前列腺影像报告和数据系统2.1版联合前列腺特异性抗原密度对特异性抗原灰区前列腺临床显著癌的诊断价值

目的基于双中心数据,探讨前列腺影像报告和数据系统2.1版(PI-RADS v2.1)联合前列腺特异性抗原密度(PSAD)在前列腺特异性抗原(PSA)灰区(4~10 ng/ml)患者中对临床显著性前列腺癌(csPCa)的诊断价值。资料与方法回顾性分析2017年1月—2022年5月解放军总医院第一医学中心(中心一)和解放军总医院第六医学中心(中心二)行多参数磁共振成像且具备病理结果的PSA灰区前列腺疾病患者的临床及影像资料。将中心一患者作为训练组(220例),中心二患者作为测试组(50例)。训练组应用Logistic回归确定csPCa的独立预测因素,并分析多参数组合对csPCa的诊断效能,在测试组进行验证。结果训练组csPCa和非csPCa组前列腺体积、PSAD、PI-RADS v2.1评分差异有统计学意义(Z=-6.468、6.589、75.676,P均<0.001);Logistic回归分析显示PI-RADS v2.1评分和PSAD是csPCa的独立危险因素(P均<0.001)。训练组和测试组PI-RADS v2.1+PSAD组成的Logistic回归模型预测PSA灰区csPCa的曲线下面积为0.860(95%CI 0.808~0.903)、0.906(95%CI 0.790~0.970);Logistic回归模型的曲线下面积高于PI-RADS v2.1和PSAD,差异有统计学意义(P均<0.05)。当PI-RADS v2.1评分为低或中危组且PSAD<0.15 ng/ml^(2)时,训练组和测试组的csPCa检出率较低。结论PI-RADS v2.1评分和PSAD是预测PSA灰区csPCa的独立危险因素,两者联合应用对PSA灰区csPCa的诊断效能优于两者单独应用,有助于临床活检决策。

mpMRI、TRUS及二者联合检查在前列腺恶性肿瘤诊断的应用价值初步分析

目的:探讨在前列腺恶性肿瘤患者中经直肠超声(TRUS)、多参数磁共振(mpMRI)检查及二者联合检查对其进行诊断的应用价值。方法:回顾性分析2016年10月~2023年6月在青岛大学附属医院收治疑似为前列腺恶性肿瘤的患者143例,以手术或穿刺活检获得的病理结果作为诊断金标准,分析和对比TRUS、MRI及联合检查方法对前列腺恶性肿诊断的准确率以及灵敏度、特异度,初步评估检查方法诊断前列腺恶性肿瘤的应用价值。结果:MRI、TRUS检查分别对比联合检查方法统计学具有差异性(P < 0.05)。MRI作为单一检查方法,符合诊断105例,假阳性患者12例,假阴性患者26例,诊断准确率为73.4%,灵敏度为72.9%,特异性为74.4%,AUC为0.74。TRUS作为单一检查方法,符合诊断100例,假阳性患者11例,假阴性患者32例,诊断准确率为69.9%,灵敏度为68.8%,特异性为76.6%,AUC为0.72。联合检查方法,符合诊断117例,假阳性患者12例,假阴性患者14例,诊断诊断准确率为81.8%,灵敏度为85.4%,特异性为74.4%,AUC为0.80。MRI、TRUS及联合检查AUC值差异具有显著性(P < 0.05)。结论:TRUS、mpMRI及二者联合检查都可用于前列腺恶性肿瘤的诊断,联合检查则综合利用了两者的优势,可提高诊断准确性。

