磁共振T2对比剂Fe3O4@Cys的制备及新西兰兔活体成像研究

目的 制备经半胱氨酸(cysteine, Cys)表面修饰的磁共振T2对比剂Fe_(3)O_(4)@Cys,并通过3.0 T磁共振成像系统经新西兰兔测试其成像性能。材料与方法 采用溶剂热法,通过改变反应时间和底物浓度,制备出不同的Fe_(3)O_(4)纳米颗粒。采用X射线衍射仪对样品进行表征并分析其结晶性,经扫描电子显微镜测试其形貌及粒径,选择结晶性较高且粒径均匀的样品进行Cys表面修饰,经ZETA电位纳米粒度分析仪测得Fe_(3)O_(4)、Fe_(3)O_(4)@Cys的表面电位,经震动样品磁强计对其进行磁性能测试,经MTT法细胞增殖抑制实验测试样品修饰前后的细胞毒性。使用3.0 T磁共振成像系统,通过观察新西兰兔注射前后不同时间点肾脏皮质、髓质及小肠的信号变化,测试其成像性能。结果 当FeCl3·6H2O的用量选择0.325 g,200℃温度下反应8 h所制备的Fe_(3)O_(4)纳米颗粒结晶性高,平均粒径约57.2 nm,修饰前后表面电位分别为-20 mV与-22 mV,扫描电镜下粒径及形貌未发生明显改变,修饰后不同浓度Fe_(3)O_(4)@Cys的24 h细胞存活率均高于80%,且均高于Fe_(3)O_(4)组。修饰后Fe_(3)O_(4)纳米颗粒表现出超顺磁性,在磁共振活体成像中具有明显的阴性对比增强效果。结论 反应时间延长,Fe_(3)O_(4)结晶性增加;底物浓度增加,Fe_(3)O_(4)粒径减小。Cys修饰后,稳定性与生物相容性增加,可作为T2对比剂用于多种实验和基础研究。

基于MRI影像组学的机器学习模型预测前列腺癌骨转移的价值

目的本研究旨在建立并验证基于MRI的机器学习模型用于预测前列腺癌(prostate cancer,PCa)骨转移的价值。材料与方法回顾性分析2018年1月至2022年1月来自山东第一医科大学第一附属医院和山东第一医科大学附属省立医院的150名经病理证实的PCa患者的临床和MRI资料,按照7∶3的比例随机分为训练集(105例)和测试集(45例),分别在每个患者的表观扩散系数(apparent diffusion coefficient,ADC)和T2脂肪抑制序列(fat saturated T2 weighted imaging,FS-T2WI)图像手动勾画肿瘤的感兴趣区并提取影像组学特征。使用组内相关系数、特征重要性及最小冗余最大相关性方法进行降维和特征筛选,筛选出的最佳特征用广义线性模型(generalized linear model,GLM)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和极致梯度提升(extreme gradient boosting,XGB)方法建立影像组学模型。采用受试者工作特征曲线下面积(area under the curve,AUC)、校准曲线和决策曲线分析去评估四种模型的预测性能,然后通过德隆检验比较模型之间的差异。结果获得了17个最佳特征构建机器学习模型,在训练集中,GLM、XGB、SVM和RF模型的平均AUC分别为0.714、0.845、0.768和0.858;在测试集中,对应的AUC分别为0.796、0.729、0.755和0.765。德隆检验和校准曲线表示四种模型之间没有显著差异。决策曲线分析显示四种模型的临床应用价值相近。结论基于MRI影像组学特征的GLM、XGB、SVM和RF模型能够作为一种有前景的工具预测PCa患者骨转移,为临床诊疗提供潜在的有效信息。

基于双参数MRI影像组学机器学习鉴别前列腺癌Gleason评分分级分组中的应用

目的探讨基于双参数MRI影像组学机器学习模型对前列腺癌(PCa)Gleason评分分级分组中的价值。方法回顾性收集经病理证实为PCa的患者138例,其中GG>2患者83例,GG≤2患者55例。所有病人术前均进行MRI检查。按7∶3将患随机分为训练集和测试集,分别用于影像组学模型的机器学习和验证,采用RF、SVM和XGboost构建3组模型(ADC、T_(2)WI、ADC+T_(2)WI),采用受试者操作特征(ROC)曲线评估析各模型鉴别GG≤2与GG>2PCa的诊断效能。结果测试集中应用SVM算法的T_(2)WI+ADC模型诊断效能最高,AUC为0.896。其次为T_(2)WI+ADC中的RF模型,AUC为0.871。在各特征集中,RF和SVM算法的模型的AUC均高于XGboost算法。结论基于双参数MRI影像组学机器学习模型可较好地鉴别GG≤2与GG>2PCa。

