2019年 · 第53卷第11期

医学影像人工智能（AI）是当今前沿的临床医学研究方向。医学影像AI在临床工作的应用主要集中于计算机辅助检测、计算机辅助诊断和病情监测3个方向，产生了大量研究成果，但在向临床应用转化方面还面临许多挑战。

脑血管病是目前我国致死率排名第一的疾病，急性脑血管病也是单病种致残率最高的疾病，给社会带来沉重的负担。近年来，影像学在脑血管病防治中的关键作用日益彰显，但目前我国脑血管病影像检查及解读仍然缺乏规范。《脑血管病影像规范化应用中国指南》以我国脑血管病流行病学特征为基础，充分考虑我国脑血管病临床诊治需求，同时紧密结合国内外脑血管病诊治的最新指南和最新临床研究结果进行书写，内容涵盖了技术规范化、路径规范化、扫描规范化和诊断规范化4个部分，用于规范我国脑血管病影像流程，明确各级卒中防治单位职责，指导实际工作，从而加强脑血管病影像检查在临床工作中的作用，提高行业对脑血管病影像的认识。

目的 探讨深度学习技术在自发性脑出血CT影像分割和精准计算出血病灶体积的效果。 方法 回顾性分析天津医科大学总医院2016年4月至2018年4月影像及临床诊断为自发性脑出血的1 223例患者资料。分为实质内出血、脑室出血、蛛网膜下腔出血和混合型出血4种类型。采用完全随机法将患者分为训练集905例、验证集156例、测试集162例，实质内出血分别为498、107和100例。由医师对出血区域进行轮廓勾勒标注，作为金标准构建模型以评测测试集性能。采用脑卒中人工智能检测分析系统构建模型，并采用多田公式计算出血体积。在测试集中筛选97例单纯实质内出血患者，按照实质内出血体积，将97例患者分为<5 ml组、5~25 ml组及>25 ml组，记录采用多田公式、模型预测的出血体积绝对和相对误差，并记录模型预测的Dice指数。 结果 测试集162例中，深度分割模型在实质内出血、脑室出血、蛛网膜下腔出血和混合型出血的Dice指数分别为0.87、0.85、0.67和0.77。在单纯实质内出血的97例患者中，模型计算血肿量为（29.55±37.69）ml，多田公式计算的血肿量为（24.04±31.22）ml。实质内出血体积<5 ml组、5~25 ml组及>25 ml组，采用模型预测的出血体积绝对误差分别为（0.52±0.54）、（1.53±1.22）、（7.93±8.49）ml，多田公式得到的出血体积绝对误差分别为（0.68±0.60）、（3.16±2.90）、（19.31±17.23）ml。 结论 利用深度学习模型自动分割脑出血可以应用于实质内血肿计算，误差小于多田公式计算结果。

目的 探讨基于甲状腺乳头状癌（PTC）原发癌灶的CT小波纹理分析预测PTC中央组淋巴结（CLN）转移的可行性。 方法 回顾性分析2013年12月至2019年8月昆明医科大学第一附属医院行PTC手术切除及中央组或全颈淋巴结清扫，并对清扫的CLN进行病理检查的250例（307枚结节）患者。术前2周内均行甲状腺CT双期增强扫描。将2013年12月至2017年12月的160例（189枚）作为训练集，2018年1月至2019年8月的90例（118枚）作为验证集。根据CLN的病理检查结果分为转移组和未转移组。使用DeepWise软件手动逐层勾画CT增强静脉期PTC癌结节，每枚结节提取576个小波纹理特征。比较两组间纹理特征参数的差异，手动筛选ROC曲线下面积（AUC）排列前10的小波纹理特征，logistic回归建立模型并验证，利用ROC曲线评价模型的诊断效能。 结果 CLN转移组与未转移组间有124个纹理特征比较的差异有统计学意义（P<0.05），手动筛选AUC值排列前10的纹理特征作为最佳特征参数，AUC值为0.599~0.630（P<0.05）。以上10个特征间不存在共线性相关，小面积低灰度强调是独立预测风险因素。由静脉期纹理特征构建的训练集诊断CLN转移的AUC、敏感度、特异度和准确度分别为0.693、62.84%、60.47%、62.96%，验证集诊断CLN转移的AUC、敏感度、特异度和准确率分别为0.602、64.95%、33.33%、59.32%。 结论 基于PTC原发癌灶的CT小波纹理分析预测CLN转移可行，并具有一定价值。

