ADC直方图分析在诊断外周带临床显著性前列腺癌及判断其恶性程度中的价值研究

目的探讨表观扩散系数(apparent diffusion coefficient,ADC)直方图参数对外周带临床显著性前列腺癌(clinically significant peripheral prostate cancer,csPCa)的诊断价值及其与前列腺癌(prostate cancer,PCa)病理分级分组的相关性。方法回顾性分析延安大学附属医院泌尿外科疑诊为PCa并行超声引导下前列腺穿刺活检的患者107例,根据穿刺活组织病理学检查结果将其分为csPCa组33例和非csPCa组74例。比较两组临床指标及ADC直方图参数。采用单因素及多因素Logistic逐步回归分析筛选csPCa的独立预测因子。绘制受试者工作特征曲线(receiver operating characteristic curve,ROC)分析并比较回归模型预测概率值与各独立预测因子的诊断效能。Spearman相关检验分析ADC直方图参数与前列腺癌病理学分级分组之间的相关性。结果两组总前列腺特异性抗原、游离前列腺特异性抗原、前列腺特异性抗原密度、PI-RADS评分、ADC直方图参数(ADCmin、ADCmax、ADCmean、ADCmedian、ADC5、ADC10、ADC25、ADC50、ADC75、ADC90、ADC95、偏度、峰度及熵)比较差异均有统计学意义(均P<0.05)。Logistic回归结果显示,ADC25、ADCmedian及ADCmax是csPCa的独立预测因子(OR值分别为1.013、0.972、1.004,P<0.05)。ROC曲线分析结果显示预测概率值的曲线下面积(area under the curve,AUC)为0.943,截断值为0.269,敏感度为0.909,特异度为0.892,其AUC均高于各独立预测因子。ADC直方图参数ADC10、ADC25、ADC50、ADC75、ADC90、ADCmin、ADCmean、ADCmedian与前列腺癌病理学分级分组存在相关性(P<0.05)。ADCmean与病理学分级分组的相关性最强(r=-0.414)。结论ADC直方图参数及其所建立的预测模型对csPCa有较高的诊断效能,而且ADC直方图参数对进一步判断PCa的病理学分级也有一定的价值,可以帮助泌尿外科医师准确判断病情并精准干预。

基于多模态CT净水摄取联合临床评分预测急性缺血脑卒中结局的研究

目的:CT脑灌注净水摄取定量联合临床评分构建影像模型、临床模型、临床联合影像三个预测模型,寻找最佳预测模型来评估急性缺血性脑卒中患者临床预后的情况。方法:回顾性收集入院行血管内治疗和/或静脉溶栓的急性前循环缺血性脑卒中患者193例。通过多因素逐步Logistic回归确定急性缺血性卒中预后不良发生的独立影响因素,构建临床、影像、临床联合影像的预测模型,应用ROC曲线评估临床、影像、临床联合影像模型的预测效能。结果:多因素Logistic回归结果显示,在临床因素中基线NIHSS评分(OR = 1.261;95% CI: 1.1591.372;P < 0.001)、NLR (OR = 1.593;95% CI: 1.2482.034;P < 0.001)为卒中预后不良的独立预测因子;临床预测预后的模型AUC为0.917 (95% CI: 0.877~0.957),敏感度和特异度分别为86.6%、84.0%。在影像因素中核心梗死体积(OR = 1.050;95% CI: 1.0241.078;P < 0.001)、NWU (OR = 1.231;95% CI: 1.1301.341;P < 0.001)为卒中预后不良的独立预测因子;影像预测预后模型的AUC为0.921 (95% CI: 0.884~0.958),敏感度和特异度分别为81.3%、90.1%。在临床联合影像因素中基线NIHSS评分(OR = 1.181, 95% CI: 1.0581.318, P = 0.003)、NLR (OR = 1.352, 95% CI: 1.0771.696, P = 0.009)、核心梗死体积(OR = 1.042, 95% CI: 1.0081.077, P = 0.014)及NWU (OR = 1.247, 95% CI: 1.1151.393, P < 0.001)均是急性缺血性卒中患者预后不良的独立预测因子;临床联合影像的预测预后模型的AUC最高,达0.964 (95% CI: 0.939~0.989),其敏感度为87.5%、特异度为96.3%。结论:临床联合影像的预测模型相较于单独临床模型或影像模型对于血管内治疗和/或静脉溶栓的急性缺血性卒中患者有更好的预测效能。

