基于超声深度学习影像组学的乳腺癌新辅助化疗疗效预测

目的开发一种结合超声影像组学、深度学习和临床特征的综合模型,以预测乳腺癌新辅助化疗(Neoadjuvant Chemotherapy,NAC)后的病理完全缓解(Pathological Complete Response,pCR)。方法共纳入117例乳腺癌患者,按照7∶3的比例随机划分为训练集和验证集。采用Mann-Whitney U检验、随机森林递归消除算法和最小绝对收缩和选择算子进行特征筛选及影像组学/深度学习标签构建。对患者的临床参数进行单/多因素分析,以选择有效特征构建临床模型。然后利用逻辑回归算法将临床特征与影像组学、深度学习标签相结合,构建临床-影像组学-深度学习综合模型。从预测效果、校准能力和临床实用性方面评估模型性能。结果临床-影像组学-深度学习综合模型相比于单独的临床、影像组学和深度学习模型在训练集和验证集中均显示出最高的曲线下面积(训练集:0.949 vs.0.788 vs.0.815 vs.0.928;验证集:0.931 vs.0.643 vs.0.778 vs.0.901)。校准曲线和决策曲线证实综合模型具有良好的预测性能。结论与单一模型比较,综合模型对术前预测乳腺癌患者NAC后的pCR状态具有更高价值。

基于多深度相机的三维重建技术在放疗中的应用

目的评估基于多深度相机的三维重建技术用于放射治疗患者日常定位的可行性。方法使用3个Intel RealSense D435i相机,经过感兴趣区域提取、滤波、配准、拼接等过程,实时融合点云,重建患者的真实光学3D表面。重建后的表面与定位CT体表外轮廓配准以完成定位。本文使用多个模体验证系统可行性,以及头颈部患者5例、胸部患者10例、骨盆部患者5例验证临床可行性。采用配对t检验分析各组数据。结果系统运行时间为0.475 s,可达到临床上实时监测要求。模体实验中配准六维误差分别为左右(1.00±0.74)mm、头脚(1.69±0.69)mm、腹背(1.36±0.87)mm、偏转角0.15°±0.14°、俯仰角0.25°±0.20°、翻滚角0.13°±0.13°。在实际患者摆位中平均摆位误差为左右(0.77±0.51)mm、头脚(1.24±0.67)mm、腹背(0.94±0.76)mm、偏转角0.61°±0.41°、俯仰角0.69°±0.55°、翻滚角0.52°±0.35°,平移误差在2.8 mm以内,其中骨盆区域摆位误差最大。结论多深度相机实时三维重建技术适用于放疗患者定位,该方法定位准确,可检测患者位置的微小移动,满足放疗要求。

基于超声影像组学联合临床病理学特征预测乳腺癌Ki-67表达状态

目的探讨基于超声影像组学联合临床病理学特征预测乳腺癌患者肿瘤增殖细胞核抗原67(Ki-67)表达状态的可行性。方法回顾性分析2018年1月至2022年2月在南京医科大学附属常州第二人民医院接受二维超声和Ki-67检查的乳腺癌患者。其中来自城中院区的427例患者按照8∶2的比例随机划分为训练集和验证集, 来自阳湖院区的229例患者作为独立的外部测试集。从二维超声图像的感兴趣区域提取影像组学特征, 采用Mann-WhitneyU检验、递归特征消除以及最小绝对收缩和选择算子进行特征降维并建立影像组学评分(Rad-score)。随后, 采用单/多因素逻辑回归分析, 根据Rad-score和临床病理学特征构建联合预测模型。使用ROC曲线下面积(AUC)、校准曲线和决策曲线分析以评估模型性能和实用性。结果联合模型在训练、验证和测试集中预测乳腺癌Ki-67表达状态的AUC分别为0.858、0.797、0.802, 均优于影像组学(0.772、0.731、0.713)和临床模型(0.738、0.750、0.707)。校准曲线和决策曲线分析表明联合模型具有良好的校准度和临床价值。结论基于超声影像组学和临床病理学特征的联合模型能够有效预测乳腺癌Ki-67表达状态, 有望成为Ki-67检测的非侵入性工具, 并为临床医生提供重要的辅助诊断和治疗决策依据。

光学体表引导放射治疗研究现状

光学体表引导放射治疗(Surface guided radiation therapy,SGRT)是一种无创无辐射的图像引导放疗技术,在患者治疗期间全程监控,提供连续、实时成像。本文对SGRT技术的特征、应用代表产品、目前临床上的研究和治疗应用以及质量控制进行概括。SGRT作为一种新兴的技术,在患者接受更加精确、安全、舒适的放射治疗方面发挥了越来越重要的作用。