MRI影像特征结合机器学习算法无创预测弥漫性较低级别胶质瘤1p/19q缺失状态

目的探讨基于MRI表现特征结合机器学习算法在预测弥漫性较低级别胶质瘤(1p/19q)缺失状态的价值。方法选取经手术病理证实为Ⅱ~Ⅲ级胶质瘤79例[异柠檬酸脱氢酶(IDH)突变伴1p/19q共缺失组39例,IDH突变伴1p/19q非共缺失组40例],所有患者术前均行常规头颅MRI平扫及增强(T_(1)WI、T_(2)WI、SWI、FLAIR、DWI、CE-T_(1)WI),由未知病理结果的神经影像医师提取影像特征:钙化或出血、T_(2)-FLAIR错配征、瘤周水肿、强化程度、T_(2)异质性、皮质受累、边界规则、中线偏倚。利用卡方检验或Fisher精确检验评估两组胶质瘤影像学特征的统计学差异,并构建逻辑回归模型;另外,利用所提取的MRI特征构建出机器学习模型,使用受试者工作特征曲线(ROC)分析其预测1p/19q缺失状态的诊断效能。结果钙化或出血、T_(2)-FLAIR错配征、T_(2)异质性三个影像特征在不同1p/19q缺失状态中比较,差异有统计学意义(P<0.05),联合以上三个影像特征的逻辑回归模型的曲线下面积(AUC)可达0.859;另外,利用MRI特征所构建的机器学习模型鲁棒性较佳,测试集AUC可高达0.910。结论术前MRI表现特征结合机器学习算法可用于无创的预测弥漫性较低级别胶质瘤1p/19q缺失状态。

基于计算机的医学影像后处理技术定位癫痫致痫灶研究进展

约30%～40%癫痫患者无法通过药物控制发作,需要手术治疗。癫痫外科术前评估的关键在于结合多模态信息的综合分析评估定位致痫灶,但目前多模态神经影像学综合分析主要依赖人工解读,主观性强,耗时费力。为提高对于常规影像学MRI阴性致痫灶定位的准确性,已有研究将医学影像后处理技术应用于分析癫痫影像,结果表明医学影像后处理技术具有能客观、精细分析大脑结构和功能异常等优点,从而有可能为致痫灶定位提供准确、有效的解决方案。本文就医学影像后处理技术在癫痫致痫灶定位中的应用进展予以综述。

表观扩散系数和动态对比增强MRI的定量参数在宫颈癌病理分级中的价值

目的探讨表观扩散系数(ADC)和定量动态对比增强磁共振成像(qDCE-MRI)在预测宫颈癌病理分级中的价值。方法回顾性分析中山大学孙逸仙纪念医院2017年7月至2021年12月95例经手术病理确诊为宫颈癌的初诊患者的影像资料,所有患者术前均行常规MRI、扩散加权成像(DWI)及qDCE-MRI检查。分析定量参数容积转运常数(K^(trans))、速率常数(K_(ep))、血管外细胞间隙容积分数(V_(e))、血浆容积分数(V_(p))和ADC在不同病理级别宫颈癌之间的差异性和相关性。分析各参数预测G1/2和G3宫颈癌的效能。结果K^(trans)和K_(ep)均与肿瘤病理分级呈正相关(r=0.323,P=0.001;r=0.455,P<0.001)。K^(trans)和K_(ep)在G3肿瘤和G1/2肿瘤之间的差异具有统计学意义(Z=-2.769,P=0.006;Z=-4.321,P<0.001)。K^(trans)预测G3和G1/2肿瘤的敏感度、特异度和准确率分别为60.8%,72.7%和66.3%。Kep预测G3和G1/2肿瘤的敏感度、特异度和准确率分别为82.4%,63.6%和73.7%。结论K^(trans)和K_(ep)与宫颈癌病理分级呈正相关,并且均可用于鉴别G3和G1/2肿瘤。