CT平扫影像组学预测甲状腺乳头状癌中央区隐匿性淋巴结转移的价值

目的:探讨基于CT平扫的影像组学术前预测甲状腺乳头状癌(PTC)中央区隐匿性淋巴结转移(OLNM)的价值。方法:回顾性分析2家医院(中心1和中心2)经病理证实为PTC患者的临床影像资料。中心1纳入394例,以7∶3的比例随机分为训练集276例和内部测试集118例;中心2纳入143例作为外部测试集。从CT平扫图像中提取病灶的影像组学特征,通过降维获得最佳特征,建立5种机器学习分类器。选择内部测试集和外部测试集中平均AUC最高的分类器作为最佳影像组学模型,并将其结果转换为影像组学评分。将单因素分析中P<0.05的临床和常规CT特征纳入多因素logistic回归分析,得到与OLNM相关的危险因素并建立临床模型。基于临床危险因素和影像组学评分构建联合模型,并绘制列线图。采用ROC曲线评价预测模型的性能。结果:从CT平扫图像中获得10个最佳影像组学特征。在内部测试集和外部测试集中,极端梯度提升具有最佳的预测性能(平均AUC为0.782)。进一步将性别、肿瘤最大径与影像组学评分相结合建立联合模型。联合模型在训练集、内部测试集和外部测试集中预测PTC中央区OLNM的AUC分别为0.869、0.823、0.802。结论:基于CT平扫的影像组学特征对PTC中央区OLNM具有较好的预测价值,进一步结合临床特征建立的联合模型能更好地提升性能。

机器学习结合影像组学特征对脑梗死取栓术后对比剂外渗与脑出血的鉴别

目的:探讨基于CT平扫影像组学和机器学习模型鉴别急性缺血性脑梗死机械取栓后脑实质对比剂外渗和脑出血的价值。方法:回顾性分析93例接受机械取栓的急性缺血性脑梗死患者,共155个脑实质高密度区,按7∶3比例随机分为训练集(108个)和验证集(47个)。使用A.K.软件对CT平扫图像上出现的高密度区勾画ROI并提取纹理特征。采用特征相关性分析和基于互信息的特征进行降维,保留相关性最强的特征。采用逻辑回归(LR)、支持向量机(SVM)、线性支持向量分类(LinearSVC)、伯努利贝叶斯分类器(BernoulliNB)构建相应的机器学习鉴别模型。采用ROC曲线评价各机器学习模型区分对比剂外渗与脑出血的诊断效能。结果:在1316个影像组学特征中,最终筛选出5个特征用于构建LR、SVM、LinearSVC、BernoulliNB模型。在训练集中,LR、SVM、LinearSVC及BernoulliNB模型的AUC分别为0.781、0.757、0.784及0.669;在验证集中,各相应模型的AUC分别为0.793、0.705、0.795及0.517。在训练集中,各机器学习模型的AUC比较,差异均无统计学意义(均P>0.05);在验证集中,BernoulliNB与LR及LinearSVC模型的AUC差异均有统计学意义(均P<0.05)。结论:基于CT平扫图像构建的LR、SVM、LinearSVC机器学习模型可有效鉴别急性缺血性脑梗死机械取栓后脑实质对比剂外渗和脑出血,且诊断效能佳,可辅助评估临床早期取栓后脑出血转化情况,指导临床及时进行干预。

基于薄层CT的影像组学模型对非小细胞肺癌EGFR DEL19和L858R敏感性突变的预测价值

目的:构建基于术前薄层CT平扫图像的影像组学模型,探讨该模型对非小细胞肺癌(NSCLC)患者EGFR DEL19和L858R敏感性突变的预测价值。方法:回顾性分析149例EGFR敏感性突变(DEL19突变63例,L858R突变86例)的NSCLC患者治疗前CT平扫图像及临床资料;将患者按照6∶4的比例分为训练集(104例,其中DEL19突变44例,L858R突变60例)和验证集(45例,其中DEL19突变19例,L858R突变26例)。用ITK-SNAP软件手动分割CT平扫图像的高密度病灶,用A.K.软件提取影像组学特征,采用最小绝对收缩与选择算子算法(LASSO)进行特征筛选。以多因素logistic回归分析分别建立影像组学模型、临床模型及影像组学特征与临床特征结合的联合模型,采用ROC曲线及列线图评估各模型预测EGFR DEL19和L858R敏感性突变的效能。结果:在薄层CT图像中提取396个影像组学特征,利用LASSO法降维及10倍交叉验证法筛选得到4个纹理参数,即标准差、集群突出物_角度0_偏移4、相关性_角度0_偏移7、相关性_角度90_偏移4,根据以上4个参数及其对应系数值计算得到相应影像组学评分,并将其作为独立特征纳入模型构建。筛选得到3个临床特征(性别、病灶位置、坏死)与突变亚型相关(P<0.05),并纳入模型构建。验证集中影像组学模型的AUC为0.698(95%CI 0.543~0.826),敏感度为73.7%,特异度为61.5%;联合模型的AUC为0.874(95%CI 0.742~0.954),敏感度为84.2%,特异度为88.5%,显著提高了模型的预测效能,与影像组学模型相比,差异有统计学意义(P=0.004)。结论:基于CT平扫图像构建的影像组学模型可预测NSCLC患者EGFR DEL19和L858R敏感性突变亚型,结合临床特点,提高了影像组学模型的诊断效能。基于CT组学的生物标志物可作为区分EGFR DEL19和L858R突变亚型的潜在工具,具有高度的敏感度、特异度和准确率。

