级联VB-Net分割模型用于急性缺血性脑卒中患者扩散加权成像中缺血核心分割的研究吴亚平 方婷 魏焕焕 李自强 罗与 付芳芳 申雨 白岩 王梅云
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20210415-00373
目的
探讨级联VB-Net深度学习网络对扩散加权成像(DWI)中急性缺血性脑卒中缺血核心检出和分割的价值。
方法
回顾性分析2016年12月至2018年12月在河南省人民医院就诊的1 500例急性缺血性卒中患者的MRI资料。将1 500例患者的2 456个病灶依据采集时间按8∶1∶1分为训练集、验证集和测试集。首先在脑DWI图像(b=1 000 s/mm2)上对所有病灶的缺血核心进行手工分割,然后,构建级联VB-Net分割模型,并在测试集对缺血核心进行自动检出、分割和缺血核心体积计算。采用组内相关系数(ICC)评价手工分割与级联VB-Net分割模型测得缺血核心体积的一致性。将样本分为缺血核心体积较大组(缺血核心体积≥10 ml)与缺血核心体积较小组(缺血核心体积<10 ml),采用Mann-Whitney U检验比较两者Dice系数差异。
结果
测试集中,级联VB-Net分割模型对缺血核心的检出率为94.6%(234/257),Dice系数为0.76(0.68,0.84)。级联VB-Net分割模型[4.19(1.21,14.13)ml]与手工分割缺血核心体积[4.08(1.19,17.92)ml]的一致性高(ICC=0.97,P<0.001)。缺血核心体积较大组与缺血核心体积较小组Dice系数差异无统计学意义[分别为0.76(0.69,0.85),0.76(0.67,0.84),Z=-0.44,P=0.657]。
结论
级联VB-Net深度学习网络实现了急性缺血性脑卒中缺血核心的自动检出、分割及体积计算,与手工分割的一致性高,能够为治疗方案的选择提供辅助决策工具。
MRI影像组学对早期口腔舌鳞状细胞癌隐匿性颈淋巴结转移的预测价值任继亮 宋庆博 袁瑛 陶晓峰
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20211010-00906
目的
探讨基于术前常规MRI的影像组学对早期口腔舌鳞状细胞癌(OTSCC)隐匿性颈淋巴结转移的预测价值。
方法
回顾性收集2015年1月至2019年12月上海交通大学医学院附属第九人民医院77例早期OTSCC患者(临床分期cT1~2N0M0)的术前MRI数据。所有患者均行原发灶切除及选择性颈淋巴结清扫术,且具有术后淋巴结病理报告。共计168个淋巴结(51个病理转移阳性和117个病理转移阴性)纳入研究,按照2∶1的比例以随机数字表法分为训练集(n=112)和测试集(n=56)。由2名放射医师采用ITK-SNAP软件于T2WI和增强T1WI上手动勾画淋巴结的三维感兴趣容积。使用三维slicer软件于每个序列上分别提取1 046个影像组学特征。通过观察者间一致性分析和单因素分析进行数据降维。采用最小绝对收缩和选择算子回归分析选择最佳特征子集并组建影像组学标签。采用Mann-Whitney U检验比较病理阳性与阴性淋巴结间淋巴结大小和影像组学分数的差异。应用受试者操作特征(ROC)曲线评估淋巴结大小、T2WI影像组学标签及增强T1WI影像组学标签对隐匿性颈淋巴结转移的预测效能。采用逐步逻辑回归筛选出独立的预测因子。
结果
经过特征筛选,分别有15个和10个最佳特征用于构建T2WI和增强T1WI影像组学标签。在训练集和验证集中,病理转移阳性与阴性淋巴结间短径、T2WI影像组学分数、增强T1WI影像组学分数差异均有统计学意义(P均<0.05)。三者于训练集的ROC曲线下面积(AUC)分别为0.67、0.83、0.82,于验证集的AUC分别为0.69、0.78、0.70。逐步逻辑回归显示,T2WI影像组学标签在两数据集中均是隐匿性颈淋巴结转移的独立预测因子(训练集:OR=5.923,P<0.001;验证集:OR=2.534,P=0.012)。
结论
常规MRI影像组学对临床早期OTSCC隐匿性颈淋巴结转移具有一定的预测价值。
CT影像组学联合征象鉴别新型冠状病毒肺炎与其他病毒性肺炎的价值黄益龙 张振光 李翔 杨云辉 李志鹏 周家龙 蒋元明 马寄耀 刘思耘 何波
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20201220-01318
目的
探讨基于CT影像征象联合影像组学模型鉴别新型冠状病毒肺炎(COVID-19)和其他病毒性肺炎的临床价值。