目的 评估使用常规肺CT扫描数据训练的肺结节良恶性判别深度学习模型，在肺结节靶扫描CT图像上的良恶性分类效能。 方法 回顾性分析上海市胸科医院2016年1月至2018年12月间胸部CT扫描发现肺结节并行手术切除的患者923例，共搜集有病理检测报告且在常规扫描和靶扫描数据集上可对应的结节969个。使用基于常规扫描CT数据训练的深度学习良恶性分类模型，对于本研究中搜集的常规扫描和靶扫描数据集进行评测，评估指标包含两者的曲线下面积（AUC）、准确率、敏感度和特异度，并使用综合判别改善指数及Delong测试比较两者的性能差异。 结果 常规扫描数据集上的曲线下面积、准确率、敏感度和特异度分别为0.80、82.0%、86.0%和56.6%，靶扫描数据集上的曲线下面积、准确率、敏感度和特异度分别为0.84、85.0%、88.8%和60.5%。综合判别改善指数为0.056，差异有统计学意义（Z检验，P<0.05），且ROC曲线下面积差异有统计学意义（Delong检验，P=0.01）。 结论 基于常规肺CT扫描数据训练的深度学习肺结节良恶性分类模型，在肺部靶扫描数据上可以取得更好的诊断效能。

目的 基于深度学习肺结节良恶性鉴别诊断模型，探讨基线胸部平扫CT对肺结节良恶性的鉴别诊断价值。 方法 回顾性连续纳入东部战区总医院2009年5月至2017年6月在胸部平扫CT上表现为肺结节且有病理证实的130例患者，共纳入136个结节，其中恶性结节86个，良性结节50个。所有患者至少有2次及以上随访胸部平扫CT检查，其中第1次检查为基线检查，病理前最后1次检查为最终检查。使用Dr.Wise Lung Analyzer中基于细粒度特征的深度学习良恶性鉴别诊断模型对肺结节的良恶性进行判断。绘制深度学习模型的ROC，计算曲线下面积（AUC），采用Delong检验比较模型在基线和最终检查的AUC。根据结节的密度对结节进行分组，其中亚实性结节（纯磨玻璃和混合磨玻璃结节）87个，实性结节49个。分别计算两组内，模型在基线和最终检查的AUC差异。 结果 采用深度学习模型判断结节良恶性，最终检查AUC为0.876，基线检查AUC为0.819，两者差异无统计学意义（P=0.075）。对长径≤10 mm的肺小结节，深度学习模型在最终检查AUC为0.847，在基线检查AUC为0.734，最终检查优于基线检查，但两者差异没有统计学意义（P=0.058）。对于实性结节，深度学习模型在最终检查的AUC（0.932）优于基线检查的AUC（0.835），但两者之间差异没有统计学意义（P=0.066）。对于亚实性结节，深度学习模型在最终检查的AUC（0.759）和基线检查的AUC（0.728）相仿，两者之间差异没有统计学意义（P=0.580）。 结论 基于胸部平扫CT的深度学习模型可以在基线判断肺结节包括小结节的良恶性，对于亚实性结节的判断在基线检查和随访最终检查的效能更接近。