动脉粥样硬化斑块的影像学诊断技术与临床应用

不稳定动脉粥样硬化(AS)斑块的破裂与血栓形成是诱发急性心血管事件的主要因素。斑块的病理学分型是决定其破裂的关键要素,与动脉狭窄程度无明显相关。通过影像学诊断技术早期筛查不稳定AS斑块并及时制订最佳治疗方案,对预防急性心血管事件的发生与挽救高危患者的生命意义重大。主要针对AS斑块的非侵入性和侵入性的影像诊断技术及临床应用现状进行综述。

双能量CT定量参数联合形态学特征在乳腺癌腋窝淋巴结转移诊断中的应用价值

目的:探讨双能量CT定量参数联合形态学特征对乳腺癌腋窝淋巴结转移(ALNM)的诊断价值。方法:回顾性分析经术后病理证实的135例(227枚腋窝淋巴结)乳腺癌患者。根据病理结果,分为转移性淋巴结组(92枚)和非转移性淋巴结组(135枚)。收集淋巴结形态学特征,包括最大短径、长短径比值、形状、边缘、强化程度和淋巴门结构。测量双能量CT定量参数,包括动脉期和静脉期标准化碘浓度(NIC)、能谱曲线斜率(λHU)及标准化有效原子序数(nZeff)。2组间形态学特征和双能量CT定量参数的比较采用χ^(2)检验或非参数检验。使用多因素logistic回归分析筛选影响腋窝淋巴结转移的独立预测因素,分别构建形态学特征模型、双能量CT定量参数模型和联合模型。采用ROC曲线评估各模型的诊断效能,计算AUC、敏感度和特异度。结果:多因素logistic回归分析表明,形态学特征中最大短径≥5 mm(OR=2.345,P=0.001)、长短径比值<2(OR=4.542,P<0.001)及淋巴门结构消失(OR=6.436,P<0.001),双能量CT定量参数中静脉期λHU(OR=2.235,P<0.001)和静脉期nZeff(OR=5.688,P<0.001)升高是乳腺癌患者ALNM的独立预测因素。构建的形态学特征模型、双能量CT定量参数模型及联合模型的AUC分别为0.796、0.819和0.884;联合模型的诊断效能明显优于其他2个模型(Z=3.852和3.291,均P<0.05),敏感度、特异度分别为82.61%、80.00%。结论:双能量CT定量参数在术前无创评估乳腺癌患者ALNM中具有较好的应用价值,联合形态学特征可明显提升诊断准确率。

DWI联合T_(2) mapping技术在预测乳腺良恶性病变中的价值

目的:探讨DWI联合T_(2) mapping技术对乳腺良恶性病变的鉴别诊断价值。方法:回顾性分析经手术病理证实的乳腺肿块患者82例,其中良性病变32例(良性组),恶性病变50例(恶性组);术前均行乳腺MRI检查,比较2组的ADC值及T_(2)值,分析其对良恶性鉴别的诊断效能。结果:2组病灶形态、ADC值及T_(2)值差异均有统计学意义(均P<0.05)。ADC值、T_(2)值及两者联合诊断乳腺良恶性病变ROC曲线的AUC分别为0.793(95%CI 0.689~0.875)、0.749(95%CI 0.641~0.838)、0.854(95%CI 0.759~0.923)。结论:DWI联合T_(2) mapping技术可提高对乳腺病变良恶性鉴别诊断的准确率,为临床诊疗提供帮助。

