个区域的脂肪分数平均值计算为全胰腺脂肪分数值。另在脂肪分数图像上手动勾画胰腺组织,然后对全胰腺组织进行半自动分割,自动计算全胰腺脂肪分数值。记录每次获得全胰腺脂肪分数所需时间。两名观察者(影像诊断经验分别为3年和5年)分别采用两种方法进行胰腺脂肪分数测量。数据经SPSS 22.0统计软件进行统计分析。采用Shapiro-Wilk检验对数据进行正态性检验。采用组内相关系数(intra-class correlation coefficients,ICC)检验两位观察者数据的一致性。采用非参数Mann-Whitney U检验两种方法全胰腺脂肪分数和所需时间的差异性。结果两位观察者数据一致性良好(ICC=0.981、0.929)。两组全胰腺脂肪分数一致性(ICC=0.981)良好。两组全胰腺脂肪分数(%)分别为3.73(2.97,5.84)、4.20(3.05,6.21),半自动分割技术测得胰腺脂肪分数值略大于传统感兴趣区画取法,差异性无统计学意义(Z=-0.466,P>0.05);两组所需时间差异具有统计学意义(85 s vs 133 s,Z=-6.238,P<0.05)。结论半自动分割技术对胰腺脂肪的定量是可行的,其在保证结果准确的情况下,可以明显缩短测量时间,具有很好的临床应用前景。

基于MRI评估的胰腺脂肪沉积及腹部脂肪分布与原发性高血压的相关性研究

目的探讨基于MRI评估的胰腺脂肪沉积、内脏脂肪和皮下脂肪与原发性高血压的相关性。材料与方法纳入54例高血压患者和108例对照者。应用半自动分割对全胰腺进行分割,并测量全胰腺脂肪分数值。应用Image J软件测量内脏脂肪(visceral adipose tissue,VAT)和皮下脂肪(subcutaneous adipose tissue,SAT)面积,并记录VAT和SAT脂肪分数值(fat fraction,FF),计算内脏/皮下脂肪组织的面积比(V/S)。数据由SPSS进行统计学分析。P<0.05被认为差异具有统计学意义。结果高血压患者全胰腺脂肪分数值、VAT和SAT面积、V/S、VAT和SAT脂肪分数值均高于对照者。全胰腺脂肪分数值对高血压的诊断价值最高(AUC=0.816)。全胰腺脂肪分数的阈值为10.15%,对高血压诊断的敏感度为75.9%,特异度为81.5%。全胰腺FF与VAT面积和脂肪分数值呈中等相关性(r=0.541、0.561);与SAT面积、脂肪分数值和V/S的相关性较低(r=0.280、0.324、0.266)。结论高血压者与全胰腺脂肪分数、VAT和SAT增多有关。全胰腺脂肪分数与VAT和SAT的增加相关。

多层螺旋CT增强扫描对伴有肝转移的胃肝样腺癌的诊断价值

目的探讨伴有肝转移的胃肝样腺癌(HAS)患者的增强多层螺旋CT(MSCT)特征。方法回顾性分析2013年2月至2022年2月在郑州大学第一附属医院经病理确诊的8例HAS患者,8例患者均行腹部增强CT扫描,其中4例为术前(胃癌根治术)检查。男6例,女2例,中位年龄64岁。分析病灶影像学参数,包括动脉和静脉期的增强模式、坏死情况、静脉是否有血栓以及整体影像学诊断。结果胃部病灶位于胃底和贲门4例(4/8,50%)、胃窦3例(3/8,37.5%)、胃底1例(1/8,12.5%)。分析4例术前胃部病灶图像,胃壁最大厚度为(22.02±3.64)mm,大体类型表现为隆起型2例、溃疡型1例、浸润型1例。肿瘤平扫呈软组织密度肿块,2例见低密度坏死区,4例均未见钙化。动脉期3例明显强化,1例中度强化。2例可见由于瘤内坏死引起的不均匀强化。8例HAS肝转移灶中6例为多发,2例为单发。轴位MSCT示7例患者最大肝转移癌灶>3 cm,且无论大小均可见坏死。6例癌灶边界清楚。增强强化不均匀,3例表现为环形强化。动脉期轻度强化6例,中度强化2例,呈典型"快进快出"模式。7例伴淋巴结转移,3例伴门脉侵犯,1例伴胰腺转移。结论胃部原发癌灶MSCT典型表现为胃壁增厚>2 cm的软组织密度肿块,可伴有坏死,罕见钙化,增强扫描见中度至明显持续性强化。肝转移灶增强MSCT表现类似于原发性肝癌,但是患者常无肝癌易患因素,且瘤灶坏死率高。此外,常合并腹腔内、胃周淋巴结肿大,部分可合并腹部其他器官如胰腺转移。

