深度学习与影像组学在子宫内膜癌中的研究进展

子宫内膜癌(EC)的早期诊断有助于提高疗效,改善病人预后。随着人工智能技术的发展,深度学习与影像组学技术逐渐用于EC深肌层侵犯(DMI)、淋巴结转移(LNM)及淋巴脉管间隙侵犯(LVSI)的评估,免疫组化指标的表达、疗效评估及预后预测等方面。就深度学习与影像组学在EC中应用现状及未来发展前景作一综述。

DWI联合T2 mapping序列鉴别前列腺癌与前列腺增生价值评估

目的探讨扩散加权成像(diffusion-weighted imaging,DWI)联合T2 mapping序列鉴别前列腺癌(prostate cancer,PCa)与前列腺增生(benign prostatic hyperplasia,BPH)的价值。材料与方法回顾性分析本院行3.0 T MRI检查且经病理证实的56例PCa患者及40例BPH患者资料。扫描序列包括T1WI、T2WI、DWI及T2 mapping序列。两名观察者分别测量两组病灶的表观扩散系数(apparent diffusion coefficient,ADC)值及T2值。采用组内相关系数(intra-class correlation coefficient,ICC)评估两名观察者测得参数值的一致性。采用独立样本t检验或Mann-Whitney U检验分析两组病例间ADC值及T2值的差异。Logistic回归用于分析差异具有统计学意义的参数及其与基线资料联合的诊断模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线评估有差异参数及联合模型的诊断效能。采用DeLong检验比较ROC曲线下面积差异。采用Spearman相关系数分析ADC值与T2值相关性。结果两名观察者测量值一致性好(ICC>0.75)。PCa组的ADC值及T2值分别低于BPH组,差异具有统计学意义(P<0.01)。ADC值、T2值、ADC-T2及ADC-T2-年龄-总前列腺特异性抗原(total prostate specific antigen,TPSA)联合鉴别PCa与BPH的AUC值分别为0.843、0.830、0.896及0.927。DeLong检验显示ADC值与ADC-T2联合,ADC值、T2值、ADC-T2模型与ADC-T2-年龄-TPSA联合模型的ROC差异存在统计学意义(P<0.05)。ADC值与T2值呈正相关(r=0.331,P<0.01)。结论DWI及T2 mapping序列在鉴别PCa与BPH方面具有较好的价值,并且两序列联合临床指标时诊断效能提升,可为临床无创诊断PCa及BPH提供很好的指导意义。

酰胺质子转移加权成像及脂肪定量测量技术评估子宫内膜癌Her-2基因表达

目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)成像和脂肪定量测量(mDIXON-Quant)技术评估子宫内膜癌(endometrial carcinoma,EC)人表皮生长因子受体2(human epidermal growth factor receptor-2,Her-2)基因表达的价值。材料与方法回顾性分析26例经手术病理证实为EC的患者资料,其中Her-2表达阳性组11例,Her-2表达阴性组15例,术前行3.0 T MR检查,扫描序列包括APTw和mDIXON-Quant,扫描后经后处理获得APTw序列的APT图以及mDIXON-Quant序列的横向弛豫率(R2*)、脂肪分数(fat fraction,FF)图。由2名观察者分别测量两组病例的APT、R2*和FF值,采用同类相关系数(intra-class correlation coefficients,ICC)检验2名观察者对两组病例各参数值测量结果的一致性,采用独立样本t检验或Mann-Whitney U检验比较两组病例各参数值的差异,采用ROC曲线对差异有统计学意义的参数评估EC Her-2基因表达的效能进行评价,并计算曲线下面积(area under the curve,AUC)及相对应的截断值、敏感度、特异度。结果2名观察者测量各组数据的一致性良好(ICC>0.75)。Her-2表达阳性组的APT、R2*和FF值分别为2.850%(2.300%,2.900%)、(17.102±2.333)Hz和1.629%±1.086%,Her-2表达阴性组的上述参数值分别为2.313%±0.415%、(15.134±1.854)Hz和1.476%±1.131%,Her-2表达阳性组的APT、R2*值大于Her-2表达阴性组,差异具有统计学意义(P<0.05),两组之间的FF值差异无统计学意义(P>0.05)。APT、R2*值评估EC Her-2基因表达的AUC分别为0.755、0.739,截断值分别为2.475%和16.503 Hz,敏感度分别为72.7%和63.6%,特异度分别为80.0%和86.7%。结论APTw及mDixon-Quant技术有半定量评估EC Her-2基因表达的潜力,具有一定临床应用价值。