基于ADC图和T_(2)WI脂肪抑制像影像组学模型对临床显著性前列腺癌的诊断价值比较

目的:通过提取前列腺不同病理Gleason评分患者的MR ADC图和T_(2)WI-SPAIR图像的影像组学特征,构建影像组学模型,比较其对临床显著性前列腺癌的诊断效能。方法:通过提取天水市第一人民医院2021年1月—2023年10月收治的93例前列腺癌患者(其中csPCa 66例,ciPCa 27例)MR ADC图和T_(2)WI-SPAIR图像中病灶影像纹理等组学特征,进行降维筛选,分别筛选出7个和9个最佳非零系数特征,运用机器学习支持向量机(SVM)分别构建ADC图和T_(2)WI-SPAIR诊断临床显著性前列腺癌的影像组学模型,并对其诊断效能进行比较。结果:两种模型训练组和测试组的AUC值分别为0.882、0.888和0.881、0.694,特异度分别为80.4%、84.8%和85.0%、65.0%;灵敏度分别为89.5%、89.5%、87.5%、75.0%。结论:基于ADC图和T_(2)WI-SPAIR影像组学模型,对临床显著性前列腺癌诊断效能而言,ADC图较T_(2)WI-SPAIR更趋于稳定,但两者诊断临床显著性前列腺癌的精确度差别小。

基于磁共振第2.1版前列腺影像报告和数据系统评分联合游离PSA/总PSA在前列腺癌早期诊断中的价值

目的 探究基于磁共振第2.1版前列腺影像报告和数据系统(PI-RADS V2.1)评分联合游离前列腺特异性抗原(PSA)/总PSA在前列腺癌早期诊断中的价值。方法 筛选2018年6月至2022年6月江苏省南通市第二人民医院收诊的82例早期前列腺癌患者为癌变组;另选取同期收诊的82例良性前列腺增生症患者为良性组。收集两组血清PSA检测结果、磁共振扫描结果等,分析早期前列腺癌发生的影响因素;评估游离PSA/总PSA和PI-RADS V2.1评分对早期前列腺癌的诊断效能。结果 癌变组总PSA水平高于良性组,游离PSA/总PSA低于良性组(P<0.05)。癌变组移行带PI-RADS V2.1评分高于良性组(P<0.05)。总PSA、游离PSA/总PSA、移行带PI-RADS V2.1评分是早期前列腺癌发生的影响因素(P<0.05)。游离PSA/总PSA、移行带PI-RADS V2.1评分联合诊断早期前列腺癌的曲线下面积高于各指标单独检测。结论 游离PSA/总PSA、PI-RADS V2.1可用于辅助诊断早期前列腺癌,且诊断效能良好。

基于不同扩散模型参数图的影像组学分析磁共振早期诊断临床显著性前列腺癌的价值

目的旨在探讨基于磁共振单指数和扩散峰度模型功能参数图的影像组学分析早期诊断临床显著性前列腺癌(clinically significant prostate cancer,csPCa)的价值。材料与方法回顾性地分析2022年4月至2023年7月就诊于马鞍山市人民医院的前列腺疾患病例238例,经超声下引导穿刺或手术病理证实,其中csPCa 96例、非临床显著性前列腺癌(non-clinically significant prostate cancer,ncsPca)142例,年龄56~84(62.34±7.62)岁。将238例患者按照7∶3的比例进行随机分组为训练集和测试集。所有患者均行MRI多参数扫描,通过后处理生成表观扩散系数(apparent diffusion coefficient,ADC)伪彩图,并得到扩散峰度模型中的平均扩散峰度(mean kurtosis,MK)和平均扩散系数(mean diffusivty,MD)伪彩图,图像预处理后,提取各个功能参数图的共计1056个组学特征,对ADC、MD和MK模型的数据采用最大相关最小冗余(maximum relevance minimum redundancy,MRMR)算法和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)消除冗余、进行特征降维,保留与标签高相关的特征,应用10倍交叉验证后得到特征子集。最终ADC模型筛选出5个组学特征,MD模型筛选出6个组学特征,MK模型筛选出6个组学特征,建立逻辑回归模型,分别计算临床模型、影像学模型和临床-影像学联合模型的阈值、准确度、敏感度、特异度,绘制受试者工作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under the curve,AUC)及95%置信区间(confidence interval,CI),利用DeLong检验对各个模型进行两两组合,比较两组间的AUC值是否具有统计学意义,进一步使用决策曲线分析(decision curve analysis,DCA)评估模型的净获益。结果临床模型在训练集中的AUC、特异度和敏感度分别为0.840(95%CI:0.778~0.901)、78.7%、76.8%,在测试集中分别为0.675(95%CI:0.539~0.812)、79.0%、59.2%。影像学模型中ADC模型在训练集中的AUC、特异度和敏感度分别为0.927(95%CI:0.890~0.964)、81.9%、86.9%,在测试集中分别为0.909(95%CI:0.835-0.983)、90.6%、84.1%;MD模型在训练集中的AUC、特异度和敏感度分别为0.934(95%CI:0.899~0.969)、85.1%、84.0%,在测试集中分别为0.960(95%CI:0.910~1.000)、93.0%、85.1%;MK模型在训练集中的AUC、特异度和敏感度分别为0.935(95%CI:0.900~0.971)、90.4%、84.0%,在测试集中分别为0.856(95%CI:0.770~0.941)、81.3%、66.6%。临床-影像学联合模型在训练集中的AUC、特异度和敏感度分别为0.946(95%CI:0.912~0.980)、88.2%、89.8%,在测试集中分别为0.963(95%CI:0.925~1.000)、93.0%、85.1%。DeLong检验结果显示影像学模型和临床-影像学联合模型两两比较差异均无统计学意义(P>0.05),临床模型与其他两个模型的AUC值差异具有统计学意义(Z=2.836,P=0.004)。DCA显示各个模型的阈值概率在0.1~1.0范围内,对临床有净获益,不同模型对csPCa的诊断均具有较高的诊断效能,以临床-影像学联合模型的诊断效能最高。结论MRI单指数、扩散峰度模型功能参数图的影像组学分析技术是csPCa的有效检出方法,构建的临床-影像学联合模型对csPCa具有较高的诊断价值,能够为临床早期诊断和治疗提供相关技术支持。

