深度学习重建算法在低剂量腹盆腔动脉CT血管造影中的应用研究

目的探讨深度学习图像重建(DLIR)算法对低剂量腹盆腔动脉CT血管造影(CTA)图像质量的影响。方法收集病理证实60例行腹部动态增强扫描的胃肠道恶性肿瘤患者,动脉期图像经DLIR-H、DLIRM、自适应迭代重建(ASIR)-V 80%和ASIR-V 50%重建分别获得DLIR-H、DLIR-M、ASIR-V80和ASIR-V504组图像。比较主观指标及客观指标[主动脉CT值(CTao)、肠系膜上动脉CT值(CTsma)、右髂总动脉CT值(CTri)、前腹壁脂肪标准差(SD脂肪),信噪比(SNRao)和对比噪声比(CNRao)]的差异。结果2位医生主观评价指标的一致性好(Kappa值0.633~0.800),DLIR-H组主观指标的评分高于DLIR-M、ASIR-V80、ASIR-V50组,差异有统计学意义(P<0.05)。四组主动脉CT值(CTao)、肠系膜上动脉CT值(CTsma)、右髂总动脉CT值(CTri)均大于400 Hu。DLIR-H组SD脂肪[(9.1±2.2)Hu]低于DLIR-M、ASIR-V80、ASIR-V50组[(12.3±2.4)Hu、(12.5±2.5)Hu、(16.8±3.1)Hu],差异均有统计学意义(P<0.05);而SNRao、CNRao[(54±16)、(49±19)]均高于DLIR-M、ASIRV80、ASIR-V50组[(40±14和40±14和29±8)、(35±12和35±12和26±8)],差异均有统计学意义(P<0.05);与ASIR-V80组相比,DLIR-M组的SD脂肪、SNRao、CNRao差异无统计学意义(P>0.05),但主观评分更高。结论与ASIR-V算法相比,DLIR算法尤其是DLIR-H算法能获得较好的低剂量腹盆腔动脉CTA图像。

基于DBT的影像组学在预测乳腺癌分子分型中的价值

目的 探讨基于数字乳腺断层摄影(DBT)的影像组学方法在预测浸润性乳腺癌分子分型中的价值。方法 选取浸润性乳腺癌患者217例的标准DBT影像及临床病理资料,其中luminal型167例,非luminal型50例,按7∶3的比例将患者随机分为训练集和验证集。手动勾画感兴趣区域(ROI),提取和筛选头尾位(CC位)及内外侧斜位(MLO位)影像组学特征,采用逻辑回归(LR)算法建立CC位、MLO位、CC+MLO位模型。分析临床病理特征,得到独立预测因子后建立联合临床模型,并绘制诺模图。使用受试者工作特征曲线(ROC)评估模型的诊断效能。结果 CC位、MLO位图像各筛选出7个关键组学特征,将Ki-67状态和乳腺影像报告数据系统(BI-RADS)分型作为临床独立预测因子。CC位、MLO位、CC+MLO位及联合临床模型在训练集和验证集中的AUC值分别为0.800、0.789、0.853、0.873和0.753、0.715、0.846、0.865。结论 基于DBT的影像组学可在术前较精确地预测乳腺癌分子分型,建立的诺模图具有良好的诊断效能,可为临床提供治疗方案及评估预后等额外价值。

全视野数字乳腺摄影结合乳腺数字体层合成摄影的辐射剂量与压迫厚度及乳房密度的相关性研究

目的对比分析乳腺数字体层摄影及全数字乳腺摄影(DBT/FFDM)模式平均腺体剂量(AGD)与乳房密度、压迫厚度的关系,探讨不同类型(厚度和密度)乳房在具体情况下摄影方式的优化选择与应用。方法回顾性分析229例乳房Combo(DBT+FFDM)临床资料,分别收集记录双乳正位(CC)及内外斜位(MLO)压迫厚度、AGD、kVp和乳房量化密度(Q_abd)类型,分析DBT/FFDM模式下压迫厚度、密度与AGD之间的关系。结果DBT/FFDM模式AGD与压迫厚度(CC位:r=0.55、0.53,P<0.001;MLO位:r=0.62、0.48,P<0.001)、乳房密度(CC位:r=0.36、0.39,P<0.001;MLO位:r=0.16、0.30,P<0.001)正相关;DBT模式AGD组间差异小,FFDM模式AGD组间差异大(厚度分组CC位:F=35.29、31.32,P<0.005;MLO位:F=44.83、27.02,P<0.005;Q_abd分类CC位:F=18.68、19.76,P<0.005;MLO位:F=4.58、10.52,P<0.005);Q_abd分类高的乳房平均压迫厚度较低(CC位:F=16.28,P<0.005;MLO位:F=17.81,P<0.005);同时考虑压迫厚度与乳房密度交互作用影响,仅在MLO位DM模式对AGD有交互作用(F=3.16,P=0.005)。结论DBT/FFDM两种模式剂量累积可能增加辐射风险;乳腺摄影优先采用单视图CC/MLO-DBT或CC/MLO-(DBT+FFDM)+单视图MLO/CC-FFDM模式,在减低辐射剂量风险方面有积极作用。