T2 mapping联合mDixon-Quant多参数成像定量评估子宫内膜癌微卫星不稳定状态的研究

目的探讨T2定量成像(T2 mapping)联合魔镜成像(mDixon-Quant)的多参数成像定量评估子宫内膜癌(endometrial cancer, EC)微卫星不稳定状态(microsatellite instability, MSI)中的应用价值。材料与方法 回顾性分析大连医科大学附属第一医院2019年6月至2021年9月经病理证实的34例EC患者的影像资料。所有患者术前两周均行3.0 T MRI检查,扫描序列包括T1WI、T2WI、T2 mapping、mDixon-Quant等。由两位观察者采用独立盲法测量病灶T2 mapping序列的T2值及mDixon-Quant序列的脂肪分数(fat fraction, FF)值、R2^(*)值、T2^(*)值。采用组内相关系数(intra-class correlation coefficient, ICC)评估两位观察者测量结果的一致性,采用独立样本t检验或Mann-Whitney U检验比较各参数值的差异,采用受试者工作特征(receiver operating characteristic, ROC)曲线评估参数预测EC MSI状态的效能。采用Delong检验比较各曲线下面积(area under the curve, AUC)间的差异性。结果 两位观察者测量值的一致性均很好(ICC>0.75);MSI组的R2^(*)值及T2值均高于微卫星稳定(microsatellite stabilization, MSS)组,MSI组的T2^(*)值低于MSS组,差异均具有统计学意义(P<0.05);R2^(*)值、T2^(*)值、T2值及联合参数评估EC的MSI状态的AUC值分别为0.773、0.761、0.780、0.939;Delong检验结果显示各单一参数评估EC MSI状态的AUC间差异无统计学意义(P>0.05);联合参数评估EC MSI状态的AUC与单一参数评估EC MSI状态的AUC间差异有统计学意义(P<0.05)。结论 mDixon-Quant及T2 mapping多参数成像均能定量地评估EC MSI状态,两者联合可明显提升预测的效能,具有很好的临床应用前景。

T2 mapping预测直肠癌脉管侵犯的初步研究

目的探讨T2 mapping定量参数预测直肠癌脉管侵犯(lymphovascular invasion,LVI)的价值。材料与方法回顾性分析2019年10月至2021年11月于大连医科大学附属第一医院行3.0 T MRI扫描的34例直肠癌患者资料,分为LVI组(A组)13例与非LVI组(B组)21例。扫描序列包括T1WI、T2WI、扩散加权成像及T2 mapping等。结合以上序列图像定位病灶,并由2名观察者于T2 mapping图像显示肠壁最厚层面放置三个感兴趣区(region of interest,ROI)测量T2值。采用Bland-Altman曲线检验2名观察者测量值的一致性。根据数据符合正态性分布与否,采用独立样本t检验或Mann-Whitney U检验比较两组T2值的差异。结果2名观察者测量的T2值一致性良好,表现为Bland-Altman图中的点均匀分布在+1.96至-1.96倍标准线差内。A组和B组的T2值分别为(77.15±6.95)ms、(87.06±7.55)ms,A组低于B组,差异具有统计学意义(P<0.05);T2值预测直肠癌LVI的曲线下面积、阈值、敏感度及特异度分别为0.861、83.19 ms、84.62%及76.19%。结论T2 mapping在预测LVI方面具有较好的价值。