目的 探讨CT影像组学定量特征在预测肺腺癌间变性淋巴瘤激酶（ALK）融合基因表达中的价值。 方法 回顾性分析2015年11月至2018年5月北京协和医院有ALK基因检测结果且术前接受本院胸部CT检查的195例肺腺癌患者（其中ALK突变患者60例）。使用肺结节自动检测分割算法在CT图像上标注病变的三维容积感兴趣区（VOI）。利用PyRadiomics工具对所有VOI区域进行重采样、图像预处理（包括基于小波和拉普拉斯滤波器的预处理方法）和特征提取。在Dr.Wise科研平台上对已提取的特征进行标准化处理，并分别基于不同图像预处理方式及不同特征类型筛选关键特征，用多因素logistic回归建模和10次5折交叉验证法进行验证。采用ROC评价模型对ALK基因突变的预测能力，并使用DeLong比较不同模型的效能。 结果 每个病灶共提取1 232个影像组学特征。在特征筛选后共纳入15个组学特征建模，在训练集和验证集中模型预测ALK基因突变的AUC分别是0.88和0.78。分别基于原始CT图像、小波处理后图像和拉普拉斯高斯滤波器处理后图像的组学特征建模时，在验证集中模型的AUC分别为0.76、0.75和0.76。这3组模型与全部特征联合建模模型的效能相比差异均无统计学意义（P>0.05）。以不同类型的组学特征建模，一阶特征和灰度共生矩阵（GLCM）纹理特征预测ALK基因突变能力较好，其中GLCM特征模型最优，在验证集中的AUC为0.83，准确率、敏感度和特异度分别为0.74、0.85和0.69；一阶特征模型在验证集中的AUC为0.80。 结论 CT影像组学定量特征在预测肺腺癌ALK融合基因表达中有较大的应用价值。

目的 探讨基于深度学习的乳腺X线影像钙化检出系统的价值。 方法 回顾性分析2013年1月至12月解放军总医院第五医学中心南院区乳腺X线常规检查1 431例患者的5 488幅影像，每例检查均拍摄头尾位（CC）及内外斜位（MLO）图像。通过低年资医师A独立阅片、高年资医师B审核的方式，建立钙化检出的参考标准。采用χ2检验研究不同因素（钙化形态、钙化分布、分类、美国放射学院腺体构成分类、患者年龄）对于深度学习和医师A的影响。 结果 深度学习对所有钙化的敏感性96.76%（7 649/7 905），假阳性平均每幅影像1.04（5 706/5 488）个，平均每例检查3.99（5 706/1 431）个，假阳性率为42.73%（5 706/13 355）。深度学习和医师A对于典型良性和可疑恶性间钙化、不同形态钙化的诊断差异均有统计学意义（P均<0.05）。深度学习对于不同分布钙化、BI-RADS分类、美国放射学院腺体构成钙化的敏感性差异无统计学意义（P>0.05），而医师A的差异有统计学意义（P<0.05）。深度学习和医师A对于不同年龄下钙化检出的敏感性差异均无统计学意义（P>0.05）。 结论 基于深度学习的乳腺X线影像钙化检出系统具有很高的敏感性以及一定的稳定性，可以有效减少阅片流程中钙化，尤其是可疑恶性钙化的漏检。

目的 构建基于深度学习的儿童骨龄人工智能（AI）评估模型，并进行初步的临床验证。 方法 回顾性连续纳入2018年3月至8月无锡市儿童医院儿童骨龄DR片5 000例，按年龄段等比例采样原则训练集纳入2 351例，验证集101例。由4名放射学专家采用中华05RUS-CHN法，双盲评估关键骨骺发育等级，取专家骨龄评测的均值为参考金标准。采用深度学习方法训练并建立骨龄评估AI模型，另选2名儿童影像住院医师人工测评验证集骨龄，作为临床验证对照组。计算AI模型和2名住院医师骨龄测评的准确率、平均绝对误差（MAE）、均方根误差（RMSE）及耗时，并采用配对t检验和F检验及χ2检验比较。 结果 AI模型与参考金标准之间的MAE为（0.37±0.35）年，RSME为0.50年，完成1份骨龄评价报告用时（4.58±0.91）s。2名住院医师和AI模型评价的MAE、RSME差异均无统计学意义（P>0.05），评价用时明显长于AI，差异有统计学意义（P<0.05）。当误差范围在±1.0岁、±0.7岁及±0.5岁以内，AI模型评价验证集准确率分别为94.1%（95/101）、89.1%（90/101）和74.3%（75/101），AI评测骨龄与2名医师之间的准确率差异均无统计学意义（P>0.05）。 结论 构建的基于深度学习的儿童骨龄评估AI模型具有可行性，并具有准确性高以及耗时短的特点。

