Fraxion系统与热塑膜固定在脑恶性肿瘤放疗中的摆位误差比较

目的评估Fraxion系统与热塑膜在脑恶性肿瘤放疗体位固定中的摆位准确性。方法选取2018年1月至2022年9月在我院肿瘤内科接受头部放疗固定的脑恶性肿瘤患者92例(采用Fraxion系统32例,热塑膜60例)为研究对象。将锥形束容积断层成像技术图像与计划电子计算机断层扫描图像匹配后获得线性摆位误差、3D矢量位移;根据外扩边界(Margin of Planning Target Volume,MPTV)公式计算出计划靶区MPTV,比较Fraxion系统组和热塑膜组的摆位准确性。结果Fraxion系统组和热塑膜组的摆位误差在左右方向(X轴)分别为(0.79±0.45)mm和(1.60±1.00)mm,在头脚方向(Y轴)分别为(0.82±0.46)mm和(1.77±1.07)mm,在前后方向(Z轴)分别为(0.62±0.37)mm和(1.88±1.05)mm;3D矢量位移分别为(1.42±0.45)mm和(3.13±1.62)mm。Fraxion系统组的线性摆位误差、3D矢量位移均小于热塑膜组,差异具有统计学意义(P<0.001)。Fraxion系统组和热塑膜组在X轴、Y轴、Z轴方向的MPTV分别为0.64、0.66、0.52 mm和1.08、1.12、2.64 mm。结论Fraxion系统在脑恶性肿瘤放疗定位中摆位准确性优于热塑膜固定,可精准定位靶区。

冠状动脉CT血管成像中人工智能诊断冠心病的准确性

目的观察冠状动脉CT血管成像(CCTA)中人工智能(AI)诊断冠心病(CHD)的准确性。方法回顾性分析105例临床拟诊CHD患者间隔2周内CCTA及有创冠状动脉造影(ICA)资料。以ICA结果为金标准,分别以患者、冠状动脉及其节段为单位,计算AI判断冠状动脉狭窄程度≥50%的敏感度、特异度、阳性预测值、阴性预测值和准确率,并对AI与ICA结果进行一致性检验。结果①以患者为单位,AI诊断敏感度、特异度、阳性预测值、阴性预测值和准确率分别为97.92%(94/96)、66.67%(6/9)、96.91%(94/97)、75.00%(6/8)和95.24%(100/105);②以冠状动脉为单位,AI诊断敏感度、特异度、阳性预测值、阴性预测值和准确率分别为91.05%(173/190)、98.26%(226/230)、97.74%(173/177)、93.00%(226/243)和95.00%(399/420),与ICA一致性好;③以血管节段为单位,AI诊断敏感度、特异度、阳性预测值、阴性预测值和准确率分别为83.90%(224/267)、97.67%(1215/1244)、88.54%(224/253)、96.58%(1215/1258)和95.23%(1439/1511)。各层面AI与ICA的一致性分别为较好、好和较好(Kappa=0.68、0.90和0.83,P均<0.001)。结论CCTA图像质量较好且AI能正确识别冠状动脉血管树时,其诊断CHD准确率较高,可作为辅助诊断工具。

AI在CCTA诊断冠状动脉狭窄中的准确性及应用价值

目的:探讨人工智能(AI)在冠状动脉CT血管成像(CCTA)中诊断冠状动脉狭窄的准确性及应用价值。方法:收集2019年4月至10月110例同时行CCTA及有创冠状动脉造影(ICA)病人的影像资料,110例共1484段血管纳入评价范围。狭窄程度分为无狭窄、轻度狭容(<50%)、中度狭(50%~70%)重度狭窄(>70%).AI软件自动对CCTA图像进行重建及计算分析。以ICA结果为金标准,计算AI在CCTA中诊断冠状动脉狭容的敏感度、特异度、阳性预测值及阴性预测值。对AI与ICA结果进行Kappa值一致性检验。结果:①AI检出冠状动脉狭窄的敏感度、特异度、阳性预测值及阴性预测值分别为92.97%.97.91%,88.53%,96.36%,准确性为93.60%,AI与ICA检出冠状动脉狭窄一致性好(Kappa值0.86).②AI诊断冠状动脉狭窄程度准确性为66.13%,与ICA一致性一般(Kappa值0.58)。诊断轻度狭窄准确性较高,诊断中重度狭窄特异度较高。结论:AI在CCTA中对冠状动脉狭窄节段的检出及诊断轻度狭窄具有较高准确性,诊断中重度狭窄特异度较高,可作为医师辅助诊断手段.

