目的分析多参数磁共振成像(Multiparameter Magnetic Resonance Imaging,Mp-MRI)联合肝脏影像报告和数据管理系统(Liver Imaging Reporting and Data System,LI-RADS)分级对小肝癌患者的早期筛查诊断效果。方法方便选择2021年10月—2022...目的分析多参数磁共振成像(Multiparameter Magnetic Resonance Imaging,Mp-MRI)联合肝脏影像报告和数据管理系统(Liver Imaging Reporting and Data System,LI-RADS)分级对小肝癌患者的早期筛查诊断效果。方法方便选择2021年10月—2022年10月邹城市人民医院收治的病灶≤3 cm的119例肝区占位性病变患者为研究对象,进行Mp-MRI检查及LI-RADS分级评估,以病理诊断结果为金标准,分析Mp-MRI、LI-RADS分级单独及联合诊断对小肝癌患者的早期筛查诊断效果。结果病理诊断结果显示119例肝区占位性病变患者中84例为恶性小肝癌,35例为良性病变。Mp-MRI、LI-RADS分级联合诊断的灵敏度97.62%(82/84)、准确度97.48%(116/119)、阴性预测值94.44%(34/35),均高于两者单独诊断,差异有统计学意义(χ^(2)=7.539、10.337、8.590,P均<0.05)。结论Mp-MRI、LI-RADS分级均对小肝癌患者具有一定的早期筛查效果,且两者联合可以提升诊断的准确性。展开更多
目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣...目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣区,应用SPM软件自动分割Tmax图全脑区。应用AK软件分别提取局部和全脑特征并降维,通过支持向量机分类器构建急性脑卒中预后模型并寻找最优预测模型。结果经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维后与预后最相关的局部特征为6个、全脑特征为5个、联合局部和全脑的特征为10个。受试者工作特征(receiver operating characteristic,ROC)曲线分析结果显示基于局部和全脑特征构建的急性脑卒中预后预测模型的曲线下面积(area under the curve,AUC)为0.900,敏感度和特异度分别为82.3%、89.1%,明显优于局部特征模型(AUC=0.706;Z=-3.248;P=0.001)和全脑特征模型(AUC=0.711;Z=-3.393;P<0.001)。结论联合局部和全脑的PWI特征可更为准确地预测急性脑卒中患者预后,为临床早期干预提供个性化指导。展开更多
文摘目的分析多参数磁共振成像(Multiparameter Magnetic Resonance Imaging,Mp-MRI)联合肝脏影像报告和数据管理系统(Liver Imaging Reporting and Data System,LI-RADS)分级对小肝癌患者的早期筛查诊断效果。方法方便选择2021年10月—2022年10月邹城市人民医院收治的病灶≤3 cm的119例肝区占位性病变患者为研究对象,进行Mp-MRI检查及LI-RADS分级评估,以病理诊断结果为金标准,分析Mp-MRI、LI-RADS分级单独及联合诊断对小肝癌患者的早期筛查诊断效果。结果病理诊断结果显示119例肝区占位性病变患者中84例为恶性小肝癌,35例为良性病变。Mp-MRI、LI-RADS分级联合诊断的灵敏度97.62%(82/84)、准确度97.48%(116/119)、阴性预测值94.44%(34/35),均高于两者单独诊断,差异有统计学意义(χ^(2)=7.539、10.337、8.590,P均<0.05)。结论Mp-MRI、LI-RADS分级均对小肝癌患者具有一定的早期筛查效果,且两者联合可以提升诊断的准确性。
文摘目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣区,应用SPM软件自动分割Tmax图全脑区。应用AK软件分别提取局部和全脑特征并降维,通过支持向量机分类器构建急性脑卒中预后模型并寻找最优预测模型。结果经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维后与预后最相关的局部特征为6个、全脑特征为5个、联合局部和全脑的特征为10个。受试者工作特征(receiver operating characteristic,ROC)曲线分析结果显示基于局部和全脑特征构建的急性脑卒中预后预测模型的曲线下面积(area under the curve,AUC)为0.900,敏感度和特异度分别为82.3%、89.1%,明显优于局部特征模型(AUC=0.706;Z=-3.248;P=0.001)和全脑特征模型(AUC=0.711;Z=-3.393;P<0.001)。结论联合局部和全脑的PWI特征可更为准确地预测急性脑卒中患者预后,为临床早期干预提供个性化指导。