能谱CT影像组学对胃癌患者术前病理分级的诊断价值分析

目的 分析能谱CT影像组学对胃癌患者术前病理分级的诊断价值。方法 80例胃癌患者入院后均行常规CT平扫与能谱CT增强扫描,比较二者的检查结果以及诊断价值。结果 80例胃癌患者经手术病理检查明确低分化者53例,高分化者27例。Kappa检验显示,CT平扫与手术病理的术前病理分级结果具有一般的一致性(Kappa值=0.677,P <0.05),而能谱CT与手术病理具有较高的一致性(Kappa值=0.911,P <0.05)。能谱CT诊断胃癌患者术前病理分级的灵敏度、特异度与准确度均高于CT平扫(P <0.05)。结论 与CT平扫相比,能谱CT在胃癌患者术前病理分级诊断中的准确性更高。

能谱CT影像组学对胃癌患者术前病理分级的诊断研究

旨在探讨能谱CT影像组学在胃癌患者术前病理分级中的诊断价值,通过比较能谱CT与传统CT平扫的性能,特别关注两者在诊断灵敏度、特异度及准确度方面的表现。方法 研究样本包括2022年1月至2022年12月期间我院收治的80例胃癌患者,其中经手术病理检查明确的低分化肿瘤53例,高分化肿瘤27例。所有患者均接受了常规CT平扫与能谱CT增强扫描,采用64排螺旋CT设备,扫描参数精心设定以确保最优图像质量。结果 通过Kappa检验评估两种检查方式与手术病理结果的一致性,发现能谱CT在胃癌术前病理分级的一致性明显高于CT平扫(Kappa值分别为0.911和0.677,P<0.05)。进一步分析比较两种检查方式的诊断价值,结果显示能谱CT在诊断胃癌患者术前病理分级的灵敏度、特异度及准确度上均显著高于CT平扫(P<0.05)。能谱CT的诊断灵敏度为96.30%,特异度为96.23%,准确度为96.25%,而CT平扫在这三个指标上的表现分别为74.07%,75.47%和75.00%。这一结果不仅证明了能谱CT在胃癌病理分级诊断中的高效性和准确性,也强调了其在临床应用中的重要价值。结论 本研究表明能谱CT影像组学在胃癌术前病理分级的诊断中具有显著的优势,能提供更为精确的诊断信息,对临床制定治疗方案及改善患者预后具有重要意义。未来研究可进一步探索能谱CT在其他类型肿瘤诊断及分级中的应用潜力。

128层CT全脑灌注成像在脑胶质瘤术前分级中的应用价值研究

目的探讨128层CT全脑灌注成像在脑胶质瘤术前分级中的应用价值。方法根据病理检查结果将32例脑胶质瘤患者分为低级别组（Ⅰ~Ⅱ级）21例和高级别组（Ⅲ~Ⅳ级）11例,分别行CT灌注扫描,测量病灶区域和对侧正常脑组织区域的脑血流量（CBF）、脑血容量（CBV）及相对脑血流量（r CBF）、相对脑血容量（r CBV）。结果病灶区域CBF、CBV值明显高于对侧正常区域（P〈0.05）;高级别组病灶区CBF、CBV、r CBF、r CBV均明显高于低级别组（P〈0.05）;低级别组和高级别组正常区域CBF、CBV值比较,差异无统计学意义（P〉0.05）;低级别组CBF、CBV离散程度较高级别组大。结论 128层CT灌注成像在胶质瘤术前分级中有较高的临床应用价值。

磁共振成像定量影像学特征用于脑胶质瘤术前分级诊断的价值研究

目的:探讨磁共振成像(MRI)定量影像学特征用于脑胶质瘤术前分级诊断的价值。方法:回顾性分析医院收治的64例经手术病理证实的脑胶质瘤患者资料,按照世界卫生组织(WHO)中枢神经系统肿瘤分级标准,将Ⅰ~Ⅱ级患者分为低级别组(27例),Ⅲ~Ⅳ级患者分为高级别组(37例)。两组均行常规MRI平扫及动态增强MRI(DCE-MRI)定量分析,观察其影像学特征。采用容积转移常数(K^trans)计算系统,获取颅内占位性病变实质区及脑胶质瘤周围水肿区的K^trans值、速率常数(Kep)和血管外细胞外间隙容积比(Ve)图。对比两组K^trans、Kep和Ve值,经受试者工作特征(ROC)曲线处理,分析DCE-MRI定量参数对胶质瘤术前分级的预测价值。结果:脑胶质瘤MRI影像学特征中病理分级Ⅰ级边界清楚,T1WI及T2WI分别呈低、高较均匀信号;Ⅱ级信号多呈不均匀,增强后部分无强化或呈不均匀强化;Ⅲ~Ⅳ级T2WI见大片水肿信号,增强后强化明显。低级别组K^trans、Kep和Ve值均显著低于高级别组,差异有统计学意义(t=9.043,t=8.254,t=8.803;P<0.05);DCE-MRI定量参数K^trans、Kep和Ve值的ROC曲线下面积分别为0.903、0.842和0.866。结论:DCE-MRI定量参数对胶质瘤术前分级均有一定预测价值,并在脑胶质瘤术前分级诊断中具有重要的应用价值。

基于改进的YOLOv3-DN对脑胶质瘤检测分级

探讨一种基于改进的YOLOv3-DN计算机辅助诊断系统对脑部胶质瘤核磁共振成像术前检测和分级的价值。根据收集的低级别胶质瘤30例和多形性胶质母细胞瘤30例,对其进行数据增强,通过N4ITK偏场校正及归一化预处理后,将2400幅图像用于改进的YOLOv3-DN网络进行训练,后在测试数据集上检测,通过5折交叉验证及ROC评估性能。实验结果表明,YOLOv3-DN优于原始的YOLOv3和YOLO,能够以93.71%的整体准确度检测肿瘤位置,以94.49%的总准确率区分肿瘤级别,对胶质瘤术前分级具有一定的预测价值。