基于MRI动态增强扫描瘤内联合瘤周影像组学列线图术前预测乳腺癌HER-2状态的价值

目的:探讨基于MRI动态增强扫描(DCE-MRI)瘤内+瘤周影像组学联合模型列线图术前预测乳腺癌患者人表皮生长因子受体2(HER-2)状态的价值。方法:回顾性分析经术后病理证实的313例乳腺癌患者,根据病理结果分为HER-2阳性(119例)和HER-2阴性(194例);并按照7∶3比例随机分为训练集(218例)和验证集(95例)。采用3D Slicer软件在第2期DCE-MRI图像上对病灶区域及瘤周区域进行半自动分割,采用方差阈值、SelectKBest、最小绝对收缩与选择算子(LASSO)回归进行影像组学特征筛选并分别建立瘤内、瘤周及瘤内联合瘤周影像组学模型。使用logistic回归分析筛选与HER-2状态相关的MRI特征,建立MRI特征模型,再结合瘤内+瘤周影像组学评分构建联合模型并绘制列线图。使用ROC曲线的AUC和校准曲线评估模型的效能,使用决策曲线分析(DCA)评估模型的临床价值。结果:瘤内、瘤周及瘤内+瘤周分别筛选得到13、9、20个特征与乳腺癌HER-2状态相关。在MRI特征中,强化方式(OR=3.600,P=0.001)和ADC值(OR=1.838,P<0.001)是预测HER-2阳性的独立危险因素。瘤内+瘤周影像组学模型在训练集和验证集中的AUC分别为0.842和0.808,优于其他2个影像组学模型。进一步结合强化方式、ADC值及瘤内+瘤周影像组学评分构建的联合模型在训练集和验证集中均显示出良好的校准和区分能力,AUC可分别提高至0.881(0.836~0.927)和0.832(0.750~0.914),DCA结果表明联合模型列线图具有较高的临床价值。结论:基于DCE-MRI衍生的瘤内+瘤周影像组学联合模型列线图对术前预测乳腺癌患者的HER-2状态具有良好的应用价值,有助于指导临床治疗决策。

血管影像的研究现状、挑战与展望

血管疾病是人类致残和死亡的重要原因。医学影像学为血管疾病的诊疗、机制研究提供了必要手段。影像技术、分子成像、影像组学、人工智能等技术的发展,极大地促进了对血管疾病的深入认识与临床管理。拟围绕血管影像的研究现状、面临的挑战和展望进行论述,并以本期血管影像学专栏的6篇论文作为具体范例进行分析。

压缩感知技术在非增强冠状动脉MRA中的应用价值

目的:探讨不同加速因子的压缩感知(CS)技术在非增强冠状动脉MRA(CMRA)中的应用价值。方法:对连续入组的23例健康受试者采用CS和并行成像(PI)技术行非增强CMRA检查,CS加速因子分别设置为3、5、7、9,PI加速因子设置为3。对应分为PI 3、CS 3、CS 5、CS 7和CS 9组。由2名医师分别对5组图像进行4分制主观评分,并由其中1名医师测量冠状动脉各节段的SNR和CNR,取各段的平均值作为相应冠状动脉主干的最终结果。结果:5组图像主观评分差异均有统计学意义(均P<0.05);5组图像主观评分两两比较显示,CS 9组与其他4组比较,差异均有统计学意义(均P<0.05);而CS 3、CS 5、CS 7组与PI 3组比较,差异均无统计学意义(均P>0.05)。5组冠状动脉分支的SNR及CNR差异均有统计学意义(均P<0.05);5组图像的SNR及CNR两两比较显示,CS 9组与其他4组比较,差异均有统计学意义(均P<0.05);而CS 3、CS 5、CS 7组与PI 3组比较,差异均无统计学意义(均P>0.05)。当CS加速因子为3、5、7、9时,扫描时间可较常规PI 3组分别减少17.45%、41.14%、56.77%、65.62%。结论:当CS加速因子设置为7时,可在保证非增强CMRA图像质量的前提下,显著缩短采集时间,值得在临床推广应用。

超低管电压联合大螺距扫描模式在冠状动脉搭桥术后 随访中的应用

目的:探讨超低管电压联合大螺距扫描模式在冠状动脉(冠脉)搭桥术后随访中的应用价值。方法:选取接受冠脉搭桥术并行冠脉CTA(CCTA)的患者54例,随机分为A、B 2组各27例。A组采用超低剂量方案:70 kV,大螺距扫描模式,对比剂注射流率3.0 mL/s,剂量30~40 mL;B组采用常规方案:100 kV,前瞻性心电门控扫描模式,对比剂注射流率5.0 mL/s,剂量50~60 mL。分别在桥血管的近段、中段及远段放置ROI,并记录ROI的CT值和标准差(SD)值,计算SNR和CNR。采用4分法对各节段图像进行主观评分,并计算2组的有效辐射剂量(ED)。结果:2组患者不同节段的桥血管在图像客观质量(包括CT值、SD值、SNR、CNR)及主观质量评分上差异均无统计学意义(均P>0.05)。A组的对比剂剂量、ED分别为(34.9±3.2)mL、(1.1±0.2)mSv,B组分别为(53.4±4.9)mL、(3.2±0.4)mSv,2组差异均有统计学意义(均P<0.05),且A组对比剂剂量和ED较B组分别降低约34.6%和65.6%。结论:心率≤65次/min且心律齐的冠脉搭桥患者,采用70 kV联合大螺距扫描模式可在不降低图像质量的前提下,显著降低对比剂剂量和辐射剂量。