基于多模态CT建立急性缺血性卒中预后不良的列线图预测模型

目的:本研究旨在建立基于多模态CT的列线图模型以预测急性缺血卒中预后不良发生的风险。方法:回顾性收集193例急性缺血性卒中患者的一般资料及多模态CT指标,根据3月后的改良Rankin量表(mRS)评分分为预后良好和预后不良两组。通过多因素逐步Logistic回归分析以确定急性缺血性卒中预后不良发生的独立危险因素,构建列线图模型。使用校准曲线评价模型的拟合优度,采用受试者工作特征(ROC)曲线评价模型的预测效能,并采用决策曲线分析(DCA)评价模型的临床应用价值。结果:多因素逐步Logistic回归分析结果显示基线美国国立卫生研究院卒中量表(NIHSS)评分、中性粒细胞计数与淋巴细胞计数比值(NLR)、梗死核心体积及水摄取率(NWU)是急性缺血性卒中预后不良的独立危险因素。列线图模型显示出良好的校准和区分能力,ROC曲线下面积(AUC)为0.956(95%CI:0.927~0.985)。DCA表明其具有临床实用价值。结论:基于多模态CT构建的列线图对急性缺血卒中预后不良的发生具有良好的预测效能,能为临床个性化诊疗决策的制定提供帮助。

定量CT评估2型糖尿病肺损害的应用价值

目的:通过分析2型糖尿病肺功能损害患者肺部CT定量参数与临床肺功能检测指标的相关性,探讨定量CT评估2型糖尿病肺功能损害的临床应用价值。方法:根据肺功能检查结果,回顾性搜集2型糖尿病(T2DM)伴有肺功能损害的120例患者及60例肺功能正常的健康志愿者(纳入对照组)的胸部CT资料。采用“数字肺”软件行图像后处理,获得肺部各项CT定量参数值,主要包括双肺平均密度、双肺容积、双肺内CT值分别低于-910 HU和-950 HU的区域的容积(LAA910、LAA950)及其占全肺容积的百分比(LAA910%、LAA950%)。采用独立样本t检验或Mann-Whitney U检验对两组肺部CT定量参数进行比较,并采用Pearson或Spearman方法分析T2DM肺部CT定量指标和临床肺功能的相关性。结果:与对照组相比,T2DM组的肺通气功能指标(FVC、FVC%、FEV1、FEV1%)及肺部CT定量指标中的全肺容积、LAA910、LAA950、LAA910%和LAA950%均显著降低(P<0.05),平均密度显著增高(P<0.05)。四项通气功能指标均与全肺容积、LAA910、LAA950、LAA910%和LAA950%均呈正相关(P<0.05),与平均密度呈负相关(P<0.05)。全肺容积诊断T2DM患者伴有肺损害的敏感度为0.883,特异度为0.800,AUC为0.890。结论:定量CT可客观准确地评价T2DM患者肺损伤情况,其中以全肺容积对评估T2DM患者肺功能损害程度的效能最佳。

2型糖尿病肺损害容积变化的相关性研究

目的通过定量CT探讨伴有一氧化碳弥散(DLCO)受损的2型糖尿病患者肺部结构的变化。方法回顾性收集101例伴有DLCO的2型糖尿病患者影像资料后纳入实验组,另73名肺功能无明显异常的2型糖尿病患者纳入对照组,影像资料经“数字肺”处理得出各项CT定量参数,主要包括双肺容积、LAA910%、LAA950%、LAA910、LAA950、及平均密度。通过Mann-Whitney U检验或独立样本t检验对两组肺部定量参数进行差异性分析,采用ROC方法分析T2DM肺部CT定量参数对2型糖尿病弥散功能受损患者的诊断效能。结果实验组肺通气功能参数(FEV1、FEV1%FVC、FVC%)及弥散功能参数(DLCO)相较于对照组显著降低(P<0.05),而肺部CT定量指标全肺容积、LAA 910%、LAA910%、LAA910、LAA950相较于对照组显著降低(P<0.05),平均密度显著增高(P<0.05)。肺通气功能参数(FEV1、FVC、FVC%、DLCO)与全肺容积、LAA910、LAA950、LAA910%、LAA950%呈正相关,与平均密度呈负相关。全肺容积区分T2DM肺弥散功能受损的诊断效能最高,AUC为741。结论通过定量CT可检测T2DM患者存在肺部容积变化,并对T2DM肺弥散功能损害有着良好的诊断效能。