磁共振扩散加权成像鉴别诊断前列腺良恶性增生的效能及影像特点分析

目的:探讨磁共振扩散加权成像(DWI)对前列腺良恶性增生的鉴别诊断效能和影像特点。方法:回顾性分析2021年3月至2023年3月于本院行前列腺常规MRI检查和DWI检查患者126例,分析前列腺良恶性增生患者DWI影像特点,比较常规MRI检查、DWI检查对前列腺良恶性增生诊断情况及诊断效能。以前列腺良、恶性病理检查结果为依据将患者分为恶性组、良性组,比较两组患者DWI的ADC值,受试者工作特征(ROC)曲线分析ADC值对前列腺恶性增生的诊断价值。结果:经前列腺组织病理确诊前列腺恶性病变(前列腺癌)89例(70.63%),前列腺良性病变(前列腺炎性增生结节)37例(29.37%)。当扩散敏感因子(b)值分别为0s/mm 2、1000s/mm 2、2000s/mm 2时,前列腺良性增生患者列腺中央腺体表现为等、稍高、高信号,ADC图出现稍低信号;而前列腺恶性增生患者前列腺右侧中央腺体及移行区表现为稍低、高、亮信号,ADC图出现明显低信号。常规MRI检出列腺恶性增生104例、前列腺良性增生22例,其中准确率为84.92%、阳性预测值为83.65%、阴性预测值为90.91%,灵敏度、特异度分别为97.75%、54.05%,kappa值为0.588;DWI检查前列腺恶性增生94例、前列腺良性增生32例,其中准确率为91.27%、阳性预测值为91.49%、阴性预测值为90.63%,灵敏度、特异度分别为96.63%、78.38%,kappa值为0.781。恶性组患者的ADC值为(0.91±0.28)×10^(-3)mm^(2)/s,明显低于良性组患者的ADC值(1.59±0.33)×10^(-3)mm^(2)/s(t=11.769,P<0.001)。ADC值对前列腺恶性增生诊断的曲线下面积为0.895(95%CI:0.836~0.954),最佳临界值为1.20610^(-3 )mm ^(2)/s,灵敏度为86.52%,特异度为78.38%。结论:前列腺恶性增生组织DWI信号强度较前列腺良性增生显著增强,但ADC图信号明显降低,DWI检查对前列腺恶性增生诊断与病理诊断的一致性较强,ADC值对前列腺恶性增生表现出良好的诊断价值。