方法
回顾性分析2015年3月至2020年3月云南省15家医院实时逆转录聚合酶链反应检测为病毒性肺炎并接受胸部CT扫描的181例患者的临床和影像资料。根据患者的病毒类型分为COVID-19组(89例)和非COVID-19组(92例);所有病例按7∶3的比例随机分层抽样分为训练集(126例)和测试集(55例)。从首诊平扫胸部CT图像中提取出肺炎征象和影像组学特征,分别建立独立预测模型和联合预测模型。通过受试者操作特征(ROC)曲线、连续净重新分类指数(NRI)校准曲线和决策曲线分析各种模型的诊断性能。
结果
联合模型由3个重要的CT征象和14个筛选的影像组学特征构成。影像组学模型在训练集中鉴别诊断COVID-19组和非COVID-19组的ROC曲线下面积(AUC)为0.904,灵敏度为85.5%,特异度为84.4%,准确度为84.9%;在测试集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.866,灵敏度为77.8%,特异度为78.6%,准确度为78.2%。联合模型在训练集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.956,灵敏为91.9%,特异度为85.9%,准确度为88.9%;在测试集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.943,灵敏度为88.9%,特异度为85.7%,准确度为87.3%。联合模型与影像组学模型鉴别诊断COVID-19组与非COVID-19组的AUC值在训练集中差异具有统计学意义(Z=-2.43,P=0.015),在测试集中差异无统计学意义(Z=-1.73,P=0.083),进一步采用连续NRI分析,结果显示训练集和测试集中联合模型较单独影像组学模型均具有正向改善能力(训练集:连续NRI为1.077,95%CI 0.783~1.370;测试集:连续NRI为1.421,95%CI 1.051~1.790)。校准曲线表明,训练集和测试集中,联合模型预测COVID-19的概率与观察值之间具有良好的一致性;决策曲线显示联合模型阈值概率0~0.75时,可获得大于0.6的净收益。
结论
基于胸部CT影像征象联合影像组学模型鉴别诊断COVID-19和其他病毒性肺炎具有较好的临床价值。
人工、半自动及自动方法测量肺实性结节直径和体积的一致性研究杨溪 刘杰克 李勇 青浩渺 何长久 周鹏
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20210203-00094
目的
评估人工测量方法、基于计算机辅助诊断(CAD)的半自动测量方法和基于人工智能的全自动测量方法在肺实性结节直径和体积测量中的一致性。
方法
回顾性分析2018年7月至2020年4月四川省肿瘤医院接受肺癌筛查的165例受检者的临床和低剂量CT(LDCT)资料。选取每例受检者直径最大的结节作为研究对象,由1名初级和1名高级放射科医师采用人工测量、基于CAD的半自动测量、基于人工智能的全自动测量3种方法对结节直径和体积进行测量。所有结节根据不同测量方法测量出的直径及体积。按肺部影像报告和数据系统(Lung-RADS)1.1版本分级标准分为Lung-RADS 2、3、4A、4B、4X类和低、高风险组。采用重复测量的方差分析和配对t检验比较不同方法测量肺结节直径和体积的差异。应用组间相关系数(ICC)评估3种方法在测量结节直径和体积中的一致性。应用线性加权Kappa系数评估不同测量方法在Lung-RADS分类结果中的一致性;应用简单Kappa系数评估不同方法在高风险与低风险分组结果中的一致性。
结果
人工测量方法、基于CAD的半自动测量方法和基于人工智能的全自动测量方法测量的肺结节直径分别为(14.9±6.3)、(17.0±6.7)、(15.0±5.7)mm,差异有统计学意义(F=88.39,P<0.001),两两比较显示基于CAD的半自动测量方法与人工测量方法差异有统计学意义(t=10.97,P<0.001)、基于CAD的半自动测量方法与基于人工智能的全自动测量方法差异有统计学意义(t=10.07,P<0.001),而人工测量方法与基于人工智能的全自动测量方法差异无统计学意义(t=1.04,P=0.301)。基于CAD的半自动测量方法与基于人工智能的全自动测量方法测量肺结节体积差异无统计学意义(Z=0.70,P=0.482)。3种方法测量肺结节的直径一致性均较高(ICC值均>0.75),基于CAD的半自动测量与基于人工智能的全自动测量方法测量肺结节体积的一致性高(ICC=0.927)。依据结节直径测量进行Lung-RADS分类和高、低风险分组时,3种方法间的一致性均好(Kappa>0.80);依据结节体积测量进行Lung-RADS分类和高、低风险分组时,基于CAD的半自动测量方法与基于人工智能的全自动测量方法的一致性均好(Kappa>0.80)。