基于IVIM影像组学模型对前列腺癌和前列腺增生的鉴别诊断价值

目的探讨基于体素内不相干运动(IVIM)中真性扩散系数(D)、伪扩散系数(D*)及灌注分数(f)图影像组学模型对前列腺癌和前列腺增生的鉴别诊断价值。资料与方法回顾性分析南京医科大学附属泰州市人民医院2019年1月—2021年5月经穿刺活检或手术病理证实的前列腺癌患者106例、前列腺增生患者100例的影像资料,患者均行常规MRI检查及IVIM检查。首先应用Firevoxel软件获得IVIM序列D、D*及f图,将所得伪彩图导入ITK-SNAP软件勾画感兴趣区。采用Pyradiomics软件进行高通量特征提取,最后采用最大相关最小冗余及最小绝对收缩和选择算子稀疏约束法算法筛选影像组学特征并构建模型。采用随机抽样方法将患者按7∶3分成训练组144例与验证组62例,通过受试者工作特征曲线对3个模型的诊断效能进行验证,用决策曲线分析评估影像组学模型的临床预测效能。结果基于D、D*及f图像组学模型预测前列腺癌和前列腺增生,训练组中曲线下面积分别为0.987、0.978、0.992,验证组中曲线下面积分别为0.985、0.975、0.985。决策曲线显示D、D*及f图影像组学模型在临床上可以获得较好的净获益,其中D图组学模型最高。结论基于IVIM序列D、D*及f图的影像组学模型对前列腺癌和前列腺增生具有较高的鉴别诊断效能。

IVIM评价兔肠系膜动脉栓塞致急性肠系膜缺血的实验研究

目的探讨3.0 T磁共振体素内不相干运动(intravoxel incoherent motion,IVIM)扩散加权成像定量评估兔急性肠系膜缺血(acute mesenteric ischemia,AMI)的价值。材料与方法以66只新西兰兔为研究对象,将其随机分为实验组和假手术组,每组33只,每组分为11个时间节点,每时间节点3只。实验组开腹结扎前肠系膜动脉主干建立AMI模型,假手术组仅开腹、不结扎。使用3.0 T MR行IVIM检查,扫描结束后进行病理标本采集及制作。对影像图像进行后处理获得IVIM参数值(f值、D值、D*值)。使用单因素方差分析对实验组与假手术组之间各参数值的差异进行比较。将影像结果与病理结果进行比较。结果以病理结果为金标准,当肠系膜缺血2 h左右时,实验组f值和D值低于假手术组(D值约<1.0×10-3mm2/s,f值约<0.3),差异有统计学意义(P<0.05),D*值实验组及假手术组差异无统计学意义(P>0.05),病理结果显示此时缺血仅累及肠壁黏膜层。当肠系膜缺血达到4.5 h左右时,f值及D值进一步降低(D值约<1.0×10-3mm2/s,0<f值<0.1),D*值降低,各参数值差异有统计学意义(P<0.05),此时病理结果显示肌层受累。当肠缺血时间达到5.5 h时,f值近似于0,D值升高(约>1.0×10-3mm2/s),D*值较前大致相同,D值及D*值在实验组与假手术组间差异无统计学意义(P>0.05),此时缺血肠壁结构破坏严重甚至累及肠壁全层。结论IVIM定量参数中f值及D值能够反映微循环障碍的病理生理过程,与病理具有良好的相关性,有助于AMI的早期定量评估与动态监测,为临床评价AMI提供理论依据。