慢性肾病患者右肾皮髓质的APT与mDixon-Quant相关性研究

目的 探究慢性肾病(chronic kidney disease,CKD)患者右肾皮髓质酰胺质子转移成像(amide proton transfer,APT)参数APT值与mDixon-Quant序列参数表观弛豫率(R2;)、脂肪分数(fat fraction,FF)间的相关性。材料与方法 回顾性收集2019年8月至2020年10月行3.0 T磁共振扫描仪(Ingenia CX, Philips, Poland)检查的CKD患者病例资料共30例(女15例,男15例),根据估算肾小球滤过率(estimation of glomerular filtration rate,eGFR)将患者分为轻度肾损害组(14例)及中重度肾损害组(16例),同时收集22例健康志愿者资料作为对照组。将所有原始图像导入ISP工作站,生成伪彩图,分别从肾的上极、中部、下极各选择一个层面,把ROI分别放置在皮质和髓质中,面积约10~20 mm^(2),避开肾窦、大血管及肾周组织。采集数据应用SPSS 26.0进行统计学分析,数据不符合正态分布情况下,采用斯皮尔曼检验各组皮髓质的APT值与R2;及FF值的相关性,P<0.05为差异具有统计学意义。结果 CKD患者中重度肾损害组皮质APT值与皮质FF值呈正相关,差异具有统计学意义(P<0.05);而髓质APT值与R2;值无相关性。健康对照组及轻度肾损害组皮髓质APT值与R2;及FF值均无相关性。结论 CKD中重度肾损害组肾皮质APT值与mDixon-Quant序列的FF值呈正相关,二者可从不同角度反映肾损害时肾组织蛋白质代谢、酸碱环境变化及脂沉积的关系,具有评估CKD肾损害程度的潜在临床应用价值。

基于影像组学的肝细胞癌病理分级方法

针对术前无创准确判断肝细胞癌(HCC)病理分化程度这一问题,提出了一种基于影像组学的肝细胞癌病理分级方法。该方法结合多模态融合及AdaBoost算法构建模型。首先,基于影像组学方法提取磁共振成像(MRI)的影像组学特征,通过特征递归消除等算法进行特征筛选和降维后进行多模态融合;然后,采用过采样方法解决数据类别不平衡问题优化模型性能;最后,基于Adaboost算法建模对HCC进行病理分化等级细分类。实验结果表明,所提方法在相同数据集的F1值比现有的加权融合方法、基于支持向量机(SVM)算法的方法相比均要高5个百分点。对比基于单模态构建的F1值最优模型,使用的多模态融合方法的F1值提高了7个百分点。