胃癌双能量CT低keV深度学习重建图像与常规图像对比研究

目的将深度学习图像重建(DLIR)算法与双能量CT(DECT)结合,评估胃癌低keV单能图像质量,并与常规自适应统计迭代重建(ASiR-V)算法图像进行比较。方法该研究为横断面研究,前瞻性收集2022年9月至2023年3月郑州大学第一附属医院31例胃癌患者的DECT图像,基于动脉期和静脉期图像,使用DLIR算法分别在低、中、高强度水平下(DLIR-L、DLIR-M、DLIR-H)重建55 keV单能量图像,同时使用ASiR-V算法重建70 keV 40%混合系数(ASiR-V40%)图像。在图像客观评价中,分别在4组重建图像上计算病灶和肌肉的信噪比(SNR)、对比噪声比(CNR)。在图像的主观评价中,对各组重建图像的总体图像质量、病灶显示能力及诊断信心进行评分。4组间SNR和CNR的比较采用单因素重复测量方差分析或Friedman检验,评分的比较采用Friedman检验,用Bonferroni校正对事后两两比较进行调整。结果在客观评价中,动脉期和静脉期55 keV DLIR-H图像上CNR病灶、SNR病灶以及SNR肌肉最高,且在70 keV ASiR-V40%、55 keV DLIR-L、DLIR-M以及DLIR-H图像上呈逐渐升高的趋势(P<0.05)。在主观评价中,与70 keV ASiR-V40%相比,55 keV DLIR-H的总体图像质量评分升高,但差异无统计学意义(P>0.05),DLIR-M评分相似或略差,而DLIR-L图像质量评分下降(P<0.05)。55 keV DLIR的各水平重建图像的病灶显示能力及诊断信心在动、静脉期均高于70 keV ASiR V40%图像(P<0.05)。结论相比70 keV ASiR-V40%常规图像,55 keV DLIR-H图像具有更高的病灶对比度和诊断信心,且图像噪声更低。55 keV DLIR-M图像与70 keV ASiR-V40%的整体图像质量相当,但前者的病灶对比度和诊断信心更高。55 keV DLIR-L无法将图像质量提升至70 keV ASiR-V40%水平。

增强CT的列线图在鉴别EB病毒相关的胃淋巴上皮瘤样癌与胃腺癌中的应用

目的开发和评估一个基于临床及增强CT的列线图,用来鉴别EB病毒(EBV)相关的胃淋巴上皮瘤样癌和胃腺癌。方法回顾性分析25例经病理组织学证实的EBV相关的胃淋巴上皮瘤样癌患者的临床及影像学资料,另纳入50例胃腺癌患者作为对照组。采用单因素分析和多因素Logistic回归筛选鉴别两种类型肿瘤的预测因子。构建一个个性化的列线图,并通过绘制ROC曲线、校准曲线以及决策曲线分析评价列线图的区分度、校准度及临床实用价值。采用Bootstrap法进行内部验证。结果肿瘤的位置(中部vs上部,OR=1.866,95%CI 0.457~7.626;下部vs上部,OR=14.454,95%CI 2.619~79.778)、CT强化峰值(OR=6.965,95%CI 1.796~27.016)及CT淋巴结状态(OR=4.242,95%CI 1.270~14.164)是淋巴上皮瘤样癌患者的独立鉴别因素。列线图的AUC值为0.815(95%CI 0.718~0.912)。列线图显示出良好的校准度和临床效益。通过200次自举重采样,进行自举验证(内部验证),最终显示该列线图具有良好的区分准确性,模型内部验证的AUC值为0.823(95%CI 0.817~0.830)。结论本研究建立的列线图在鉴别EBV相关的胃淋巴上皮瘤样癌与胃腺癌方面具有很大的应用潜力,可为临床的决策提供依据。