基于深度学习的肺结节筛检和定性诊断分析

目的探讨基于深度学习的人工智能(AI)在肺结节检测和定性诊断中的临床价值。方法收集行胸部CT平扫的250例患者。分为住院医(A组)、AI(B组)和住院医结合AI(C组)三组,比较三组对肺结节检出的误诊率、漏诊率、敏感度、阳性预测值和平均诊断时间。同时分别比较实性结节和磨玻璃结节(GGN)良恶性的AI量化参数,对有统计学差异的参数行ROC曲线分析。结果以两名高年资主任医师共同阅片结果为参照标准,确认有2230个结节。B组的误诊率明显高于A、C两组,阳性预测值明显小于A、C两组(P<0.05)。A组的漏诊率明显高于B、C两组,敏感度明显低于B、C两组(P<0.05)。B组平均诊断时间明显少于A、C两组(P<0.05)。实性良、恶性结节的长径、最大面积、体积、最小CT值和恶性概率差异均有统计学意义(P<0.05),ROC曲线下面积(AUC)大于0.7的参数为:长径、最大面积、体积、恶性概率。GGN良、恶性结节的长径、最大面积、体积、平均CT值、最大CT值和恶性概率差异均有统计学意义(P<0.05),对各参数行ROC曲线分析,AUC均大于0.7。结论AI协助阅片可明显提高工作效率和肺结节检出敏感度,并减少误诊率和漏诊率,同时AI对肺结节良恶性的预判具有一定参考价值。

AI对肺磨玻璃结节筛查及定性的临床应用研究

目的:探讨人工智能(AI)对肺磨玻璃结节(GGN)筛查及定性的临床应用价值。方法:搜集行胸部CT平扫的200例患者(共1230个GGN),比较A组(住院医师)、B组(AI)、C组(住院医师结合AI)对诊断GGN的敏感度、误判率、漏诊率、阳性预测值和平均诊断时间。将其中经手术病理证实的137例GGN患者按其病理结果分为良性组(54例)、恶性组(83例),比较两组间AI量化参数的差异,对有统计学差异的参数行ROC曲线分析,再以病理结果为因变量,各指标为自变量行Logistic回归分析。结果:B组误诊率高于A、C两组,阳性预测值小于A、C两组;A组漏诊率高于B、C两组,敏感度小于B、C两组,差异均有统计学意义(P值均<0.05)。GGN良、恶性结节的长径、最大面积、体积、平均CT值、最大CT值和恶性概率差异均有统计学意义(P值均<0.05),对各参数行ROC曲线分析,曲线下面积(AUC)均大于0.7,Logistic回归分析显示长径和最大面积是GGN恶变的独立危险因素。结论:AI协助医生阅片可明显提高肺GGN检出敏感度,并可降低误诊率和漏诊率,同时对GGN的良恶性预判具有一定参考价值。

