AI深度学习对早期肺腺癌不同病理类型的精准识别

目的 探讨人工智能(AI)深度学习对早期肺腺癌的不同病理类型诊断效能,分析AI深度学习对不同病理类型应用价值。方法 选取经手术病理证实为早期肺腺癌患者90例的CT图像,按照病理类型分为原位腺癌组、微小浸润性腺癌组、浸润性腺癌组,每组30例,并按照2:1的比例随机分为训练组(n=60例)与验证组(n=30例),利用联影AI科研平台半自动分割靶病灶并提取影像组学特征,利用验证组的数据测试训练深度学习模型,分析病灶CT形态特征,计算病灶CT定量参数,并对肺腺癌的病理类型进行预测评分,分析诊断效能。结果 三组在性别、年龄、结节位置、结节大小、结节体积、结节质量、最小CT值、空泡征等比较,差异无统计学意义(P>0.05);在结节密度、长径、短径、体积、AI预测得分、最大CT值、平均CT值、分叶征、血管集束征、毛刺征、胸膜凹陷征结果比较,差异有统计学意义(P<0.05)。浸润性腺癌的长径、短径、直径高于原位腺癌组和微小浸润性腺癌组;浸润性腺癌组的AI预测得分、最大CT值、平均CT值高于原位腺癌组和微小浸润性腺癌组;浸润性腺癌组在分叶征、血管集束征、毛刺征、胸膜凹陷征的比例高于原位腺癌组和微小浸润性腺癌组。结论 基于AI学习在诊断肺腺癌不同病理类型中具有较高的诊断价值,能够精准识别不同的病理类型,具有较高的可重复性和操作性。

磁共振弥散加权成像在肝脏肿瘤性疾病中的应用进展

磁共振弥散加权成像(DWI)主要是通过检测组织的水分子自由扩散运动来反映人体组织的实际情况,检测出的水分子扩散运动系数被称为扩散表观系数(ADC)。目前,DWI已经被广泛应用于临床的神经系统疾病诊断中。随着DWI技术的快速发展,现如今DWI也逐渐被应用于肝脏肿瘤的疾病诊断中,尤其在肝细胞癌的鉴别诊断上,准确率较高。有医学研究表明,DWI和磁共振成像(MRI)联合诊断的准确率较高,但DWI在临床疾病的诊断仍有较多不足。因此,文章就DWI的成,像原理和测定、在肝脏肿瘤性疾病中的临床诊断、不足做综述。

磁共振成像在乳腺癌腋窝前哨淋巴结转移中的诊断价值

目的:分析磁共振成像在乳腺癌腋窝前哨淋巴结转移中的诊断价值。方法:选取桂林市人民医院2019年7月—12月收治的经手术病例确诊的乳腺癌患者20例作为样本,所有患者均接受磁共振呈现扫描检查,对非转移、转移淋巴结的情况进行观察。结果:淋巴结转移组数目、长径、短径、最大截面积、淋巴结长短径比值、淋巴结ADC值、肿瘤ADC值、原发肿瘤最大径均显著大于淋巴结非转移组,淋巴结形态规则率、淋巴门存在率、周围脂肪间隙清晰率均显著低于淋巴结费转移组,DWI高信号率、强化程度明显率均显著低于淋巴结非转移组(P<0.05)。结论:磁共振成像扫描技术可为临床诊断乳腺癌腋窝前哨淋巴结转移病情提供参照,具有较高临床价值。