基于增强CT影像组学鉴别胸腺瘤组织学分型

目的观察基于增强CT影像组学鉴别胸腺瘤组织学分型的价值。方法回顾性分析226例经病理证实的胸腺瘤患者,按7∶3比例将其分为训练集(n=159)及测试集(n=67);利用最大相关最小冗余(mRMR)及最小绝对收缩和选择算子(LASSO)算法筛选最佳影像组学特征,构建鉴别胸腺瘤组织学分型的影像组学模型;以单因素及多因素logistic回归分析筛选鉴别胸腺瘤组织学分型相关的临床及CT表现,构建临床模型和联合影像组学特征及临床、CT特征的影像组学列线图。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价3种模型鉴别胸腺瘤组织学分型的效能并比较其差异,评价影像组学列线图的临床价值。结果最终基于增强动脉期及静脉期CT筛选出19个最佳影像组学特征,以建立影像组学模型。临床模型由患者年龄、重症肌无力、病灶CT表现形态、侵犯邻近组织及动脉期CT值构成。训练集中,影像组学列线图及影像组学模型区分低危组胸腺瘤与高危组胸腺瘤的AUC(0.91、0.89)均高于临床模型(0.79,Z=3.62、2.49,P均<0.05),而影像组学列线图与影像组学模型AUC差异无统计学意义(Z=1.54,P=0.12);3种模型在测试集中的AUC差异均无统计学意义(P均>0.05)。阈值概率为0.1~1.0时,影像组学列线图的临床获益均大于临床模型及影像组学模型。结论基于增强CT影像组学模型和基于临床、CT表现及影像组学特征的影像组学列线图均有利于鉴别胸腺瘤组织学分型,后者临床获益更高。

增强MR组学联合临床因素预测肝细胞癌根治性切除术后早期复发的价值研究

目的探究联合临床因素的肝细胞癌(hepatocellular carcinoma,HCC)术前MR影像组学模型对预测HCC切除术后早期复发的价值。材料与方法回顾性分析116例(训练集82例、测试集34例)术前进行过腹部MRI扫描且经病理确诊为HCC患者的动态对比增强MRI(dynamic contrast enhanced MRI,DCE-MRI)的图像和临床因素。运用3D Slicer软件勾画病变感兴趣区(region of interest,ROI)并提取影像组学特征,通过最大相关-最小冗余算法、最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维,使用LASSO建立影像组学评分,引入临床因素构建Logistic回归模型,并联合影像组学评分构建列线图模型,通过计算受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC),进行Delong检验和临床决策曲线分析(decision curve analysis,DCA),评估和比较每个模型的预测性能和模型之间差异是否具有统计学意义。结果共选取9个影像组学特征构建影像组学模型。临床因素包括TNM分期(美国癌症联合委员会第8版癌症分期),甲胎蛋白水平,γ-谷氨酰氨基转移酶,Child-Pugh分级。联合影像组学评分和临床因素的影像组学列线图的鉴别效能优于临床因素模型[AUC=0.79(95%CI:0.63~0.96)vs.AUC=0.71(95%CI:0.52~0.90),DeLong检验Z=2.363,P=0.018],两个ROC曲线差异有统计学意义,经DCA验证其临床净收益率更高。结论基于术前MR影像组学及临床因素的联合模型对于预测HCC切除术后早期复发具有应用价值。

基于MRI的影像组学模型在鉴别乳腺导管原位癌与导管原位癌伴微浸润中的价值

目的建立基于乳腺MRI区分乳腺导管原位癌(DCIS)与导管原位癌伴微浸润(DCISM)的影像组学模型并验证其价值。方法回顾性分析87例(DCISM 32例,DCIS 55例)女性,按7∶3分为训练组和验证组。分别搜集MRI图像及临床、病理和影像学资料。采用3D Slicer软件手动勾画乳腺癌灶的3D感兴趣区(ROI)并提取特征,使用最大相关性最小冗余性算法和最小绝对收缩和选择算法(LASSO)回归选择特征并建立影像组学模型。根据临床和影像学特征建立临床模型。基于影像组学评分(Radscore)和临床模型建立联合模型。结果区分DCIS是否伴微浸润的独立影响因子包含时间-信号强度曲线(TIC)和表观扩散系数(ADC)。尽管临床模型和影像组学模型的曲线下面积(AUC)没有显著差异(分别为0.760和0.830),结合Radscore和临床影像学特征的联合模型表现了鉴别DCIS与DCISM的良好效能(AUC为0.840)。结论结合Radscore和临床影像学特征的联合模型可为鉴别DCIS与DCISM提供新的手段。

