简介:目的:探讨多学科多模态对胰腺肿块对比分析。方法:选取本院2022年1月至2022年7月收治的60例胰腺肿块患者作为研究对象,按照随机数字表法分为研究组28例和对照组32例,其中对照组采用常规影像学分析,研究采用组多学科多模态影像学分析,观察2组患者胰头肿块的大小、形态、密度/信号特点(包括多期强化特征等)、边界;肿块区及周围是否存在囊性灶,邻近组织器官的改变,包括有无腹腔及腹膜后淋巴结转移、肝脾有无转移、肾筋膜有无增厚等。结果:研究组胰腺肿块形态均显著低于对照组,两组间对比存在显著性差异(P<0.05),研究组胰管扩张、胰管结石、胰周及腹膜后淋巴结肿大检出率显著高于对照组,两组间对比存在显著性差异(P<0.05),研究组肿块钙化、坏死囊变、分叶征检出率显著高于对照组,两组间对比存在显著性差异(P<0.05),结论:多学科多模态对胰腺肿块具有良好影像学鉴别与诊断价值。
简介:【摘要】目的:探讨多学科多模态对胰腺肿块对比分析。方法:选取本院2022年1月至2022年7月收治的60例胰腺肿块患者作为研究对象,按照随机数字表法分为研究组28例和对照组32例,其中对照组采用常规影像学分析,研究采用组多学科多模态影像学分析,观察2组患者胰头肿块的大小、形态、密度/信号特点(包括多期强化特征等)、边界;肿块区及周围是否存在囊性灶,邻近组织器官的改变,包括有无腹腔及腹膜后淋巴结转移、肝脾有无转移、肾筋膜有无增厚等。结果:研究组胰腺肿块形态均显著低于对照组,两组间对比存在显著性差异(P<0.05),研究组胰管扩张、胰管结石、胰周及腹膜后淋巴结肿大检出率显著高于对照组,两组间对比存在显著性差异(P<0.05),研究组肿块钙化、坏死囊变、分叶征检出率显著高于对照组,两组间对比存在显著性差异(P<0.05),结论:多学科多模态对胰腺肿块具有良好影像学鉴别与诊断价值。
简介:摘要目的制备一种由肿瘤归巢穿膜肽(tLyP-1)修饰并携载金属多酚网络(TA-Fe3+)工程化紫杉醇(PTX)的相变型脂质纳米粒,并评价其体外肿瘤靶向能力、超声/光声成像及光热联合化疗的治疗效果。方法采用溶剂置换法、薄膜水化法和双乳化法制备由tLyP-1介导的载TA-Fe3+工程化的PTX的相变型脂质纳米粒(t-P@TFP)。检测其表征、体外靶向能力、光热转化能力、体外光声和超声成像能力;CCK-8法、细胞活死双染法、流式细胞术法检测纳米粒的安全性和不同纳米粒对4T1细胞的杀伤效果。结果成功制备t-P@TFP纳米粒,透射电镜显示纳米粒呈大小均一的球形,粒径为(209.8±1.56) nm,电位为(-25.9±1.36) mV。激光共聚焦显示t-P@TFP纳米粒能靶向聚集到4T1细胞周围;具有高效的光热转换效果,经近红外激光辐照后纳米粒能迅速变为微泡,增强体外超声成像效果;纳米粒光声信号随着浓度的升高而增强。CCK-8法、细胞活死双染法、流式细胞术检测均显示t-P@TFP的光热联合化疗的抗肿瘤效果最好。结论成功制备t-P@TFP纳米粒,该纳米粒具有良好的靶向能力,可用于光声和超声成像,有良好的光热效应,对乳腺癌细胞有杀伤作用,有望实现诊疗一体化。
简介:摘 要:目的:研究多模态超声对乳腺非肿块样病变(NML)的诊断价值。方法:选择2021年12月-2022年07月到本院治疗NML的患者100例作为观察对象,对全部患者实施常规超声诊断、自动乳腺全容积成像(ABUS)诊断、多模态超声诊断,分析诊断价值。结果:100例患者中,良性病变70例,占比70.00%,恶性病变30例,占比30.00%,三种诊断结果都和病理诊断结果具有明显统计学差异(P<0.05),其中,kappa值分别为0.334、0.488、0.52,依次逐步升高,而多模态超声诊断下kappa值>0.5。加之,多模态超声诊断效能均高于其余两组(P<0.05)。结论:运用多模态超声诊断NML价值较高,值得运用。
简介:摘要目的构建并验证多模态MRI图像3D卷积神经网络(convolutional neural network, CNN)模型对肝纤维化(liver fibrosis, LF)分类的价值。材料与方法回顾性分析经病理证实为LF,并行肝脏3.0 T MRI检查的224例LF患者的T1WI、T2WI、表观扩散系数(apparent diffusion coefficient, ADC)图像,按8∶2的比例随机分为训练集和测试集。对图像进行预处理后,应用训练集图像对模型进行网络结构迭代训练,建立3D-CNN深度学习模型对无显著LF(S0~S1)、显著LF(≥S2)进行分类。经过优化的CNN由三个卷积层、三个池化层和两个全连接层组成。训练完成后,用测试集数据对CNN模型进行测试,使用准确度(accuracy, ACC)曲线、损失函数(loss)曲线及受试者工作特征(receiver operating characteristic, ROC)曲线评价模型的性能。结果基于多模态MRI的3D-CNN深度学习模型在训练集中对LF分类的ROC曲线下面积(area under the curve, AUC)值为0.94,在测试集中的AUC为0.98。结论多模态3D-CNN深度学习模型可对无显著LF和显著LF进行分类,为LF的无创性评估提供更多选择。
简介:摘要目的分析多模态影像定量参数对肝硬化结节性质的鉴别诊断价值。方法抽取2018年1月至2020年12月南阳市中心医院收治的肝硬化结节患者80例,按病理诊断结果分为肝癌组(49例)和结节组(31例)。两组均行CT、超声造影(CEUS)、磁共振成像(MRI)检查,比较不同方法的检出率及CT定量参数包括血流量(BF)、血容量(BV)、表面通透性(PS),CEUS定量参数包括开始增强时间(AT)、达峰时间(TTP)、峰值强度(PI),不同时期CEUS定量参数包括局部血容量(RBV)、局部血流量(RBF),并比较动态增强磁共振成像(DCE-MRI)参数包括纯扩散系数(D)、灌注分数(f)、表观扩散系数(ADC)。结果CT、CEUS、MRI联合诊断的肝癌检出率及增生结节检出率分别为91.84%(45/49)、96.77%(30/31),均高于三者单独诊断(P均<0.05)。肝癌组BF、BV、PS参数和AT、TTP参数低于结节组,PI参数高于结节组(P<0.05)。肝癌组动脉期RBV、RBF参数高于结节组,门脉期和延迟期RBV参数低于结节组(P<0.05)。肝癌组D值、ADC值低于结节组,f值高于结节组(P<0.05)。结论在肝硬化结节患者中,肝癌和增生结节多模态影像定量参数存在较大差异,多检查方法联合检测能全面反映机体病理生理变化,利于提高检出率。