目的 基于全脑白质的MR影像组学预测脑白质高信号（WMH）进展及其相关危险因素分析。 方法 回顾性分析2014年3月至2018年10月在浙江省人民医院行两次头颅MRI检查的152例患者资料，选取每例患者的基线T1WI图像使用统计参数图（SPM）12软件包切割出全脑白质并导入AK分析软件进行纹理特征提取和降维，最终使用最小绝对收缩与选择算子算法（LASSO）计算每例患者的影像组学标签值。依据改进Fazekas量表，将WMH进展患者分为任何区域进展（AWMH）、侧脑室旁高信号进展（PWMH）和深部高信号进展（DWMH）3种状态，使用独立样本t检验或者Mann-Whitney U检验比较各个状态WMH进展亚组和非进展亚组之间各临床因素和影像组学标签值差异，对各状态筛选出的有统计学差异的因素使用单因素逻辑斯回归筛选独立临床危险因素并使用多变量逻辑斯回归结合影像组学标签构建预测模型，使用ROC曲线评估模型诊断效能，同时分析独立危险因素的临床指标与构建影像组学标签纹理值的相关性。 结果 预测AWMH进展、PWMH进展和DWMH进展的影像组学模型的ROC曲线下面积（AUC）分别为0.818、0.778和0.824。其中年龄是AWMH进展和DWMH进展的独立危险因素[OR（95%CI）为4.776（2.152~10.601）和3.851（1.101~8.245）；P<0.05]，体质指数是DWMH的独立危险因素[OR（95%CI）为3.004（1.204~7.37）；P<0.05]，高脂血症是AWMH和PWMH的独立危险因素[OR（95%CI）为4.062（1.834~8.998）和3.549（1.666~7.563）；P<0.05]。在AWMH亚组中，SurfaceArea与年龄和低密度脂蛋白呈负相关（r=-0.401，-0.312），InverseDifferenceMoment_ALLDirection_offset1_SD与年龄呈负相关（r=-0.412）。在PWMH亚组中，Compactness1与低密度脂蛋白呈负相关（r=-0.198），InverseDifferenceMoment_angle0_offset7与低密度脂蛋白呈正相关（r=0.252）。在DWMH亚组中，LongRunEmphasis_ALLDirection_offset7与年龄呈负相关（r=-0.322），GLCMEntropy_angle0_offset4与年龄呈负相关（r=-0.278）。GLCMEntropy_AllDirection_offset4与体质指数呈负相关（r=-0.514）。 结论 基于全脑白质影像组学可以预测WMH进展并确立高风险人群的危险因素，可以为常规MR预测WMH进展提供早期额外信息。