CT直方图分析鉴别肺良恶性纯磨玻璃结节的价值

目的:探讨CT直方图分析对肺良恶性纯磨玻璃结节(pGGO)的鉴别诊断价值。方法:回顾性分析经组织病理学证实的52例pGGO的CT平扫图像,其中恶性28例,良性24例。选取横轴面图像中结节最大层面勾画感兴趣区(避开血管、支气管)生成结节的CT像素直方图。比较良恶性组间直方图参数及直方图分布特点的差异,采用Logistic回归法分析pGGO恶变的最佳预测指标及阈值。结果:良、恶性组的直方图参数中跨度分别为(590.3±141.5)和(907.2±298.0)HU,最大CT值分别为(-333.5±140.4)和(-105.1±244.4)HU,峰度对应CT值分别为(-675.1±145.3)和(-468.4±187.0)HU,组间差异均有统计学意义(P<0.05);良性pGGO的直方图主要表现为“速升缓降”型,恶性pGGO主要表现为“缓升速降”型,差异具有统计学意义(P<0.05)。鉴别良恶性pGGO的峰度值临界值为-553HU,相应的诊断敏感度和特异度分别为64.3%和87.5%。结论:基于像素的CT直方图分析技术可为肺良恶性pGGO的鉴别诊断提供重要参考依据。

甲状腺乳头状癌原发灶CT值联合形态学预测中央组淋巴结转移的价值

目的探讨甲状腺乳头状癌(PTC)原发灶CT值联合形态学预测其中央组淋巴结转移的价值。资料与方法选取经术后病理证实为单发PTC且行中央组淋巴结清扫术的340例患者,包括中央组淋巴结转移组178例,未转移组162例,测量术前所行CT增强扫描平扫期、动脉期和静脉期PTC原发灶的CT值,计算病灶动脉期及静脉期净增CT值和标准化CT值,比较两组各CT值的差异;分析原发灶影像形态学特征与中央组淋巴结转移的关系;计算原发灶标准化CT值联合其影像形态学特征的预测效能。结果中央组淋巴结转移组与未转移组间静脉期原发灶CT值、净增CT值及标准化CT值比较,差异均有统计学意义(P<0.05);临界值为107.5 Hu、53 Hu、0.761,敏感度分别为71.4%、76.2%、71.4%,特异度分别为81.8%、59.1%、72.7%;静脉期标准化CT值联合形态学预测中央组淋巴结转移的敏感度为72.5%,特异度为81.5%。结论 PTC原发病灶静脉期CT值联合其影像形态学在预测中央组淋巴结转移方面具有一定的价值。

双能CT碘图评估甲状腺微小乳头状癌颈淋巴结转移潜能的价值

目的探讨甲状腺微小乳头状癌(PTMC)双能CT碘图形态及功能定量参数评估颈部淋巴结转移(LNM)潜能的可行性。方法回顾性分析2014年7月至2016年12月95例行颈部双能CT扫描,且术后病理初次诊断为PTMC患者的临床和影像资料。根据患者是否发生颈部LNM分为LNM组(59例)和无LNM组(36例)。患者双能CT扫描结果经双能量软件后处理得到碘图,分析CT碘图各形态特征(肿瘤大小、数目、纵横比、形态、结节强化环是否完整、结节是否突破甲状腺包膜、微钙化及强化程度)及其诊断效能。测量动脉期和静脉期PTMC实质成分和同层面颈内动脉的碘浓度(IC)和CT值,计算动静脉期病灶的标准化碘浓度(NIC)和标准化CT值。LNM组和无LNM组间动静脉期IC、NIC、CT值、标准化CT值比较采用两独立样本t检验。并绘制ROC曲线,分析2期NIC和标准化CT值的诊断效能。结果颈部LNM组和无LNM组的PTMC多发病灶、结节最大径>5.0 mm、纵横比>1、形态不规则、结节强化环不完整及结节突破甲状腺包膜的概率差异具有统计学意义(χ^2分别为14.965,8.724、11.494、8.097、6.324、23.272,P均<0.05),且与转移潜能呈正相关(r分别为0.397、0.303、0.348、0.309、0.258、0.495,P均<0.05),且以结节突破甲状腺包膜诊断颈部LNM效能最高(灵敏度77.9%、特异度72.2%、准确度75.8%)。动脉期无LNM组NICROI和标准化CT值分别为0.29±0.10、0.33±0.11,小于LNM组的0.45±0.15、0.44±0.13,差异有统计学意义(t值分别为-4.891、-3.462,P均<0.001)。静脉期LNM组NIC和标准化CT值均高于无LNM组(t值分别为-3.381、-2.18,P均<0.05)。各项定量参数中,动脉期NIC诊断颈部LNM效能最高,ROC曲线下面积(AUC)最大,为0.814,敏感度为73.5%,特异度为79.2%,此时诊断阈值为0.208。结论双能CT碘图的形态征象和功能学定量参数对术前评估PTMC的颈部LNM潜能具有较大临床价值。