合成磁共振影像组学模型对前列腺良恶性病变的鉴别诊断价值

目的:探讨基于合成磁共振(SyMRI)的影像组学模型对前列腺良恶性病变的鉴别诊断价值。方法:回顾性分析本院2020年11月~2022年10月经病理证实的213例患者的影像资料及临床资料,其中良性108例,恶性105例。患者均行常规MRI和多动态多回波(MDME)序列扫描。采用随机抽样方法将患者按7:3的比例分成训练组与验证组。利用Python 3.7.1对患者的影像资料进行特征采集,采用T检验/Mann-Whitney U检验、mRMR、LASSO算法及Spearman相关分析筛选影像组学特征,使用逻辑回归(LR)、支持向量机(SVM)和随机森林(RF)构建T1、T2、PD及多序列定量图的影像组学模型。通过受试者工作特征曲线(ROC)对模型的诊断效能进行验证。结果:在不同定量图的影像组学模型中,多序列联合模型的效能最好,LR、RF及SVM的ROC曲线下面积(AUC)训练组分别为0.859、0.905、0.852,验证组分别为0.850、0.889、0.847,其中RF模型的AUC值最高。结论:合成磁共振影像组学模型对前列腺良恶性病变有较高的鉴别诊断效能,其中多序列联合模型的诊断效能最好。

基于多参数MRI影像组学评估前列腺癌侵袭性

目的 探讨多参数MRI上不同感兴趣区的影像组学模型和结合影像组学、PI-RADS 2.1评分、临床变量的综合模型在评估前列腺癌侵袭性方面的价值。方法 收集本院2018年5月至2022年9月2个医疗中心经病理确诊为前列腺癌患者245例:渝中院区176例,其中低侵袭性组[Gleason评分≤7(3+4)]77例,高侵袭性组[Gleason评分≥7(4+3)]99例;江南院区69例(低侵袭性组33例,高侵袭性组36例)。所有患者行多参数MRI检查后,在多参数MRI图像上分割2种ROI:肿瘤病变区域(tumor region, TR)和前列腺区域(prostate gland, PG)。评估与前列腺癌侵袭性相关的临床变量,并记录每位患者的PI-RADS 2.1评分。使用逻辑回归算法作为机器学习算法,建立多个前列腺癌侵袭性分层模型:影像组学模型(ModelTR、ModelPG、ModelPG+TR)、影像组学-临床联合模型、影像组学-PIRADS联合模型、临床-PIRADS联合模型和影像组学-临床-PIRADS综合模型。分别采用受试者工作特性(ROC)曲线、曲线下面积(AUC)和决策曲线分析(DCA)比较各模型的诊断价值和临床收益。结合影像组学评分、独立临床变量和PI-RADS2.1评分构建影像组学列线图。通过校准度、区分度和临床应用评价列线图性能。结果 在3种影像组学模型中,ModelPG+TR的AUC值为0.919,高于ModelTR(AUC=0.874)和ModelPG(AUC=0.887)。在联合模型中,影像组学-PIRADS-临床综合模型的AUC为0.954,优于影像组学模型(AUC=0.919)、影像组学-临床联合模型(AUC=0.919)、影像组学-PIRADS联合模型(AUC=0.921)和临床-PIRADS联合模型(AUC=0.769)。列线图在评估前列腺癌侵袭性方面显示出良好的风险分层性能(AUC=0.919)和校准效能。决策曲线分析显示,影像组学模型ModelPG+TR和影像组学-临床-PIRADS综合模型获得了较高的临床净收益。结论 结合前列腺和肿瘤区域特征的影像组学模型可准确评估前列腺癌的侵袭性;结合影像组学、PI-RADS 2.1评分和临床变量的综合模型能进一步提高对前列腺癌侵袭性的评估性能。

乳腺恶性肿瘤的影像诊断思维

乳腺肿瘤的影像学检查目的是肿瘤的定位、定性以及肿瘤与周围组织的关系判断,尤其是病灶与邻近乳头、胸肌筋膜、胸大肌、胸壁的距离。本文通过介绍一例乳腺少见恶性肿瘤的影像学特点,重点阐述乳腺恶性肿瘤的影像学检查目的,提高影像医师对乳腺恶性肿瘤的诊断水平。