目的 研究高分辨率CT（HRCT）上显示无或少量实性成分的亚实性结节内血管及支气管异常与肺腺癌类病变侵袭性的相关性。 方法 回顾性分析我院2014年1月至2016年6月的315个HRCT显示为纯磨玻璃结节或实性成分≤6 mm且手术证实为肺腺癌类病变的亚实性结节，其中226个为pGGN，89个为部分实性结节。腺癌浸润前病变（PIL）48个，微浸润性腺癌（MIA）29个；浸润性腺癌（IAC）238个。IAC中附壁为主型145个（附壁成分≥50%），非附壁为主型93个（附壁成分<50%）。观察结节内血管及支气管形态改变，采用卡方检验分析结节HRCT征象与病理类型及腺癌亚型的相关性。采用单因素方差分析检验不同病理类型组中结节最大径差异。 结果 结节为纯磨玻璃密度或部分实性与结节的PIL、MIA、IAC分类无相关性（χ2=3.759，P=0.153）。IAC组中血管形态异常率及支气管异常率分别为59.24%（141/238）、18.49%（44/238），MIA中分别为13.79%（4/29）、3.45%（1/29）；PIL中均为0%；结节内血管、支气管形态异常与结节PIL、MIA、IAC类型相关（χ2=69.797，P<0.001；χ2=14.213，P=0.001）。在非附壁为主型腺癌中血管及支气管形态异常率分别为78.49%（73/93）、26.88%（25/93），显著高于附壁为主型腺癌[46.90%（68/145）、13.10%（19/145）]，结节内血管、支气管形态异常与浸润性腺癌亚型相关（χ2=22.139，P<0.001；χ2=6.253，P=0.012）。 结论 在HRCT上无或仅含少量实性成分的亚实性结节内肺血管及支气管异常与肺腺癌类病变侵袭性及腺癌亚型密切相关。

目的 探讨MRI平扫及动态增强扫描在鉴别动脉期非高强化胰腺神经内分泌肿瘤（PNET）和胰腺导管腺癌（PDAC）中的价值。 方法 回顾性分析2010年1月至2018年11月北京大学第三医院经过病理证实的35例PNET（共45个病灶）和52例PDAC（共53个病灶）的MRI平扫及动态增强扫描（包括动脉期、静脉期、延迟期）特点。根据动脉期强化程度将PNET病灶分为高强化组和非高强化组。记录非高强化组PNET和PDAC组病变的位置、大小、数量及边缘、平扫及增强各期信号特点。观察胰管、胆管及胰腺形态、血管侵犯及周围浸润情况及其他脏器转移情况。两组病变信号强度比值比较使用独立样本t检验。病变各征象及继发征象的比较使用χ2检验。 结果 高强化组共20个病灶，非高强化病灶共25个病灶。非高强化PNET组病灶动脉期、静脉期、延迟期强化程度均高于PDAC组（P<0.01）。静脉期PNET组等高强化病灶数量（20/25）和延迟期等高强化病灶数量（23/25）多于PDAC组（P<0.01）；17个病灶边缘较规则（P<0.01）；主胰管狭窄患者（8/25）明显少于PDAC组（P<0.01）；继发远端胰管扩张（6/25）较少（P<0.01），扩张程度较轻，远端胰腺萎缩（5/25）较少（P<0.05）；仅2例累及胆总管；胰周浸润（8/25）较PDAC组少（P<0.01），血管侵犯（8/25）较PDAC组少（P<0.05）。 结论 边缘规则，静脉期及延迟期高或等强化，胰管无扩张或轻度扩张、胰腺无萎缩更支持动脉期非高强化PNET的诊断，有助于和PDAC鉴别。