水通道蛋白MRI在前列腺癌风险评估中的价值及其与水通道蛋白1的相关性研究

目的:探讨基于多个超高b值的水通道蛋白(AQP)MRI在前列腺癌(PCa)风险预测中的价值及其与水通道蛋白1(AQP1)的相关性。方法:回顾性收集行3.0T MRI检查且经手术病理证实的PCa患者43例,分为高风险组26例、低风险组17例。均包括单b值(0、1 000 s/mm^(2))DWI和多个超高b值(2 000 s/mm^(2)、3 000 s/mm^(2)、4 000 s/mm^(2))AQP MRI序列。免疫组化检测AQP1染色的平均光密度(AOD)。两名观察者独立测量ADC值和AQP-ADC值。采用组内相关系数(ICC)评价两名观察者测量的一致性;采用两独立样本t检验或Mann-Whitney U检验分析高低风险组间AQP1-AOD值、AQP-ADC值、ADC值的差异;AQP-ADC值、ADC值与AQP1-AOD值间相关性检验采用线性回归分析;采用Cocor分析比较相关系数间的差异;采用多因素Logistic回归分析高风险PCa的独立影响因素;采用受试者工作特征(ROC)曲线评价各参数评估PCa风险性的价值;采用Delong检验对参数间的ROC曲线下面积(AUC)进行比较。结果:高风险组的AQP1-AOD值和AQP-ADC值均大于低风险组(AQP1-AOD值:(0.33±0.03) vs (0.29±0.02);AQP-ADC值(×10-3mm^(2)/s):(0.30±0.05) vs (0.25±0.02));高风险组的ADC值小于低风险组((1.06±0.17) vs (1.21±0.17))(P值均<0.01)。高、低风险组AQP-ADC值的方差分别为0.25×10^(-2)、0.04×10^(-2),ADC值的方差分别为3×10^(-2)、3×10^(-2),AQP-ADC值离散程度更小;AQP-ADC值、ADC值与AQP1-AOD值的相关系数分别为0.44和-0.34,决定系数R2分别为0.20和0.11,AQP-ADC值与AQP1-AOD值间的模型拟合度更好;AQP-ADC值、ADC值均是高风险PCa的独立危险因素;ADC值、AQP-ADC值及AQP1-AOD值评估PCa风险分组的AUC分别为0.75、0.86和0.84,敏感度分别为69%、73%和62%,特异度分别为77%、82%和100%;ADC值、AQP-ADC值间的敏感度和特异度均无统计学差异(P=1,χ~2=0)。结论:AQP MRI能够很好地评估PCa的风险性,AQP-ADC值较ADC值能更好地反映AQP1表达。

初探T1 mapping和APTw成像对慢性肾病的诊断价值

目的初探纵向弛豫时间定量成像(T1 mapping)和酰胺质子转移加权(amide proton transfer weighted,APTw)成像鉴别慢性肾病(chronic kidney disease,CKD)患者与健康人群的价值。材料与方法回顾性分析2019年8月至2020年10月行3.0 T MRI检查的CKD患者病例资料共21例(女6例,男15例),所有患者均经大连医科大学附属第一医院肾内科医师依据CKD临床实践指南确诊;同时收集24例健康志愿者临床资料作为对照组。将所有原始图像导入ISP工作站,生成伪彩图。由两名影像科诊断医师采用双盲法分别从肾的上极、中部、下极各选择一个层面并于皮质和髓质中分别放置感兴趣区(region of interest,ROI),面积约10~20 mm^(2),避开肾窦、大血管及肾周组织。测量所得皮髓质T1值与APT值应用SPSS 26.0软件进行统计学分析:应用组内相关系数(intra-class correlation coefficients,ICC)进行观察者间测量结果一致性检验;根据数据正态分布情况,采用独立样本t检验或Mann-Whitney U检验分析两组间参数值差异,P<0.05为差异具有统计学意义;采用受试者工作特征(receiver operating characteristic,ROC)曲线分析各参数诊断效能,根据最大约登指数得到相对应的阈值、敏感度和特异度,并计算曲线下面积(area under the curve,AUC)值。结果两位观察者间测量结果一致性良好(ICC>0.75)。CKD组双肾皮质T1值和皮质APT值显著高于健康对照组(P<0.05);左肾皮质T1值鉴别CKD的AUC值为0.887,敏感度66.7%,特异度100.0%;左肾皮质APT值鉴别CKD的AUC值为0.966,敏感度95.2%,特异度95.8%;右肾皮质T1值鉴别CKD的AUC值为0.960,敏感度76.2%,特异度100.0%;右肾皮质APT值鉴别CKD的AUC值为0.921,敏感度85.7%,特异度91.7%。结论T1 mapping与APTw成像可无创有效鉴别CKD,基于二者的定量参数在一定程度上反映了单侧肾脏各自结构与功能的改变,有望为临床疾病诊断提供一定的参考价值。

