双能CT对甲状腺乳头状癌颈部淋巴结转移的定量研究

目的 评估双能CT定量参数对甲状腺乳头状癌淋巴结转移的诊断价值。方法 收集甲状腺乳头状癌患者共56例,患者在术前一周内行颈部双期双能量扫描,参照病理结,果及影像淋巴结分区标准,纳入共计95粒淋巴结其中转移淋巴68粒(转移组)非转移性淋巴结27粒(非转移组)。测量两组淋巴结动脉期、静脉期淋巴结的碘浓度(IC)、标准化碘浓度(NIC)、能谱曲线斜率λHU的值,绘制不同定量参数对应的受试者工作特征(ROC)曲线。结果 转移组淋巴结的IC、NIC、λHU值均高于非转移组淋巴结,动脉期λHU的诊断效能最高,AUC面积为0.948敏感度为93.62%,截断值为2.66mg/mL,特异度为91.67%。动脉期IC、NIC的AUC面积为0.854、0.756,截断值为0.69、0.37,敏感度为91.49%、80.85%,特异度为75%、64.58%。静脉期IC、静脉期λHU、静脉期NIC的面积为0.575、0.668、0.685,阈值为2.31、0.82、0.64,敏感度为70.21%、97.87%、91.49%,特异度为51.16%、34.88%、48.84%。结论 双能CT对甲状腺癌转移性淋巴结的诊断具有重要价值。

不同混合权重深度学习重建算法对低剂量CT扫描肺结节定量分析准确性的影响

目的探讨深度学习重建算法对模拟肺结节定量分析准确性及图像质量的影响。方法使用GE Revolution CT对内置9枚模拟结节的仿真胸部体模进行低剂量CT扫描。采用滤波反投影法(Filtered Back Projection,FBP)及不同混合权重的深度学习图像重建(Deep Learning Image Reconstruction,DLIR)和自适应统计迭代重建(Adaptive Statistical Iterative Reconstruction-Veo,ASiR-V)算法对图像进行重建。利用人工智能辅助诊断软件对所有图像进行自动测量,与手动测量结果进行对比,并计算信噪比(Signal to Noise Ratio,SNR)及对比噪声比(Contrast to Noise Ratio,CNR)。结果不同混合权重、不同算法均不影响肺结节的手动测量结果(P>0.05),但DLIR的使用可能影响肺结节大小的自动测量结果(P=0.01);此外,DLIR算法计算的SNR、CNR最高,且DLIR-H拥有最好的图像质量(P<0.05)。结论与ASiR-V和FBP算法相比,DLIR可以显著改善图像质量;且DLIR的混合权重越高,图像质量改善越明显,测量方式不同不会影响这一结果。

合成MRI对乳腺良恶性病变鉴别诊断的价值

目的:探讨合成MRI技术在乳腺良恶性病变鉴别诊断中的价值。方法:回顾性分析2019年5月至2020年4月在西安交通大学第二附属医院就诊并经病理证实的93例乳腺病变患者的临床及影像资料。所有患者均接受合成MRI技术检查,并测量其定量参数值T 1、T 2、质子密度(PD)值。采用独立样本t检验和Wilcoxon秩和检验比较乳腺良恶性病变患者临床及影像特征的差异,采用ROC曲线比较定量参数值对乳腺良恶性病变鉴别诊断的效能。结果:93例乳腺病变患者中恶性62例、良性31例。良恶性病变的T 2值[分别为103(93,126)ms、83(77,90)ms]和PD值[分别为87.7(72.7,96.7)pu(pu为单位体素内氢质子密度)、73.5(63.3,79.4)pu]差异具有统计学意义(P<0.05)。以T 2值=90.5 ms、PD值=84.8 pu为界值,鉴别乳腺良恶性病变的ROC曲线下面积分别为0.87、0.75,准确度分别为80.6%、78.5%,特异度分别为87.1%、54.8%,灵敏度分别为77.4%、90.3%。结论:合成MRI技术能够应用于乳腺病变的检查,且有望成为鉴别乳腺良恶性病变的有效辅助诊断方法。