基于CT平扫的放射组学列线图鉴别动静脉畸形脑出血与原发性脑出血的价值熊星 王佳 戴瑶 查昕怡 刘原庆 张妤 胡春洪
中华放射学杂志2021年 55卷 08期
DOI: 10.3760/cma.j.cn112149-20201021-01174
目的
开发基于基线平扫CT的放射组学列线图模型以鉴别动静脉畸形(AVM)脑出血与原发性脑出血。
方法
回顾性分析苏州大学附属第一医院2017年10月至2020年9月经手术证实的脑出血患者135例,其中AVM脑出血患者52例,原发性脑出血患者83例。从基线平扫CT提取放射组学特征,计算放射组学评分(Radscore)并构建放射组学模型;结合临床特征和CT征象的多元logistic回归分析用于建立临床模型,并结合Radscore建立列线图模型。使用ROC曲线和决策曲线分析(DCA)评估模型的判别性能。
结果
经筛选得到的6个特征用于建立放射组学模型。临床模型由年龄(OR 4.739,95%CI 1.382~16.250)和血肿位置(OR 0.111,95%CI 0.032~0.385)构成,列线图模型由年龄、血肿位置和Radscore构成。在训练组,列线图模型(曲线下面积为0.912)与临床模型(曲线下面积为0.816)、放射组学模型(曲线下面积为0.857)比较,差异有统计学意义(Z值分别为2.776、2.034,P值分别为0.006、0.042);在验证组,列线图模型(曲线下面积为0.919)与临床模型(曲线下面积为0.788)和放射组学模型(曲线下面积为0.810)比较差异无统计学意义(Z值分别为1.796、1.788,P值分别为0.073、0.074)。DCA分析表明,列线图模型的临床价值优于临床模型和放射组学模型。
结论
列线图模型可有效鉴别AVM脑出血与原发性脑出血,有助于临床决策。
基于影像组学特征的机器学习模型诊断垂体泌乳激素大腺瘤孔鑫 李伟 龙云玲 蒙茗 李院军 马军
中华放射学杂志2021年 55卷 08期
DOI: 10.3760/cma.j.cn112149-20200915-01097
目的
探讨影像组学方法诊断垂体泌乳激素大腺瘤(PPM)的效能与可行性。
方法
回顾性分析2012年1月至2018年12月首都医科大学附属北京天坛医院经病理证实的垂体大腺瘤患者122例,其中PPM 70例、非泌乳激素大腺瘤(NPPM)52例,比较两者年龄、性别、泌乳素水平、出血、囊变及Knosp分级的差异。应用3Dslicer软件对术前轴面T1WI增强图像进行预处理、感兴趣区勾画与特征提取。使用最小绝对收缩和选择算子进行特征选择。所有病例以7∶3的比例随机分为训练组(85例)与测试组(37例),使用logistic回归与支持向量机(SVM)在训练组与测试组进行建模与测试,分别绘制ROC曲线,计算特异度、灵敏度、准确度及ROC曲线下面积(AUC)。
结果
PPM与NPPM患者的年龄[分别为(38±12)岁、(43±11)岁]、性别(男/女分别为50例/20例、14例/38例)及泌乳素水平[分别为366.00(117.75,1 156.25)μg/L、47.25(32.68,62.40)μg/L]差异存在统计学意义(P<0.05)。Logistic回归与SVM在训练组鉴别诊断PPM与NPPM的AUC值分别为0.936和0.946,测试组AUC值为0.768和0.774。Logistic回归与SVM在训练组鉴别诊断PPM与NPPM的准确度分别为88.2%和91.8%,测试组的准确度分别为73.0%和77.8%。
结论
基于影像组学特征的机器学习模型对垂体泌乳激素大腺瘤的诊断效能较高。
基于DWI和FLAIR的深度学习预测急性卒中发病时间姜亮 周蕾蕾 艾中萍 陈宇辰 尚松安 王思雨 陈慧铀 施梦烨 耿文 殷信道
中华放射学杂志2021年 55卷 08期
DOI: 10.3760/cma.j.cn112149-20201027-01187
目的
探讨基于DWI和液体衰减反转恢复序列(FLAIR)的深度学习技术构建预测急性卒中发病时间模型的效果。
方法
回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例,测试集98例;再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型,构建并验证基于单序列(DWI、FLAIR)和多序列(DWI+FLAIR)的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积(AUC)、准确度等性能。
结果