T1mapping与R2^(*) maps联合诊断慢性肾病

目的观察T1 mapping与R2^(*)maps联合诊断慢性肾病(CKD)的价值。方法纳入27例CKD患者,根据改善全球肾脏病预后组织CKD分期标准将其分为A组(轻度肾损害,n=16)和B组(中重度肾损害,n=11),另纳入20名健康成年人作为对照组(C组);观察其肾脏T2WI、T1 mapping及R2^(*)maps,比较3组间整体及两两间右肾皮、髓质T1值和R2^(*)值差异,行logistic回归分析,评估右肾皮髓质T1值、R2^(*)值和二者联合诊断CKD的效能。结果3组间右肾皮质T1值及R2^(*)值整体差异均有统计学意义(P均<0.05),而髓质T1值及R2^(*)值差异均无统计学意义(P均>0.05);B组皮质T1值显著高于A组和C组(P均<0.05),A组皮质R2^(*)值显著高于B组和C组(P均<0.05)。以右肾皮质T1值鉴别CKD轻度与中重度肾损害的曲线下面积(AUC)为0.77,鉴别CKD中重度肾损害与健康人的AUC为0.90;皮质R2^(*)值鉴别CKD轻度与中重度肾损害的AUC为0.94,鉴别CKD轻度肾损害与健康人的AUC为0.88;皮质T1值与R2^(*)值联合鉴别轻度CKD肾损害与中重度肾损害的AUC为0.97,与右肾皮质T1值的AUC差异有统计学意义(Z=2.14,P=0.033)。结论T1 mapping与R2^(*)maps联合有助于诊断CKD。

基于多模态融合注意力的肝细胞癌疗效预测方法

针对传统方法预测肝细胞癌(HCC)疗效通常只采用图像信息、临床信息或基因信息等单一模态信息的问题,提出一种基于多模态融合注意力的HCC疗效预测方法。首先,使用残差网络(ResNet)提取图像特征和多层感知机提取临床特征和常规放射学特征;其次,构建一个多模态融合注意力模块,通过计算不同模态特征之间的相关性有效地融合图像特征、临床特征和常规放射学特征;最后,通过一个分类网络实现对HCC患者疗效的准确分类预测。实验结果表明,与单一模态预测疗效的方法相比,所提方法的准确率在实验数据集上提升了5.95个百分点,验证了所提方法能显著改善HCC患者疗效预测的结果。

酰胺质子转移成像在子宫MRI检查中的应用进展

酰胺质子转移(APT)成像是一种基于化学交换饱和转移技术的MRI技术,可以从细胞分子水平反映组织内蛋白质的特性,具有无创、安全、可以定量分析等优势,为疾病的诊疗提供了重要信息。目前,APT技术在子宫MRI检查中已得到一定应用,既往探讨了健康年轻女性子宫内膜、子宫肌层和结合带的APT值在月经周期不同时间段内的变化情况及APT技术在宫颈癌和子宫内膜癌的临床分型、病理分化程度、组织学分型等方面的应用。本文对APT在子宫MRI检查中的应用进行综述。

基于增强T2^(*)加权血管成像序列R2^(*)图肿瘤全域纹理分析预测子宫内膜癌微卫星不稳定性

目的评估基于增强T2^(*)加权血管成像(ESWAN)序列R2^(*)图的肿瘤全域纹理分析(TA)预测子宫内膜癌(EC)微卫星不稳定性(MSI)的价值。方法回顾性分析38例经术后病理证实、术前接受ESWAN序列盆腔MR扫描的EC患者,其中12例MSI(MSI组)、26例微卫星稳定(MSS,MSS组),经后处理获得R2^(*)图。于R2^(*)图像上逐层手动勾画肿瘤ROI,融合后获得全域感兴趣容积(VOI);采用A.K.分析软件提取其纹理特征,以Spearman相关性分析和梯度提升决策树(GBDT)方法筛选最优纹理特征,构建多元logistic回归模型,用于预测EC MSI状态;以受试者工作特征(ROC)曲线评价模型的诊断效能。结果共提取74个纹理特征,最终筛选出6个最优纹理特征,以之构建预测EC MSI的回归模型。ROC曲线显示,模型的曲线下面积(AUC)、准确率、敏感度及特异度分别为0.95、89.50%、83.30%及92.30%。结论基于ESWAN序列R2^(*)图的肿瘤全域TA有助于术前预测EC MSI。