CT减影影像组学模型中肾透明细胞癌和非透明细胞癌鉴别分析

目的探讨基于肾脏CT皮髓质期-平扫减影的影像组学特征鉴别肾透明细胞癌(ccRCC)和非透明细胞癌(non-ccRCC)的可行性。方法回顾性分析2019-01-01-2021-12-31在山东省肿瘤医院行肾脏CT平扫及增强扫描的114例不同肾细胞癌(RCC)分型患者临床资料,其中男80例,女34例。病理确诊ccRCC 81例,non-ccRCC 33例。采用ITK软件在肾脏CT平扫、皮髓质期以及皮髓质期-平扫减影图像中手动逐层勾画感兴趣区域(ROI),随后提取影像组学特征,采用最大相关最小冗余(mRMR)及最小绝对收缩和选择算子(LASSO)回归进行特征筛选与模型构建,建立平扫、皮髓质期、皮髓质期-平扫减影3组logistic回归模型。受试者工作特征曲线(ROC)评估分类模型性能,DeLong检验比较模型间效能差异。结果一般资料显示,不同RCC亚型患者在性别、肿瘤分布、肿瘤最大直径和年龄差异均无统计学意义,均P>0.05。共提取影像组学特征1218个,进行mRMR后对剩余的30个特征进行LASSO分析。经过10折交叉验证后,肾CT平扫、皮髓质期、皮髓质期-平扫减影图像λ值分别为0.082、0.073和0.046,并分别获得9、6和11个最佳影像组学特征。基于3种图像影像组学评分绘制ROC,CT平扫的影像组学模型中训练队列及测试队列曲线下面积(AUC)分别为0.906(95%CI:0.839~0.972)和0.694(95%CI:0.442~0.947);CT皮髓质期AUC分别为0.882(95%CI:0.803~0.962)和0.852(95%CI:0.721~0.983);CT皮髓质期-平扫减影AUC分别为0.931(95%CI:0.877~0.984)和0.847(95%CI:0.716~0.979)。DeLong检验结果显示,3组间差异均无统计学意义,均P>0.05。结论基于肾脏CT皮髓质期-平扫减影影像组学的预测模型在诊断RCC分型中的价值还需扩大样本继续观察。

基于增强CT影像组学预测浸润性肺腺癌EGFR突变状态的价值

目的探讨建立并验证影像组学诺模图预测浸润性肺腺癌表皮生长因子受体(EGFR)突变的能力。方法选取231例经病理证实为浸润性肺腺癌患者,并有EGFR突变资料,按照7∶3的比例分为训练集(n=162)和测试集(n=69)。利用最大相关最小冗余(mRMR)及最小绝对收缩与选择子算法(LASSO)筛选最佳影像组学特征,构建预测肺腺癌EGFR突变状态的模型;以单因素及多因素logistic回归筛选浸润性肺腺癌EGFR突变相关的临床、病理及CT特征,构建临床模型;联合影像组学特征及临床、病理、CT特征构建影像组学诺模图,ROC曲线及AUC值评估模型的预测效能,并采用DeLong检验比较模型间AUC值差异是否有统计学意义,校正曲线及DCA曲线评估影像组学诺模图的临床价值。结果最终基于增强扫描动脉期及静脉期筛选出13项影像组学特征建立影像组学模型,该模型在训练集及测试集中的AUC值为0.79、0.76;临床模型由性别、病理分期及血管集束征构成,该模型在训练集及测试集中的AUC值分别为0.75、0.75;影像组学诺模图在训练集及测试集中的AUC值分别为0.82、0.80;DeLong检验显示,训练集中影像组学诺模图AUC值大于临床模型,差异有统计学意义(P<0.05),影像组学模型与临床模型AUC值差异无统计学意义(P>0.05);测试集中3种模型AUC值差异均无统计学意义(P>0.05);影像组学诺模图在训练集及测试集中的拟合优度良好,DCA曲线显示影像组学诺模图临床效用优于临床模型。结论基于增强CT影像组学诺模图对浸润性肺腺癌EGFR突变状态有良好的预测能力。