基于PET代谢参数构建孤立性肺良恶性病变预测模型

目的基于PET代谢参数构建预测模型,探讨其鉴别诊断孤立性肺良恶性病变的价值。方法回顾性分析接受^(18)F-FDG PET/CT检查的135例孤立性肺病变患者,测量病灶代谢参数,包括肿瘤代谢体积(MTV)、最大标准化摄取值(SUV_(max))、标准化摄取值峰值(SUV_(peak))、平均标准化摄取值(SUV_(mean))和标准化糖酵解总量(SUV_(tlg)),以及瘦体质量SUV(SUL),包括SUL_(max)、SUL_(peak)、SUL_(mean)和SUL_(tlg)。利用支持向量机(SVM)对PET代谢参数构建模型,以赤池信息准则筛选最优化模型。绘制ROC曲线,评价模型对肺良恶性病变的诊断价值,以置换检验进行内部验证。结果最终获得2个最优化模型(AIC值均为-232.92),分别称为Mgroup A(纳入参数为MTV、SUV_(peak)和SUV_(tlg))和Mgroup B(纳入参数为MTV、SUV_(peak)和SUL_(tlg))。Mgroup A模型诊断肺良恶性病变的AUC为0.865(P=0.021),灵敏度82.72%,特异度83.33%,准确率82.96%;Mgroup B模型的AUC为0.863(P=0.030),灵敏度82.72%,特异度83.33%,准确率82.96%;2个模型间AUC差异无统计学意义(P=0.294)。置换检验提示模型均稳定可靠。结论基于PET代谢参数构建SVM模型对肺孤立性良恶性病变具有较好的鉴别诊断效能,但脂肪校正不能提高代谢参数的诊断效能。

乳腺癌^(18)F-FES雌激素受体PET技术和应用标准

约2/3的乳腺癌患者病灶为雌激素受体(estrogen receptor,ER)阳性。在活体内无创检测ER,并对其生物活性进行动态监测对作出个体化治疗决策至关重要。国内已有系列临床前和临床研究提示16α-^(18)F-17β-氟雌二醇(16α-^(18)F-17β-fluoroestradiol,^(18)F-FES)正电子发射体层成像(positron emission tomography,PET)可用于ER表达分析,但尚缺乏相应技术规范。本技术标准由国内开展^(18)F-FES PET研究与应用的专家共同执笔,参考自身经验及国内外该领域研究进展后共同商议制定。本技术标准介绍了^(18)F-FES的合成方法和质量控制要求,给出其临床应用场景的推荐,并进行分级。此外,从显像前准备、显像流程、图像分析(正常生物分布、ER阳性和阴性的判定、病灶部位、影响因素、假阴性和假阳性、报告书写)等全流程系统、详尽给出了专家建议,指出了该显像技术的局限性,并对未来应用前景予以展望。该技术标准的制定旨在推动^(18)F-FES PET技术在国内的规范化应用,实现报告解读一致、结果互认、指标可比,为乳腺癌精准诊疗提供重要的分子影像技术支撑。

融合全局与局部特征网络的指静脉识别算法

手指平移、轴旋转等特殊姿态变化时,指静脉识别算法的识别率并不高,为此,提出一种融合全局与局部特征网络的指静脉识别算法。首先,根据特殊姿态指静脉图像全局静脉信息差异较大而局部显著静脉信息相似度较高的特点,通过多分支网络结构学习不同粒度下的全局特征与局部特征并进行融合识别,提高了指静脉特征对手指放置姿态变化的鲁棒性;其次,使用CurricularFace损失以及交叉熵损失对网络进行联合监督,扩大指静脉特征类间差,缩小类内差,并引入在线困难样本挖掘机制,使得网络重点训练手指姿态变化较大的样本,进一步提高了算法在手指出现平移、轴旋转等姿态变化时的识别率;最后,采用Mish激活函数作为激活层,提高了网络提取指静脉特征的能力。分别在FV-USM数据集、FV-Normal数据集、FV-Special数据集上进行仿真实验,结果表明,相比于指静脉改进残差网络算法,提出算法的零误识识别率分别提高了11.33%,8.11%,22.57%,Top1排序分别提升了4.00%,4.96%,12.23%。

基于E-DCN-Cascade RCNN的牛群目标检测算法

提出一种基于可变形膨胀卷积级联网络的牛群目标检测算法。首先,采用可变形膨胀卷积网络(Expand-Deformable Convolutional Networks,E-DCN)提取牛身纹理特征,并使卷积区域始终覆盖在牛身周围,提高了牛身与牛舍背景的区分度;然后,结合E-DCN和特征金字塔网络(Feature Pyramid Network,FPN),对各层特征信息进行深度融合,增强了遮挡牛身的纹路特征,得到各层牛身特征图,解决了因牛身相互遮挡导致的漏检问题。实验结果表明,交并比(Intersection Over Union,IOU)阈值为0.75时,提出算法的平均精确度达到91.6%,比Cascade RCNN算法提高了4.2%。