MRI影像组学和深度学习在前列腺癌中的研究进展

前列腺癌(prostate cancer,Pca)是男性泌尿生殖系统最常见的恶性肿瘤之一,其发病率逐年上升,因此Pca早期诊断、病理分级、风险分层和预后评估对患者诊疗计划的制订至关重要。近年来影像组学和深度学习(deep learning,DL)在Pca的研究中取得了显著进展,为精准医疗的实现提供了重要工具。本文系统综述了这两项技术在Pca图像分割、诊断、格里森分级、包膜外侵犯及转移预测、预后评估以及治疗决策中的应用和潜力,并对现有研究的成果、局限性以及未来的改进措施和发展方向进行总结,以期为Pca患者提供更加精准、个性化的诊疗方案,提高治疗效果和生活质量。

影像组学列线图在卵巢肿瘤诊断中的应用

卵巢肿瘤病理类型繁多,异质性明显。影像学检查为诊断卵巢肿瘤提供了可靠的依据。影像组学在传统影像学技术的基础上,高通量地提取及分析特征,已被用于卵巢肿瘤的诊断、分期、预后分析等方面。列线图模型通过整合多方面的预测因素,量化具体临床事件的风险,被广泛应用于肿瘤学研究。本文就国内外基于影像组学的列线图模型应用于卵巢肿瘤诊断中的研究作一综述,并探讨该技术所面临的挑战及发展前景。

孤立性胸膜肿瘤的影像诊断思维

原发于胸膜的孤立性肿瘤较少见。本文介绍一例起源于胸膜的孤立性纤维性肿瘤,分析其影像学表现,重点阐述影像特征及诊断思路,以提高影像医生的诊断水平。

胸膜恶性肿瘤的影像诊断思维

原发于胸膜的滑膜肉瘤罕见,本文介绍一例起源于胸膜的滑膜肉瘤,分析其影像学表现,重点阐述影像特征及诊断思路,以提高影像医生的诊断水平。

外周血miR-200b-3p和miR-181b-5p联合多层螺旋CT灌注扫描对前列腺增生与前列腺癌的鉴别诊断价值

【目的】探讨多层螺旋CT(MSCT)灌注扫描联合血清微小RNA-200b-3p(miR-200b-3p)、微小RNA-181b-5p(miR-181b-5p)对前列腺增生(BPH)和前列腺癌的鉴别价值。【方法】选取2021年5月至2023年9月本院收治的249例前列腺病变患者,根据病理结果将其分为BPH组(n=144)和前列腺癌组(n=105)。采用Logistic回归分析血清miR-200b-3p、miR-181b-5p及MSCT灌注参数与前列腺癌的关系,绘制受试者工作特征曲线分析MSCT灌注参数联合血清miR-200b-3p、miR-181b-5p对前列腺癌的诊断价值。【结果】前列腺癌组患者血清miR-200b-3p水平高于BPH组,血清miR-181b-5p水平低于BPH组(P<0.05)。前列腺癌组患者相对血流量(rBF)、表面渗透性(PS)显著高于BPH组(P<0.05)。rBF、PS、miR-200b-3p、miR-181b-5p单独及联合诊断前列腺癌的曲线下面积分别为0.780、0.760、0.763、0.801、0.932。Logistic回归分析结果显示:miR-200b-3p>1.23、rBF>50.54 mL/(min·100 g)、PS>28.82 mL/(min·100 g)是影响前列腺癌发生的独立危险因素(P<0.05);miR-181b-5p<0.90是影响前列腺癌发生的保护因素(P<0.05)。【结论】MSCT灌注成像参数联合血清miR-200b-3p、miR-181b-5p检测可为鉴别诊断BPH和前列腺癌提供可靠依据。