扩散峰度成像多定量参数鉴别子宫肉瘤与变性肌瘤的价值

目的研究MR扩散峰度成像(diffusion kurtosis imaging,DKI)多定量参数对子宫肉瘤(uterine sarcoma,US)与变性子宫肌瘤(degenerative hysteromyoma,DH)的鉴别价值。材料与方法本文为回顾性研究,分析13例确诊US与26例DH患者临床资料与MRI、DKI图像,记录两组病灶实质区内DKI参数值:平均扩散峰度值(mean kurtosis,MK)、平行扩散峰度值(axial kurtosis,Ka)、垂直扩散峰度值(radial kurtosis,Kr)、峰度各向异性分数(fractional anisotropy of kurtosis,FAK)、平均扩散系数值(mean diffusivity,MD)、平行扩散系数值(axial diffusivity,Da)、垂直扩散系数值(radial diffusivity,Dr)以及各向异性分数(fractional anisotropy,FA)。评估两名观察者对两组病灶的DKI结果观测的一致性,分析这些参数在两组间的差异,并用受试者工作特征(receiver operating characteristic,ROC)曲线评估DKI多定量参数判断US的效能。结果除US组Kr、FAK参数值一致性中等外(0.40≤ICC≤0.75),2名观察者测量所得的这些参数一致性高(ICC>0.75)。US组的MK、Ka、Kr、FA、FAK、MD、Da、Dr值分别为0.86±0.13、0.92±0.17、0.78±0.13、0.20±0.08、0.30±0.13、(1.18±0.26)μm^(2)/ms、(1.41±0.32)μm^(2)/ms、(1.06±0.25)μm^(2)/ms,DH组各参数值分别为0.66±0.09、0.61±0.08、0.65±0.09、0.26±0.08、0.29±0.09、1.71(1.54,1.89)μm^(2)/ms、2.17(2.04,2.38)μm^(2)/ms、(1.53±0.34)μm^(2)/ms。US组的MK、Ka、Kr值大于DH组,FA、MD、Da、Dr值小于DH组,差异有统计学意义(P<0.05);FAK值差异无统计学意义(P>0.05)。MK、Ka、Kr、FA、MD、Da、Dr值预估曲线下面积(area under curve,AUC)分别为0.93、0.99、0.80、0.73、0.94、0.97、0.90,预估的各参数界值为MK≥0.80、Ka≥0.73、Kr≥0.75、FA≥0.22、MD≤1.47、Da≤1.95、Dr≤1.23,其敏感度分别为:76.9%、100.0%、61.5%、76.9%、92.3%、100.0%、76.9%,其特异度分别为:100.0%、96.2%、88.5%、73.1%、92.3%、84.6%、88.5%。结论DKI参数对鉴别US和DH有较高的应用价值,值得进一步推广。

肾透明细胞癌肺转移1例

患者男,74岁,气短15年余,加重1年,偶有咳嗽伴白色黏痰;15年前因右肾透明细胞癌(Ⅰ期)接受右肾全切术,术后未接受其他抗肿瘤治疗;18个月前胸部CT发现左肺下叶树枝状结节,最大径约1.4cm,诊断为支气管扩张伴黏液栓形成而未予干预。入院查体未见异常。实验室检查未见明显异常。胸部高分辨率CT(high-resolution CT,HRCT):肺窗图像显示左肺下叶最大径约2.0cm树枝状结节(图1A),起自外基底段支气管分支,相应支气管狭窄、截断,与18个月前胸部CT对比.

