基于增强CT不同影像组学模型术前预测食管鳞状细胞癌分化的应用

目的采用增强CT图像、不同机器学习模型建立食管鳞状细胞癌术前病理分化的影像组学模型,探讨影像组学模型术前预测食管鳞状细胞癌分化的可行性及价值。方法回顾性分析172例术后病理结果为食管鳞状细胞癌病例,分为分化良好组和分化不良组。将其增强CT图像以DICOM格式导入医准-达尔文系统,按3∶1随机分为训练集和测试集,提取静脉期CT图像的影像组学特征,应用最小最大值归一化法、最优特征筛选和最小绝对收缩和选择算子(LASSO)回归对其进行降维、筛选,分别构建支持向量机、随机森林和Logistic回归模型,利用5倍交叉验证对三种模型进行训练,绘制三种模型训练集和测试集ROC曲线,评估其诊断效能。结果三种影像组学模型的AUC均大于0.7,支持向量机模型AUC最高,AUC为0.88。不同分化组的临床炎性指标差异无统计学意义(P>0.05)。训练集和测试集临床特征差异无统计学意义(P>0.05)。结论基于增强CT三种影像组学模型可用于术前预测食管鳞状细胞癌病理分化程度。

Revolution CT单能量成像联合低管电流、个体化剂量及ASiR技术在头颈部CTA中的应用价值研究

目的探讨Revolution CT单能量成像联合低管电流、个体化剂量及自适应统计迭代重建(ASi R)技术在头颈部CT血管成像(CTA)中的应用价值。方法将60例临床疑诊头颈部血管疾病需行头颈部CTA检查的患者分为64排常规螺旋CT扫描组、256 Revolution CT单能量成像联合低管电流、个体化剂量及ASiR技术组各30例。对两组图像进行主观及客观评分。记录两组扫描的剂量长度乘积(DLP)。结果研究组主动脉弓、颈动脉分叉处及大脑中动脉M1段CT值均高于常规组,差异具有统计学意义(P<0.05)。研究组DLP及有效辐射剂量(ED)明显低于常规组,差异具有统计学意义(P<0.05)。研究组平均碘对比剂用量及碘负荷低于常规组,差异具有统计学意义(P<0.05)。两组图像噪声及图像质量主观评分无统计学意义(P>0.05)。两组图像主动脉弓、颈动脉分叉处及大脑中动脉M1段的信噪比(SNR)、对比信噪比(CNR)的差异无统计学意义(P>0.05)。结论Revolution CT单能量成像联合低管电流、个体化剂量及ASiR技术可获得符合临床诊断标准的头颈部血管图像,同时可明显降低辐射剂量及碘对比剂用量。