p2PSA及前列腺健康指数在前列腺癌诊断中的应用研究

分析前列腺癌诊断中前列腺特异性抗原同源异构体2(p2PSA)及前列腺健康指数(PHI)的应用价值。方法 选取2020年12月~2023年12月收治的50例PCa患者为PCa组,同期选取50例良性前列腺疾病患者为非PCa组,将PCa组患者以Gleason评分为依据分为中分化腺癌组(Gleason≤7分,30例)与低分化/未分化癌组(Gleason>7分,20例)。入组者均于活检前采血测定血清游离前列腺特异性抗原(f-PSA)、总前列腺特异性抗原(t-PSA)及p2PSA水平,并对f-PSA%、PHI及p2PSA%进行计算,对比非PCa组与PCa组f-PSA、t-PSA、f-PSA%、p2PSA、PHI及p2PSA%水平,分析各指标检测对对前列腺癌的诊断价值;并比较不同分化程度患者的f-PSA、t-PSA、f-PSA%、p2PSA、PHI及p2PSA%水平。 结果 PCa组t-PSA、p2PSA、PHI及p2PSA%水平较非PCa组更高,f-PSA%水平较非PCa组更低(P<0.05);中分化腺癌组f-PSA、f-PSA%、t-PSA、p2PSA、PHI及p2PSA%水平较低分化/未分化癌组更低(P<0.05);f-PSA、f-PSA%、t-PSA、p2PSA、PHI及p2PSA%诊断前列腺癌的曲线下面积(AUC)分别为0.58、0.65、0.66、0.77、0.86及0.83,其中PHI的AUC最高,其次是p2PSA%。结论 前列腺癌诊断中p2PSA及PHI的应用价值较高,可有效鉴别前列腺良恶性病变,以指导临床治疗。

基于小视野扩散加权成像的影像组学模型对临床显著性前列腺癌的诊断价值

目的比较基于小视野扩散加权成像(zoomed imaging technique with parallel transmission diffusion weighted imaging,ZOOMit DWI)序列和基于分段读出平面回波(readout segmentation of long variable echo-trains,RESOLVE)DWI序列的影像组学模型对临床显著性前列腺癌(clinically significant prostate cancer,csPCa)的诊断价值。材料与方法回顾性收集168例行术前MRI检查并经病理证实的前列腺疾患资料,其中csPCa患者83例、非csPCa患者85例。按7∶3随机划分训练集(n=117)和测试集(n=51),采用皮尔逊相关系数(pearson correlation coefficient,PCC)分析、ANOVA(analysis of variance)检验筛选影像组学特征,使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法并十折交叉验证进一步筛选特征,使用逻辑回归构建模型。构建基于单一参数的影像组学模型,包括ZOOMit DWI、ZOOMit表观扩散系数(apparent diffusion coefficient,ADC)、RESOLVE DWI和RESOLVE ADC,通过比较后选取诊断效能较优的DWI和ADC联合T2加权成像(T2-weighted imaging,T2WI)建立双参数MRI影像组学模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线分析模型诊断效能,使用DeLong检验比较模型间曲线下面积(area under the curve,AUC)。结果在测试集中,ZOOMit DWI的AUC值高于RESOLVE DWI(0.917 vs.0.851,P=0.022),ZOOMit ADC的AUC值高于RESOLVE ADC(0.948 vs.0.871,P=0.052)。选取ZOOMit DWI和ZOOMit ADC联合T2WI建立双参数MRI影像组学模型,模型在测试集中的AUC值为0.937,明显优于前列腺特异性抗原(prostate specific antigen,PSA)(0.792,P=0.012)。结论基于ZOOMit DWI序列的影像组学模型对csPCa的诊断效能优于基于RESOLVE DWI序列的影像组学模型,联合ZOOMit DWI序列和T2WI序列的双参数MRI影像组学模型对csPCa有较好的诊断价值。

前列腺影像报告和数据系统对经会阴认知融合靶向穿刺诊断前列腺癌的预测价值

目的 探究基于多参数MRI的前列腺影像报告和数据系统(PI-RADS)在经会阴认知融合靶向穿刺诊断前列腺癌的预测价值。资料与方法 回顾性分析2018年10月—2021年9月包头市中心医院疑似前列腺癌并初次接受经会阴前列腺活检的患者93例,穿刺前行多参数MRI并根据影像学特点进行PI-RADS评分。评价PI-RADS评分与总前列腺特异性抗原、Gleason评分的相关性;计算PI-RADS评分的敏感度、特异度等,并绘制受试者工作特征曲线评价其对前列腺癌的诊断价值。结果 不同总前列腺特异性抗原水平分层的PI-RADS评分差异有统计学意义(χ^(2)=24.889,P<0.001),随着PI-RADS分值升高,术后Gleason评分呈逐渐上升趋势(χ^(2)=42.546,P<0.001);二元Logistic回归表明PI-RADS评分是穿刺结果为阳性的重要预测因素(OR=4.425,95%CI 2.531~7.736,P<0.05),受试者工作特征曲线显示PI-RADS评分的曲线下面积为0.860,优于前列腺特异性抗原密度、总前列腺特异性抗原、年龄等因素;PI-RADS评分≥4分为预测前列腺癌的最佳阈值,其诊断敏感度为80.00%,特异度为81.58%。结论 PI-RADS评分系统可以有效预测经会阴认知融合靶向穿刺结果,以PI-RADS≥4分为预测前列腺癌的最佳临界值。