结论
在肺实性结节直径测量方面,基于人工智能的全自动测量方法较基于CAD的半自动测量方法更接近于人工测量值。基于人工智能的全自动测量方法与基于CAD的半自动测量方法在体积测量方面的一致性均较高。
三维人工智能定位技术在CT胸部扫描中的应用杨尚文 朱小倩 辛小燕 张鑫 王铭君 张冰
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20210301-00168
目的
探讨三维人工智能(AI)定位技术在胸部CT平扫中的应用价值。
方法
回顾性分析2020年9月至10月在南京大学医学院附属鼓楼医院因新型冠状病毒肺炎筛查接受胸部平扫CT检查的患者100例,采用区组随机分组法分为人工定位组和三维AI定位组,每组50例。2组患者使用相同的胸部扫描协议。测量2组患者的定位偏离距离、CT剂量指数(CTDI)和剂量长度乘积(DLP),并记录患者的检查用时。同时由2名放射医师对患者纵隔窗图像质量进行客观评价,并对肺窗图像进行主观评分。采用独立样本t检验对2组的定位偏离距离、CTDI、DLP、图像质量客观指标和检查用时进行比较。采用χ²检验对图像质量主观评分的患者分布进行比较。
结果
三维AI定位组的总体定位偏移距离较人工定位组减少了42.86%[分别为(8.8±7.2)、(15.4±9.7)mm,t=3.65,P<0.01],CTDI降低了10.67%[分别为(6.7±2.6)、(7.5±2.5)mGy,t=0.59,P=0.04],DLP降低了13.33%[分别为(234±86)、(270±95)mGy·cm,t=1.98,P=0.02]。三维AI定位组的检查用时较人工定位组减少了29.91%[分别为(150±14)、(214±26)s,t=15.79,P<0.01]。2组图像的背景噪声以及降主动脉、竖脊肌的信号噪声比及图像主观评分患者分布差异无统计学意义(P>0.05)。
结论
使用三维AI定位技术进行胸部CT扫描,可以在保证图像质量的前提下,提高定位准确度,降低患者的辐射剂量,大幅提高工作效率。
基于不同时相增强CT的影像组学对胰腺实性假乳头状肿瘤侵袭性行为的预测价值黄文鹏 刘思耘 李莉明 韩懿静 梁盼 吕培杰 高剑波
中华放射学杂志2022年 56卷 01期
DOI: 10.3760/cma.j.cn112149-20210415-00374
目的
探讨CT影像组学对胰腺实性假乳头状肿瘤(pSPN)侵袭性行为的预测价值。
方法
回顾性分析2012年1月至2021年1月郑州大学第一附属医院经术后病理证实的pSPN患者的CT图像,其中侵袭性23例、非侵袭性59例。分别在平扫、动脉期和静脉期CT图像上逐层勾画感兴趣区(ROI)获得三维ROI,每个ROI提取1 316个组学特征。将数据集经随机分层抽样法按照7∶3的比例分为训练集和验证集,在训练集中采用200%样本合成过采样技术(SMOTE)算法进行过采样,生成侵袭性和非侵袭性平衡数据用于建立训练模型,将构建的模型在验证集中进行验证。通过受试者操作特征(ROC)曲线分析评估不同模型的预测性能,并通过Delong检验比较不同模型的曲线下面积(AUC)值,采用连续净重分类改善度(NRI)和综合区分改善度(IDI)评估不同模型对分类效能的改善能力。
结果
经过特征筛选,保留2、6、3个特征分别构建平扫、动脉期和静脉期模型,基于单独期相与联合时相模型共建立7个模型,除平扫模型外,其他模型预测pSPN侵袭性的AUC均>0.800。单期相中动脉期模型具有最优的鉴别效能,在SMOTE训练集和验证集的AUC值分别为0.913和0.873。在联合期相模型中,动脉-静脉期模型的AUC在训练集和验证集中最高,为0.934和0.913。训练集和验证集中,平扫-动脉-静脉期联合模型的AUC与动脉-静脉期模型的AUC差异无统计学意义(P均>0.05)。在验证集中,相较动脉-静脉期联合模型,进一步联合平扫不能获得正向分类改善(NRI、IDI均<0)。
结论
动脉期CT影像组学模型具有较好的术前预测pSPN侵袭性的性能,联合动脉期和静脉期的影像组学模型可进一步提高模型的性能。