基于SPECT全身骨扫描的YOLOv5x深度学习网络模型诊断良、恶性骨病灶

目的基于SPECT全身骨扫描构建YOLOv5x深度学习网络模型,观察其诊断良、恶性骨病灶的价值。方法纳入699例接受SPECT骨扫描患者共5182处骨病变,包括恶性3105处、良性2077处。按8∶1∶1将1121幅骨扫描图像分为训练集(n=897)、验证集(n=112)及测试集(n=112)。对训练集及验证集数据进行增强后输入YOLOv5x深度学习网络进行训练得到模型,基于测试集评估模型识别良、恶性骨灶的敏感度、特异度和准确率,及其诊断结果与金标准的一致性。结果骨扫描YOLOv5x深度学习网络模型识别恶性骨病变的敏感度为95.75%、特异度为87.87%、准确率为91.60%,识别良性骨病灶分别为91.62%、94.38%及93.14%。模型识别骨扫描图像中骨病灶的曲线下面积(AUC)为0.98,识别恶性、良性骨病灶的AUC分别为0.97、0.98。模型诊断恶性及良性骨病灶的结果与金标准的一致性均好(Kappa=0.83、0.86,P均<0.05)。结论基于SPECT全身骨扫描建立的YOLOv5x深度学习网络模型有助于诊断良、恶性骨病灶。

心房区异位肝^(18)F-FDG PET/CT显像1例

患者男,60岁,1个月前反复咳嗽、咳白痰,后出现咳嗽诱发的左胸廓疼痛,来本院就诊。HBsAg阳性、乙型肝炎e抗原阳性、乙型肝炎核心抗体阳性20余年。实验室检查(括号内为正常参考值范围):直接胆红素13.3(0~5.0) μmol/L,总胆汁酸26.8(0~10.0) μmol/L,天冬氨酸氨基转移酶212(15~40) U/L,丙氨酸氨基转移酶216(9~50) U/L。心脏超声示房间隔中上段占位性病变伴大量心包积液。分别行心脏增强CT(图1)及^(18)F-FDG PET/CT(德国Siemens Biograph Sensation 16型;图2)检查,考虑为心房区弥漫性恶性肿瘤伴心包积液。后行"心包开窗引流术+心房肿物活组织检查术",术后病理示异位肝组织肝硬化改变(图3)。