学科分类
/ 1
3 个结果
  • 简介:摘要目的探讨基于扩散加权成像(diffusion weighted imaging, DWI)单指数、分数微积分(fractional order calculus, FROC)模型氟代脱氧葡萄糖正电子发射断层扫描(18F-fluorodeoxyglucose-positron emission tomography, 18F-FDG PET)在评估肺腺癌增殖状态中价值。材料方法选取经我院病理证实64例肺腺癌患者,Ki-67表达25%为界,>25%为高Ki-67组,≤25%为低Ki-67组。所有患者在治疗前均行肺部18F-FDG PET/MR检查,其中DWI采取10个b值(0~1000 s/mm2)扫描。比较两组间表观扩散系数(apparent diffusion coefficient, ADC)、空间变量(a microstructural quantity, μ)、扩散系数(diffusion coefficient, D)、分数空间导数(fractional order parameter, β)、最大标准摄取值(maximum standardized uptake value, SUVmax)有无显著差异。通过多因素logistic回归分析Ki-67增殖状态独立预测因素,采用受试者工作特征曲线(receiver operating characteristic curve, ROC)评估鉴别效能,并分析各参数Ki-67之间相关性。结果低Ki-67组ADC、D、β显著大于高Ki-67组(P<0.05),高Ki-67组μ、SUVmax显著大于低Ki-67组(P<0.05)。参数DSUVmax曲线下面积分别为0.8730.727,且因素logistic回归显示D值(OR:0.421,95% CI:0.245~0.723,P=0.002)SUVmax值(OR:1.022,95% CI:1.002~1.042,P=0.031)Ki-67高表达独立危险因素。ADC值D值Ki-67呈负相关(r=-0.361,r=-0.420),μSUVmax值Ki-67呈正相关(r=0.369,r=0.527)。结论单指数、FROC模型18F-FDG PET均是评估肺腺癌增殖状态有效手段,其中FROC模型D值具有最高诊断效能。FROC模型为探索肿瘤组织微环境信息提供了视角,在无创评估肺腺癌增殖状态方面具有很大潜力,其临床应用前景广阔。

  • 标签: 肺腺癌 Ki-67 单指数 分数微积分模型 氟代脱氧葡萄糖正电子发射断层扫描 磁共振成像 鉴别诊断
  • 简介:摘要阿尔茨海默病(Alzheimer's disease, AD)是以进行性认知功能障碍记忆损害为特征神经系统退行性疾病,也是我国人口老龄化进程中面临巨大挑战。在AD早期阶段进行干预延缓病情进展以及改善预后具有重要意义,因此,AD早期诊断至关重要。模态影像技术从结构、功能、代谢等方面为AD发病机制早期临床诊断提供重要影像学证据。本文模态影像技术,包括结构、功能MRI正电子发射计算机断层显像(positron emission computed tomography, PET)技术进行综述,通过反映不同脑部特征AD患者进行早期诊断方面的应用价值进行分析,以期从影像视角揭示AD早期病理改变,提高AD早期诊断效能,未来指导临床治疗。

  • 标签: 阿尔茨海默病 轻度认知损害 多模态影像技术 早期诊断 磁共振成像 功能磁共振成像 正电子发射计算机断层显像
  • 简介:摘要目的探讨级联VB-Net深度学习网络扩散加权成像(DWI)中急性缺血性脑卒中缺血核心检出分割价值。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1 500例急性缺血性卒中患者MRI资料。将1 500例患者2 456个病灶依据采集时间按8∶1∶1分为训练集、验证集测试集。首先在脑DWI图像(b=1 000 s/mm2)上所有病灶缺血核心进行手工分割,然后,构建级联VB-Net分割模型,并在测试集缺血核心进行自动检出、分割缺血核心体积计算。采用组内相关系数(ICC)评价手工分割级联VB-Net分割模型测得缺血核心体积一致性。将样本分为缺血核心体积较大组(缺血核心体积≥10 ml)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分割模型缺血核心检出率为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]手工分割缺血核心体积[4.08(1.19,17.92)ml]一致性高(ICC=0.97,P<0.001)。缺血核心体积较大组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自动检出、分割及体积计算,手工分割一致性高,能够为治疗方案选择提供辅助决策工具。

  • 标签: 卒中 脑缺血 深度学习 图像分割 级联VB-Net