基于多语义融合与ArcFace损失的指静脉识别算法

指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征。为此,提出一种基于多语义特征融合网络与ArcFace损失的指静脉识别算法。首先,充分利用神经网络低层提取的指静脉轮廓角点等细节特征和纹理形状等结构信息,提出跨层拼接的特征融合机制,解决仅利用指静脉高级特征识别而忽视静脉低级特征的问题;其次,残差单元采用双层卷积结构,增加了相邻残差单元特征图的距离,消除了指静脉各级语义特征重叠现象,并采用阶跃式残差单元分布来提升网络高低层残差单元数量的差异,进一步加大了指静脉各级特征的距离;最后,在损失函数中加入ArcFace损失项,在角度域聚敛类内距离,分离类间距离,减小指静脉特征向量的类内距离。在公开数据集FV-USM、实验室采集的正常图像库及特殊图像库上进行性能分析实验,结果表明,和指静脉识别经典网络相比,提出算法的零误识拒识率分别降低了8.89%,6.89%和14.68%,Top1排序性能分别提升了2.85%,5.10%和9.07%。

放射性核素标记心肌肌球蛋白重链单抗检测心肌损伤的实验研究

为探讨急性心肌梗塞病灶心肌细胞损伤程度，采用放射性核素标记心肌肌球蛋白重链（CMHC）单克隆抗体（McAb）进行了实验性心肌损伤大鼠和心梗模型犬的研究。125I－CMHCMcAb注射大鼠后4h，标记抗体即已进入坏死心肌靶组织，8h达最高值。实验组心肌／对照组心肌比值为2．86。99mTC-CMHCMcAb犬显像，实验组中有3只于6h心肌梗塞灶显影清晰，4只于8h显影清晰,阳性检出率为70％。动物实验提示；大鼠损伤心肌对CMHCMcAb的结合力高于正常心肌，心梗模型犬CMHCMcAb放免显像阳性检出率高，可为临床急性心肌损伤检测提供可靠的定位诊断依据。

Q.Flex技术提高肺结节PET/CT图像质量和定量准确性的临床研究

目的对比肺结节五维(5D)全息Q.Flex和常规三维(3D)PET/CT图像质量和代谢参数的差异,评估其临床实用价值。方法回顾性收集2022年6月至2022年8月间于天津市肿瘤医院空港医院因可疑肺小结节而行PET/CT显像的54例患者[男30例,女24例;年龄60(42,75)岁;共78个^(18)F-FDG高代谢实性肺结节(最大径≤3 cm)]的资料。所有患者接受5D PET扫描及3D、5D图像重建。比较5D和3D组间PET图像质量主观评分和信噪比(SNR),同时对比2组肺结节的定量参数:SUV_(max)、SUV_(mean)和肿瘤代谢体积(MTV)。组间差异采用χ^(2)检验、Wilcoxon符号秩检验比较,相关性分析采用Spearman秩相关分析。结果5D组图像质量视觉评估≥4分的百分比和肺结节SNR明显高于3D组,分别为45%(35/78)和28%(22/78)(χ^(2)=4.67,P=0.031)、37.46(18.42,62.00)和32.72(16.97,54.76)(z=-4.07,P<0.001);2组间SNR、SUV_(max)、SUV_(mean)和MTV呈明显正相关(rs值:0.86、0.86、0.85和0.95,均P<0.001);5D组SUV_(max)和SUV_(mean)均明显高于3D组,分别为9.71(5.48,13.82)和8.96(4.82,12.63)(z=-3.05,P<0.001)、6.30(3.39,8.94)和5.61(2.99,7.63)(z=-4.07,P<0.001);而5D组MTV明显低于3D组,分别为1.72(0.66,2.74)cm^(3)和1.98(1.06,4.63)cm^(3)(z=-7.13,P<0.001)。肺下野及最大径>10 mm且≤20 mm的结节的5D定量参数较3D参数变化最明显(z值:-5.23~-2.48,均P<0.05)。结论Q.Flex 5D PET明显改善肺结节SUV和代谢体积的定量准确度,且图像质量清晰,不增加辐射剂量,具有临床实用价值。

18F-FDG PET/CT在非小细胞肺癌EGFR突变状态预测中的应用价值

肺癌是目前世界范围内发病率及死亡率均较高的恶性肿瘤,其中非小细胞肺癌(NSCLC)占大多数。近年来,表皮生长因子受体(EGFR)-酪氨酸激酶抑制剂(TKI)的出现为NSCLC患者提供了新的治疗方案。EGFR-TKI疗效与EGFR突变状态密切相关,但目前基因突变的检测方法具有一定局限性。18F-脱氧葡萄糖(FDG) PET/CT作为无创性检查方式,在EGFR基因突变状态检测方面表现出一定的潜力。笔者就近年来PET/CT在EGFR基因突变状态预测方面的研究进展作一综述。