目的 探讨不同单能量及权重多模型的自适应统计迭代重组（ASiR-V）在头颅能谱CTA中对图像质量和辐射剂量的影响，获取显示头颅血管的最佳单能量及迭代重组参数。 方法 （1）体模研究：对置入模拟脑血管的头颅仿真体模进行80、140 kV瞬时切换能谱扫描，将其分为A体模组，采用低管电流（280 mA），分别进行反滤波投影（FBP）及ASiR-V 20%、40%、60%、80%重组，得到40、45、50、55、60、65、70 keV的单能量图像；B体模组采用常规管电流（445 mA）和FBP算法，自动输出70 keV图像。测量各组图像模拟脑血管CT值及背景噪声，计算信噪比（SNR）及对比噪声比（CNR）。（2）临床研究：前瞻性纳入2018年1月至6月四川大学华西医院需行头颅增强CTA检查的40例患者，采用数字表法随机分为A患者组和B患者组，A患者组的扫描参数与A体模组一致，B患者组的扫描参数和B体模组一致。采用5分法对图像进行主观评分。记录体模研究和临床研究各组扫描的剂量长度乘积（DLP）。采用独立样本t检验比较A患者组和B患者组间DLP的差异，采用ANOVA单因素方差或Mann-Whitney U秩和检验比较各组图像的质量。 结果 （1）体模研究：不同单能量图像上，模拟脑血管噪声、CNR差异有统计学意义（P<0.05），40~55 keV图像CNR高于70 keV，差异有统计学意义（P<0.05）；不同迭代重组比例图像上，模拟脑血管噪声、SNR及CNR差异均有统计学意义（P<0.05）；ASiR-V 60%及80%图像的SNR、CNR高于其余组（P<0.05），但二者间差异无统计学意义（P>0.05）；ASiR-V 80%图像噪声较低（P<0.05）。（2）临床研究：A患者组中55 keV及60 keV图像质量主观评分高于其他组，且随着迭代重组比例增加，40~50 keV图像的主观评分增高，差异有统计学意义（P<0.05）。低管电流（280 mA）、55 keV、ASiR-V 60%及ASiR-V 80%组患者模拟脑血管图像的SNR、CNR及主观评分高于B组患者，A患者组的DLP为（131.42±8.68）mGy·cm，低于B患者组的（212.18±11.56）mGy·cm（t=23.974，P<0.05）。 结论 使用低管电流（280 mA）进行头颅CTA能谱扫描结合单能量及ASiR-V迭代算法可在保证较好图像质量的同时显著降低辐射剂量，55 keV结合ASiR-V 60%~80%可以获得较高的图像质量，满足诊断需求。

目的 合成叶酸（FA）修饰的同时负载索拉非尼（SF）和超顺磁性氧化铁（SPIO）的pH敏感纳米胶束，研究该胶束的MR显像功能和抗肝癌效果。 方法 制备FA-聚乙二醇（PEG）-聚天冬氨酸酰二正丁基乙二胺/二异丙基乙二胺[PAsp（DBA/DIP）]，作为SF和SPIO的载体，合成靶向纳米胶束FA-PEG-PAsp（DBA/DIP）-SPIO/SF（FPASS）；无FA修饰的PEG-PAsp（DBA/DIP）-SPIO/SF（PASS）为非靶向纳米胶束。检测胶束的理化性质及药物释放特性。HepG2细胞与不同铁浓度的胶束孵育后进行MR扫描，与铁浓度20 μg/ml的胶束孵育后进行普鲁士蓝染色，评估胶束的药物输送效率及显像功能（实验同时设置FA竞争抑制组，即在加入FPASS处理细胞前先用游离FA与细胞孵育，竞争性结合细胞表面FA受体）。采用细胞活性、细胞凋亡、细胞周期和小管形成试验评估胶束的抗肝癌效能。实验结果组间差异通过单因素方差分析比较，两两比较采用LSD检验。 结果 FPASS和PASS的粒径分别为（102.3±5.2）nm和（107.1±5.7）nm；二者的δ电位分别为（29.7±1.6）mV和（31.5±1.4）mV；二者的T2弛豫率均为（5.2±0.4）ml·μg-1·s-1，明显高于水溶性Fe3O4颗粒[（2.3±0.1）ml·μg-1·s-1]，差异有统计学意义（F=76.45，P<0.01）。胶束的药物释放效率在pH 5.0条件下较pH7.4时明显增快，具有pH敏感释药功能。随着孵育胶束铁浓度的增加，细胞T2WI和T2-map图像的信号强度和T2值逐渐下降，且在相同铁浓度下（5、10、20、40 μg/ml），FPASS组细胞的T2信号与T2值明显低于PASS组和FA竞争抑制组细胞（F分别为8.69、14.03、27.27、32.25和19.80、45.76、113.20、66.80，P均<0.01）。普鲁士蓝染色验证了细胞内SPIO颗粒的存在。与PASS比较，FPASS在促进HepG2细胞凋亡、诱导细胞G0/G1期阻滞和抗脐静脉内皮细胞小管形成等方面均具有更为显著的效果（t分别为7.905、4.399、3.454，P均<0.01）。 结论 合成的pH敏感靶向纳米胶束FPASS具备敏感的MR显像功能，且能靶向地向肝癌细胞输送SF，抗肝癌作用显著。