R2图纹理分析预测肝细胞癌肝切除术后早期复发的价值

目的探讨基于增强T2*加权血管成像(enhanced T2*weighted angiography,ESWAN)R2*图纹理分析预测肝细胞癌(hepatocellular carcinoma,HCC)肝切除术后早期复发的价值。材料与方法回顾性分析2011年11月至2020年5月期间于我院接受肝切除术且病理证实的81例HCC患者病例。根据肝切除术后2年内是否出现增强CT、MRI或手术病理证实肝内新发HCC病灶或肝外转移,将HCC病例分为早期复发组(n=43)和非早期复发组(n=38)。所有患者于术前1个月内行上腹部1.5 T或3.0 T MRI T1WI、T2WI及ESWAN序列扫描。使用Functool软件对ESWAN图像进行后处理,获得R2*图。在R2*图上沿肿瘤边缘勾画肿瘤所有层面,然后使用Artificial Intelligence Kit软件提取107个纹理特征,包括一阶特征、形状特征、灰度共生矩阵(gray level co-occurrence matrix,GLCM)、灰度依赖矩阵(gray level dependence matrix,GLDM)、灰度大小矩阵(gray level size zone matrix,GLSZM)、灰度游程矩阵(gray level run length matrix,GLRLM)及邻域灰度差矩阵(neighbouring gray tone difference matrix,NGTDM)。采用组内相关系数(intra-class correlation coefficient,ICC)、Spearman相关系数、梯度提升决策树(gradient boosting decision tree,GBDT)进行特征降维。建立logistic回归模型,绘制受试者工作特征(receiver operating characteristic,ROC)曲线预测复发效能,计算ROC曲线下面积(area under the curve,AUC)、准确率、敏感度及特异度。使用校准曲线、Hosmer-Lemeshow(H-L)检验评价模型拟合度。进行临床决策曲线分析(decision curve analysis,DCA)评价临床获益度。结果经筛选得到13个最优纹理特征,包括6个一阶特征(能量、峰度、最大值、中位数、偏度和总能量),1个GLCM特征(反差校正),1个GLDM特征(大依赖低灰度优势),1个GLRLM特征(运行熵),2个GLSZM特征(尺寸区不均匀性和尺寸区非均匀性归一化),1个NGTDM特征(忙碌值),1个形状特征[最大2D直径(切面)]。Logistic回归模型预测HCC肝切除术后早期复发的AUC、准确率、敏感度及特异度为0.830(95%CI:0.740~0.920)、79.00%(95%CI:78.60%~79.40%)、83.70%(95%CI:72.70%~94.80%)及73.70%(95%CI:59.70%~87.70%)。校准曲线图显示模型预测早期复发概率与真实早期复发概率之间有很好的一致性。经H-L检验显示该模型预测校准曲线与理想模型曲线之间差异无统计学意义(P=0.493)。DCA表明R2*图纹理分析预测HCC肝切除术后早期复发的临床净获益较高。结论基于ESWAN序列的R2*图在肿瘤氧含量水平差异的基础上结合纹理分析的方法对HCC肝切除术后早期复发有一定的预测价值。

初探酰胺质子加权联合mDixon-Quant序列评估前列腺癌骨转移的价值

目的:初探酰胺质子加权(Amide proton transfer-weighted,APTw)联合mDixon-Quant序列评估前列腺癌(PCa)骨转移价值。方法:回顾性收集行前列腺3.0T MRI扫描(包括APTw及mDixon-Quant序列)的PCa患者46例,进一步分为骨转移组19例及非骨转移组27例。由两名观察者分别于病变实体显示最大层面测量两组的APT值、表观弛豫率(R2*)值及脂肪分数(FF)值,采用Bland-Altman曲线评估两名观察者各参数值测量的一致性。采用Kolmogorov-Smirnov检验数据的正态性,采用独立样本t检验或Mann-Whitney U检验比较两组参数值的差异。采用Logistic回归计算APTw及mDixon-Quant序列联合参数模型的预测值。采用受试者工作特征(ROC)曲线评估有差异的参数单独或联合的诊断效能,并利用Delong检验比较各ROC曲线间的差异。采用Spearman相关性检验评估两序列参数值的相关性。结果:两名观察者各参数值测量的一致性好,Bland-Altman图中绝大部分散点均匀分布在+1.96~-1.96标准线之间。骨转移组的APT值及R2*值(2.71%±0.40%、(22.51±4.96)Hz)大于非骨转移组(1.98%±0.43%、(18.20±3.36)Hz),差异具有统计学意义(t=5.766、3.517,P=0.001、0.001)。骨转移组与非骨转移组的FF值间比较无统计学差异(t=0.870,P=0.389)。APT值、R2*值及APT联合R2*(APT-R2*)鉴别两组的曲线下面积(AUC)值、敏感性、特异性及阈值分别为0.887、84.21%、81.48%、2.3%,0.768、57.89%、92.59%、22.05 Hz及0.902、68.42%、96.30%。R2*值与APT-R2*值鉴别两组的AUC间存在显著差异(P=0.0259)。结论:APT值、R2*值对于定量评估PCa骨转移具有一定的价值,且两参数联合模型的诊断效能提升,具有很好的临床应用前景。