超低剂量条件下Karl迭代算法对肺血管定量评估及胸部CT图像质量的影响

目的探讨Karl迭代重建算法在低剂量与超低剂量扫描条件下对肺内血管体积(Intrapulmonary Vascular Volume,IPVV)定量及胸部CT图像质量的影响。方法前瞻性收集58名行胸部CT检查的体检者,分别进行低剂量CT(120 kV,40 mAs)和超低剂量CT(120 kV,3~4 mAs)扫描。低剂量CT采用滤波反投影(Filtered Back Projection,FBP)重建,超低剂量CT采用FBP和Karl-3D迭代重建,重建水平分别为1、5、9记录照射剂量。将肺动脉感兴趣区(Region of Interest,ROI)置于胸部CT图像的支气管分叉水平,测量图像噪声。使用肺血管测量工具自动提取肺内血管,获得全肺的IPVV。比较各组定量指标、辐射剂量、图像噪声间的差异并探究超低剂量各组的IPVV测量值与低剂量组IPVV测量值之间的相关性。结果低剂量CT的容积CT剂量指数(Volume CT Dose Index,CTDI_(vol))为(3.18±0.16)mGy、剂量长度乘积(DoseLength Product,DLP)为(121.53±9.37)mGy·cm、有效剂量(Effective Dose,ED)为(1.70±0.13)mSv,超低剂量CT的CTDI_(vol)为(0.25±0.16)mGy、DLP为(9.51±0.68)mGy·cm、ED为(0.13±0.01)mSv。超低剂量CT图像定量测量结果与低剂量CT图像定量测量结果呈正相关,分别为FBP(r=0.947,P<0.001)、Karl1(r=0.947,P<0.001)、Karl5(r=0.944,P<0.001)、Karl9(r=0.939,P<0.001)。FBP重建的超低剂量CT图像对IPVV的绝对低估为0.098%,Karl1、Karl5、Karl9的绝对低估分别为0.10%、0.13%、0.17%。随着迭代水平的增加,图像噪声明显降低,IPVV定量测量逐渐减少(P<0.001)。结论在有效辐射剂量降低约92%的情况下,Karl-3D迭代重建算法可以显著降低图像噪声,提高图像质量。但是超低剂量胸部CT会低估IPVV的定量检测,所以Karl-3D迭代重建算法不能提高肺血管检测的准确性。

MR自动化测量对颞叶癫痫合并海马硬化的定量分析

目的本研究基于MR脑结构智能分析系统定量研究颞叶癫痫(TLE)并海马硬化(HS)患者的双侧海马体积,探讨该技术在海马硬化中的临床应用价值。方法纳入单侧TLE患者50例,健康对照组30例,将受试者按照癫痫定侧和是否合并HS分为L-HS(+)、R-HS(+)、HS(-)及对照组4个亚组,分别为20例、17例、13例和30例,应用智能分析系统测量双侧海马体积和体积不对称指数(AI),以手动测量为金标准对其测量误差进行分析,并进行海马体积、AI值的组内比较(患侧与对侧)和多个样本组间比较(4个亚组),采用ROC曲线评估两种指标的诊断效能。结果MR脑结构智能分析系统测量左侧、右侧海马体积分别为(4.25±0.53)cm^(3)、(4.32±0.66)cm^(3),手动测量左侧、右侧海马体积分别为(4.08±0.56)cm^(3)、(4.21±0.63)cm^(3)。MR脑分割技术的测量误差为4%(<5%)。L-HS(+)组的AI值、左侧和右侧海马体积分别为-0.17±0.11、(3.88±0.42)cm^(3)和(4.60±0.46)cm^(3),R-HS(+)组分别为0.18±0.14、(4.57±0.41)cm^(3)和(3.86±0.66)cm^(3),HS(-)组分别为-0.01±0.06、(4.39±0.50)cm^(3)和(4.47±0.62)cm^(3),对照组分别为-0.02±0.04、(4.48±0.32)cm^(3)和(4.56±0.36)cm^(3),HS(+)患侧海马体积在组内及组间比较中均减小(P<0.05),未发现HS(-)和对照组双侧海马体积的差异(P>0.05)。4个亚组间AI值与海马体积的总体差异具有统计学意义(P<0.05)。AI值在诊断L/R-HS(+)时ROC曲线下面积(AUC)最大,分别为0.88、0.90(P<0.05),海马体积相应的AUC为0.87、0.83(P<0.05)。结论MR脑结构智能分析系统的测量误差在可接受范围内,可以用于海马体积的测量,AI值在颞叶癫痫合并海马硬化的诊断中意义最大。