发病时间≤4.5 h患者中94例(94/207)存在DWI-FLAIR不匹配,发病时间>4.5 h患者中28例(28/117)存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607,准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761,准确度为71.4%;DWI序列预测急性卒中发病时间的AUC为0.836,准确度为81.6%;基于多序列(DWI+FLAIR)深度学习模型预测急性卒中发病时间的AUC为0.852,明显优于人工识别(Z=0.617,P=0.002)、基于FLAIR序列深度学习模型(Z=2.133,P=0.006)和基于DWI序列深度学习模型(Z=1.846,P=0.012)。
结论
基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别,可为未知发病时间的卒中患者提供静脉溶栓治疗指导。
人工智能在基于颅脑CT灌注数据血管后处理的应用黄晓颖 暴云锋 李霞敏 郭方凯 李知非 单春辉 陈英敏
中华放射学杂志2021年 55卷 08期
DOI: 10.3760/cma.j.cn112149-20200914-01087
目的
探讨人工智能(AI)在基于颅脑CT灌注数据重组CTA的图像后处理中的应用价值。
方法
回顾性分析2020年1至7月河北省人民医院疑似脑血管疾病的100例患者的临床及影像资料。按检查方案的不同将分为A、B 2组,每组50例。A组行颅脑CT灌注检查(选取动静脉CT值差值最大期的前5个时相生成的时间最大密度投影数据集为A1亚组,差值最大期的原始薄层图像为A2亚组),B组行单时相CTA检查,分别进行人工和AI后处理。测量3组图像CT值、噪声(SD)、信噪比(SNR)、对比噪声比(CNR)客观评价指标并进行主观评分,记录并统计人工和AI后处理的血管分割合格率与后处理时间。采用单因素方差分析比较图像的客观评价指标,Kruskal-Wallis H检验比较主观评分差异。
结果
3组横断面原始图像的主观评分、客观评价指标差异均有统计学意义(P均<0.05),其中A1组动脉强化程度及小动脉细节显示评分、脑动脉CT值、SNR、CNR均高于A2亚组和B组(P均<0.05)。100例患者共1 100条血管,A1亚组[98.4%(541/550)]、B组[98.7%(543/550)]的AI血管重组合格率均高于人工重组[82.9%(456/550)、87.1%(479/550),χ²值分别为77.392、56.521,P<0.001],A2亚组的[78.4%(431/550)]AI血管重组合格率低于人工重组[85.6%(471/550),χ²=9.855,P=0.002]。AI处理完成时间较人工分别缩短56.30%、49.63%、50.81%。
结论
与人工后处理相比,AI在基于颅脑CT灌注降噪数据的CTA后处理的图像质量与工作效率上具有一定优势,结合人工质控,在脑血管病影像后处理方面值得推广应用。
2-羟基戊二酸联合谷氨酸及谷氨酰胺无创预测低级别胶质瘤异柠檬酸脱氢酶基因突变状态的磁共振波谱研究俞梅美 沈慧聪 常天静 葛颖 王子璇 陈绪珠 季楠 厉欣 再帕尔·阿不力孜
中华放射学杂志2021年 55卷 08期
DOI: 10.3760/cma.j.cn112149-20200930-01129
目的
采用长TE单体素不对称自旋回波点解析波谱(PRESS)成像探讨临床中有效判别异柠檬酸脱氢酶(IDH)基因突变状态的功能影像学指标。
方法
前瞻性纳入术前拟诊为低级别胶质瘤的患者25例,并根据病理结果分为IDH基因突变组和IDH基因野生组。所有患者均接受长TE PRESS MRS扫描。患者的IDH基因突变状态均以术后焦磷酸测序法获得的结果为金标准。采用t检验或Mann-Whitney U检验分析IDH基因突变组与IDH基因野生组间的2-羟基戊二酸(2HG)、谷氨酸(Glu)、谷氨酰胺(Gln)、2HG/Glu+Gln的差异,对有统计学意义的指标绘制ROC曲线,获得各自预测IDH基因突变状态的效能。
结果
25例低级别胶质瘤患者中IDH基因突变组19例、IDH基因野生组6例。IDH基因突变组的2HG蓄积浓度、Glu蓄积浓度、Gln蓄积浓度、2HG/Glu+Gln分别为1.42(1.09,1.93)mmol/L、(1.74±1.31)mmol/L、(1.68±0.66)mmol/L、0.55(0.28,0.77),IDH基因野生组分别为0.00(0.00,1.30) mmol/L、(3.28±1.02)mmol/L、(2.55±1.47)mmol/L、0.00(0.00,0.26)。两组间2HG、Glu、2HG/Glu+Gln差异具有统计学意义(P值分别为0.030、0.016、0.004)。2HG/Glu+Gln鉴别IDH突变型与IDH野生型低级别胶质瘤的ROC曲线下面积最大(0.877),对鉴别诊断的灵敏度也最高(84.2%)。
结论
2HG联合Glu及Gln可有效实现对IDH基因突变状态的无创评估。