3D-TRUS及弹性成像在前列腺良恶性肿瘤鉴别诊断中的应用研究

目的探讨经直肠三维超声成像(3D-TRUS)、超声弹性成像在前列腺良恶性肿瘤鉴别诊断中的应用价值。方法选取2020年2月-2022年5月秦皇岛市中医医院前列腺恶性肿瘤患者63例为研究组,另选取同期收治的前列腺良性肿瘤患者63例为对照组。所有研究对象均分别接受3D-TRUS及超声弹性成像检查,统计分析3D-TRUS及超声弹性成像对前列腺良恶性肿瘤的检出情况、诊断效能(敏感度、特异度、准确度、阴性预测值、阳性预测值)。结果3D-TRUS检查共检出前列腺癌46例、前列腺良性肿瘤61例,超声弹性成像检查共检出前列腺癌45例、前列腺良性肿瘤61例,联合诊断共检出前列腺癌61例、前列腺良性肿瘤60例;联合诊断敏感度(96.83%)、准确度(96.03%)、阴性预测值(96.77%)高于3D-TRUS(73.02%、84.92%、78.21%)、超声弹性成像(71.43%、84.13%、77.22%),差异有统计学意义(P<0.05);联合诊断特异度(95.24%)、阳性预测值(95.31%)与3D-TRUS(96.83%、95.83%)、超声弹性成像(96.83%、95.74%)比较,差异无统计学意义(P>0.05)。结论3D-TRUS及弹性成像在前列腺良恶性肿瘤鉴别诊断中均具有一定价值,联合两者实施综合诊断可提升准确度及敏感度、阴性预测值,能最大程度降低漏诊、误诊风险,确保患者及早得到有效救治。

基于MRI的影像组学对中央腺体前列腺癌和前列腺增生结节鉴别诊断价值分析

目的:探究基于MRI的影像组学对中央腺体前列腺癌和前列腺增生结节鉴别诊断价值分析。方法:选取清远市清城区人民医院2019年12月—2022年8月纳入的62例中央腺体前列腺癌和前列腺增生结节患者,中央腺体前列腺癌患者有16例,前列腺增生结节患者有46例,且所有患者均经临床病理检查证实。对所有患者的原始图像进行系统显示分析,并由科室经验丰富的3名阅片医生对上述图像进行阅览,并结合临床病理检查相关结果将患者的病灶最大层面的图像以及具体范围确认下来。随后由其中1名医生将图像描绘出来,另外2名医生对构绘的图像进一步确认协商。并将数据分为验证组和训练组,其中T2WI中验证组有22例,训练组有40例;DWI中验证组有22例,训练组有40例。结果:此次研究在T2WI、DWI两个序列上共计筛查出最佳特征8个。T2WI序列的预测模型在训练组中的AUC、灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为0.86、90.00%、81.00%、87.00%、87.00%、87.00%;验证组的上述指标分别为0.87、68.00%、100.00%、81.00%、100.00%、68.00%。DWI序列的预测模型在训练组中的AUC、灵敏度、特异度、准确率、阳性预测值、阴性预测值分别为0.98、96.00%、100.00%、96.00%、100.00%、94.00%;验证组的上述指标分别为0.98、90.00%、100.00%、94.00%、100.00%、87.00%。结论:基于MRI的影像组学对中央腺体前列腺癌和前列腺增生结节的预测具有一定的价值,可有效提高临床中央腺体前列腺癌和前列腺增生结节的诊断率,为医生的后续治疗提供可靠的理论依据。