P3T自动触发注射方案在CT冠状动脉检查中的可行性研究

目的探讨MedRad P3T心脏软件采用自动触发注射方案的可行性。方法前瞻性搜集临床拟诊冠心病行双源CT冠状动脉检查患者80例,随机分为小剂量测试组及自动触发组,各40例,扫描参数一致。分别比较两组冠状动脉近中远段CT值、冠状动脉三大分支近段信噪比及对比信噪比、冠状动脉主观评分、对比剂注射流率及用量、扫描时间。结果两组冠状动脉近中远段CT值、冠状动脉三大分支近段信噪比及对比信噪比差异无统计学意义(P>0.05)。两组冠状动脉主观评分差异无统计学意义(P>0.05)。两组对比剂流率分别为(4.59±0.37)ml/s、(4.59±0.39)ml/s,差异无统计学意义(P>0.05)。两组对比剂用量分别为(75.04±7.20)ml、(56.06±7.01)ml,自动触发组较小剂量测试组对比剂用量平均少(18.98±0.19)ml(P<0.05)。两组扫描时间分别为(119.80±19.95)s、(92.40±15.99)s,自动触发组较小剂量测试组扫描时间平均少(27.40±3.96)s(P<0.05)。结论采用MedRad P3T心脏软件自动触发注射方案,可在保证冠状动脉图像质量的同时减少对比剂用量,且更简便、快速,在临床上具有可行性。

颞骨岩部炎性肌纤维母细胞瘤一例

本文报道1例左侧颞骨岩部占位性病变.影像主要表现为CT平扫示左侧颞骨岩部不规则软组织肿块,周围骨质膨胀性破坏,增强后轻中度不均匀强化;MRI示左侧颞骨岩部不规则团片状异常信号,T2WI呈高信号、T1WI呈低或稍低信号,增强后明显不均匀强化,边缘强化为主,邻近脑膜不受累;DWI肿瘤扩散不受限.病理诊断炎性肌纤维母细胞瘤(IMT).IMT发生于颞骨岩部罕见,并且影像表现为囊性者少见,诊断困难,确诊有赖于病理.

不同来源及组织学分级的头颈部黏液表皮样癌CT特征比较

目的探讨不同来源及不同组织学分级的头颈部黏液表皮样癌(MEC)CT特征的差异。方法回顾性收集2009年1月至2019年5月昆明医科大学第一附属医院手术病理证实为MEC的53例患者的临床及CT影像资料。根据来源不同分为大涎腺组(23例)和小涎腺组(30例),按照组织学分级分为高分化(19例)、中分化(28例)及低分化(6例)组,采用独立样本t检验、χ2检验、Fisher确切概率法或秩和检验对比分析不同来源及不同组织学分级MEC的CT特征的差异,包括病变部位、数目、大小、形态、边界、密度、钙化、囊腔、坏死、骨质改变、平扫CT值、动脉期CT增强净增值、静脉期CT增强净增值、强化程度、邻近结构侵犯、颈部淋巴结转移及远隔转移。结果来源于大涎腺和小涎腺的MEC在病灶大小、形态、骨质改变及平扫CT值方面差异有统计学意义(P<0.05),余CT特征间比较差异无统计学意义(P>0.05)。对比来源于大涎腺的MEC,小涎腺MEC病灶较大、形态较不规则且易发生骨质改变(包括膨胀、破坏),此外大涎腺来源的MEC平扫CT值稍低于小涎腺MEC。高、中、低分化MEC间囊腔差异有统计学意义(χ2=8.045,P=0.015),高分化MEC较低分化MEC易出现囊腔(χ2=7.707,P=0.012)。结论不同来源和组织学分级的头颈部MEC的CT表现有一定差异,肿瘤内囊腔对预测MEC组织学分级有参考价值。