目的 探讨T2*mapping技术定量评价肾脏缺血再灌注损伤（IRI）后不同时间点动态变化的可行性。 方法 选取新西兰大白兔18只，采用无创血管夹夹闭左侧肾蒂60 min后松开建立IRI模型。分别于建模前及建模后1、12、24、48 h行左肾轴面T2WI和T2*mapping扫描，在建模后1、12、24 h选取2只兔处死，其余10只兔在48 h后处死，对细胞水肿、细胞坏死、间质炎症及管型等进行病理分级评分。测量左肾内髓、外髓和皮质的T2*值及R2*值。用重复测量方差分析比较肾脏各部位5个时间点间T2*值的差异，并对各时间点T2*值、R2*值与对应的病理评分进行Spearman相关分析。 结果 建模前及建模后1、12、24、48 h的内髓、外髓T2*值及R2*值差异均有统计学意义（P<0.05），皮质T2*值和R2*值差异均无统计学意义（P>0.05）。细胞坏死、间质炎症和管型评分则随着IRI的发展逐渐增长，IRI后外髓的T2*值与对应区域的细胞水肿、间质炎症及管型评分呈正相关（r值分别为0.57、0.38、0.33，P均<0.05）；外髓R2*值与对应区域的细胞水肿呈负相关（r=-0.52，P<0.05）。 结论 T2*mapping可反映肾脏IRI后不同区带、不同时间点的动态变化，其中以外髓带最为明显，并与病理评分存在较好的一致性。

本文报道儿童右额叶炎性肌纤维母细胞瘤（IMT）影像表现一例。患儿，男，5岁8个月，CT表现为右额叶见近中线旁等高密度肿块影，呈多发结节状，有融合，周围见水肿带，增强后明显强化；MRI表现为右侧额叶中线旁肿块，T1WI呈等低信号，T2WI呈等信号，液体衰减反转恢复（FLAIR）序列呈等信号，内见流空血管影，DWI呈稍高信号，周围可见壁，肿块周围水肿明显，周围见多个结节灶，增强后病灶呈明显强化。病理诊断：炎性肌纤维母细胞肿瘤（潜在/低度恶性）。

笔者收集右心室异位甲状腺腺瘤一例。患者，女，48岁，体检发现右心室占位，影像表现为右心室内类圆形中等稍强回声（超声）/稍高密度（CT）肿块，增强呈不均匀明显强化，行肿块摘除术，病理诊断为右心室异位甲状腺腺瘤。心内异位甲状腺十分罕见，临床表现缺乏特异性且可继发甲状腺的任何疾病，容易误诊误治。影像学提示性诊断可提醒临床关注正位甲状腺是否存在，避免单纯考虑心脏占位盲目切除而致甲状腺功能丧失或减退等并发症。

新辅助化疗（NAC）是治疗局部晚期乳腺癌的规范化疗法。不同分子分型的乳腺癌具有不同的生物学特点、影像学特点、治疗方案及预后。根据不同分子分型乳腺癌MRI表现及功能MRI技术评价NAC疗效并预判是否达到病理完全缓解（pCR），对临床的精准治疗和预后判断具有重要指导意义。不同分子分型乳腺癌MRI影像学特点不同，NAC后的退缩方式及预测病理完全缓解的因素需要了解和掌握。