肝胆特异性对比剂MRI在肝脏弥漫性疾病的应用进展

MRI对肝脏疾病的检出与诊断具备重要作用,肝胆特异性对比剂作为一种新型的细胞特异性对比剂,能被正常肝细胞特异性摄取,而功能受损的肝细胞摄取减少,这一特性使其不仅可以获得整体肝脏功能信息,在节段性肝功能的评估方面更加具有独特优势。本文首先介绍了肝胆特异性对比剂MRI的原理,并就其在肝脏弥漫性疾病如脂肪肝、肝纤维化、肝炎、肝硬化、肝缺血等方面的应用进展及其结合人工智能方法在肝功能评估的应用进行综述。

一种具有域自适应反标准化的多模态医学图像对比学习算法

最近,深度学习在医学图像任务中取得了令人瞩目的成果。然而,这种方法通常需要大规模的标注数据,而医学图像的标注成本较高,因此如何从有限的标注数据中进行高效学习是一个难题。目前,常用的两种方法是迁移学习和自监督学习,然而这两种方法在多模态医学图像中的研究却很少,因此本研究提出了一种多模态医学图像对比学习方法。该方法将同一患者不同模态的图像作为正样本,有效增加训练过程中的正样本数量,有助于模型充分学习病灶在不同模态图像上的相似性和差异性,从而提高模型对医学图像的理解能力和诊断准确率。常用的数据增强方法并不适合多模态图像,因此本文提出了一种域自适应反标准化方法,借助目标域的统计信息对源域图像进行转换。本研究以两个不同的多模态医学图像分类任务对本文方法展开验证:在微血管浸润识别任务中,本文方法获得了(74.79±0.74)%的准确率和(78.37±1.94)%的F1分数,相比其它较为熟知的学习方法有所提升;对于脑肿瘤病理分级任务,本文方法也取得了明显的改进。结果表明,本文方法在多模态医学图像数据上取得了良好的结果,可为多模态医学图像的预训练提供一种参考方案。

基于多任务学习的肝细胞癌分割与病理分化程度预测方法

肝细胞癌(HCC)是最常见的肝脏恶性肿瘤,其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题,没有考虑两个任务的相关性。本文提出了一种多任务学习模型,旨在同时完成分割任务和病理分化程度分类任务。本文所提模型由分割子网和分类子网构成:在分类子网中提出了一种多尺度特征融合方法来提高分类精度;在分割子网中设计了一种边界感知注意力,用于解决肿瘤过分割问题。本文采用动态权重平均多任务损失,使模型在两个任务中同时获得最优的性能。研究结果显示,本文方法在295例HCC患者上的实验结果均优于其它多任务学习方法,在分割任务上戴斯相似系数(Dice)为(83.9±0.88)%,同时在分类任务上的平均召回率为(86.08±0.83)%,F1分数为(80.05±1.7)%。该结果表明,本文提出的多任务学习方法能够同时较好地完成分类任务和分割任务,可为HCC患者的临床诊断和治疗提供理论参考。