简介：摘要目的基于第8版美国癌症联合委员会胰腺癌TNM分期，比较CT与MRI对胰腺导管腺癌(PDAC)TNM分类、分期评估的准确性。方法回顾分析2013年10月至2019年10月连续于南京医科大学附属无锡第二医院诊治的105例PDAC患者资料。共纳入符合标准52例患者，其中男性32例，女性20例，年龄范围45 ～ 84岁，平均年龄66.1岁。以第8版美国癌症联合委员会胰腺癌TNM分期为参考标准，比较CT和MRI对PDAC TNM分类及分期的准确率。结果52例PDAC患者中，43例切除肿瘤最大直径(3.4±1.2)cm，CT、MRI测得肿瘤最大直径(3.3±1.2)cm、(3.3±1.4)cm。CT、MRI测得肿瘤最大直径与切除标本测量值比较，差异均无统计学意义(均P>0.05)。对照手术病理分类，CT评价T、N和M分类的准确率分别为97.7%(42/43)、79.1%(34/43)和9例均正确；MRI分别为97.7%(42/43)、76.7%(33/43)和9例中8例正确。CT与MRI准确率比较，差异无统计学意义(P>0.05)。对照病理分期，CT分期准确率为82.7%(43/52)，MRI为76.9%(40/52)，两者比较差异无统计学意义(P>0.05)。结论CT、MRI对PDAC的TNM分类、分期评估效果相仿，两种影像检查对T、M分类评估准确性更高。

简介：摘要目的探讨基于CT影像组学的机器学习模型预测胰腺癌门静脉-肠系膜上静脉(PV-SMV)侵犯的价值。方法回顾性分析2010年1月至2021年7月南京医科大学附属无锡第二医院收治的156例经手术病理确诊的胰腺癌患者的临床、病理及术前CT影像资料，其中男性95例，女性61例，年龄(65.7±8.2)岁。所有入组患者按3∶2的比例划分训练集和验证集。通过患者术前增强CT提取肿瘤影像组学特征，采用最大相关最小冗余算法进行特征选择后，构建5种机器学习算法预测模型，并与常规影像特征诊断的受试者工作特征(ROC)曲线进行比较。结果94例患者纳入训练集，62例纳入验证集。训练集和验证集中手术探查证实的PV-SMV侵犯病例分别为30例(31.9%)和25例(40.3%)。基于10个影像组学特征构建的5个机器学习模型中，LASSO回归模型的AUC优于随机森林、支持向量机、K近邻和朴素贝叶斯4个模型，差异有统计学意义(均P<0.05)。与常规影像特征的诊断效能比较，LASSO回归模型在验证集中诊断PV-SMV侵犯具有更高的AUC(0.920比0.752)和更好的灵敏度(92.0%比86.5%)，差异具有统计学意义(均P<0.05)。结论基于CT影像组学的机器学习模型可实现胰腺癌PV-SMV侵犯的术前预测，LASSO回归模型较常规影像特征的诊断效能更高。

简介：摘要目的探讨扩散张量成像(DTI)对无外周缺血表现的2型糖尿病(T2DM)患者小腿肌肉早期改变的定量分析价值。方法前瞻性收集2018年9月至2019年3月间南京医科大学附属无锡第二医院的无外周缺血表现的20例男性T2DM患者(年龄45～64岁)和20名匹配的男性健康志愿者(年龄46～62岁)作为健康对照，所有受试者均进行双下肢DTI。测量两侧腓肠肌内侧头(GM)、腓肠肌外侧头(GL)、胫骨前肌(TA)、比目鱼肌(SOL)的各向异性分数(FA)、表观扩散系数(ADC)及λ1、λ2、λ3值；分析FA、ADC与体质指数(BMI)、空腹血糖(FBG)、糖化血红蛋白(HbA1c)、高密度脂蛋白(HDL)、低密度脂蛋白(LDL )及总胆固醇( TG )的相关性。采用两独立样本t检验及Pearson相关分析数据。结果T2DM组TA、SOL的ADC高于对照组[TA：(1.77±0.15)与(1.66±0.11)×10-3 mm2/s，SOL：(1.83±0.10)与(1.75±0.16)×10-3 mm2/s]，T2DM组TA的λ1、λ2、λ3[(2.30±0.21)、(1.63±0.17)、(1.38±0.13)×10-3 mm2/s]高于对照组[(2.17±0.12)、(1.51±0.13)、(1.31±0.12)×10-3 mm2/s]，SOL的λ2、λ3[(1.74±0.11)、(1.53±0.12)×10-3 mm2/s]也高于对照组[(1.64±0.18)、(1.44±0.15)×10-3 mm2/s]，差异均有统计学意义(t值：2.65～3.91，均P<0.05)。T2DM组FA、ADC与BMI、FBG、HbA1c、HDL、LDL及TG均无相关性(r值：-0.15～0.08，均P>0.05)。结论DTI的定量参数特别是ADC能灵敏发现无外周缺血表现的T2DM患者小腿肌肉微结构改变；TA、SOL对T2DM相关微结构变化的扩散灵敏度高。