简介：摘要目的探讨肱骨髁上突的影像学特征。方法回顾性分析2013年7月—2019年4月扬州大学附属医院放射科14例肱骨髁上突患者的影像学资料，男11例、女3例，年龄2～86[33(22，48)]岁，髁上突位于左侧肱骨8例、右侧肱骨6例。14例患者均行数字化X线摄影(DR)，其中6例行多层螺旋CT(MSCT)检查。测量和计算肱骨髁上突的相对长度比(肱骨侧位DR片髁上突长度与髁上突根部肱骨横径比值)、距肱骨内上髁的相对距离比(肱骨髁上突距肱骨髁上的距离绝对值与髁上突根部肱骨横径比值)、体部与肱骨干远端的夹角，观察基底宽或窄、尖端指向以及有无骨髓腔与软骨帽。结果14例患者变异侧肱骨下段前内侧见骨性棘状物突起，相对长度比为0.44±0.13，距肱骨内上髁相对距离比为1.87±0.28，体部向肘关节倾斜或与肱骨干垂直，体部与肱骨干远端的夹角为63.60°±21.20°。14例肱骨髁上突均为宽基底，前端尖细、指向内上髁，骨性突起的境界清楚，密度略低于或基本等同于骨皮质密度，未见软骨帽及骨髓腔。结论肱骨髁上突的特征性影像学表现为距肱骨内上髁3～8 cm处肱骨下段前内侧，起源于肱骨骨皮质的鸟嘴状或棘状骨性突起，基底较宽，尖端较细并指向肘关节方向，体部向肘关节倾斜或与肱骨干垂直，无骨髓腔与软骨帽。

简介：摘要目的探讨能谱CT影像组学特征在鉴别肺癌结节与炎性结节中的价值。方法回顾性分析在苏州大学附属第一医院接受肺部能谱CT扫描的96例肺癌结节和45例炎性结节患者的资料。按照2∶1的比例随机分配为训练组（肺癌结节64例，炎性结节30例）和验证组（肺癌结节32例，炎性结节15例）。利用MaZda软件对训练组动脉期和静脉期70 keV单能量图像进行影像组学特征提取。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）对提取的特征进行筛选，得到3组最优特征子集。然后用线性（LDA）和非线性判别分析法（NDA）对最优特征子集进行分析，计算其鉴别肺癌结节和炎性结节的受试者操作特征（ROC）曲线下面积（AUC）、准确率、灵敏度、特异度、精准率和F1分数。利用人工神经网络（ANN）建立预测模型，并对验证组两种病变进行鉴别。使用Delong检验比较不同的最优特征子集AUC的差异。结果在动脉期，MI-NDA法选择的最优特征子集鉴别训练组肺癌结节和炎性结节的AUC最高，为0.888（95%可信区间0.806~0.943），其准确率、灵敏度和特异度分别为88.3%、87.5%和90.0%。MI-NDA法与Fisher-NDA、（POE+ACC）-NDA法的AUC差异无统计学意义（Z=1.941，P=0.052；Z=1.683，P=0.092）。在静脉期，（POE+ACC）-NDA法选择的最优特征子集的AUC最高，为0.846（95%可信区间0.757~0.912），其准确率、灵敏度和特异度分别为87.2%、92.2%和76.7%。（POE+ACC）-NDA与MI-NDA的AUC差异无统计学意义（Z=1.354，P=0.18），而与Fisher-NDA的AUC差异有统计学意义（Z=2.423，P=0.015）。MI-NDA法选择的动脉期最优特征子集在训练组和验证组的AUC最高，分别为0.888（95%可信区间0.806~0.943）和0.871（95%可信区间0.741~0.951）。结论能谱CT影像组学定量特征可用于鉴别肺癌结节与炎性结节，具有较高的诊断价值。

简介：摘要目的探讨钆塞酸二钠（Gd-EOB-DTPA）增强磁共振成像（MRI）影像学特征联合定量分析在预测肝细胞癌病理分级中的应用价值。方法回顾性分析2016年6月至2019年6月在苏州大学附属第一医院行Gd-EOB-DTPA增强MRI检查并经穿刺或手术病理证实为肝细胞癌的80例患者的资料，其中男65例、女15例，年龄30~74（59±11）岁。根据术后病理结果，将其分为低分化组（26例，男22例、女4例）及中高分化组（54例，男43例、女11例）。审阅Gd-EOB-DTPA增强MRI图像并记录肝细胞癌定性特征，测量并计算定量指标包括肿瘤大小和动脉期、门静脉期、平衡期、肝胆特异期病灶-肝脏信号比（SIR）及动脉期对比增强比（CER-AP）。对低分化组、中高分化组间临床资料及定性参数进行χ2检验，定量参数进行独立样本t检验。对上述组间差异有统计学意义的定性参数、定量参数、定量联合定性参数、甲胎蛋白（AFP）联合定性定量参数构建二元logistic回归模型，采用受试者工作特征（ROC）曲线分析4种多参数预测模型对肝细胞癌病理分级的诊断效能。结果低分化组与中高分化组间AFP、动脉期瘤周高信号、动脉期环形强化、肝胆特异期瘤周低信号、肿瘤信号的差异有统计学意义（均P<0.05），两组间，肿瘤大小、动脉期病灶-肝脏信号比（SIR-AP）、门脉期病灶-肝脏信号比（SIR-PP）分别为（7.0±3.7）cm比（3.9±2.4）cm、1.11±0.29比1.31±0.32、0.89±0.21比1.03±0.27，差异有统计学意义（均P<0.05）。定性参数、定量参数、定性联合定量参数、AFP联合定性定量参数预测模型诊断肝细胞癌病理分级的ROC曲线下面积（AUC）分别为0.805、0.804、0.855、0.892。定性参数与定性联合定量参数诊断的灵敏度的差异有统计学意义（80.8%比92.3%，P<0.05）。结论Gd-EOB-DTPA增强MRI影像学特征联合定量分析可在术前预测肝细胞癌病理分级，有较大的应用价值。

简介：摘要目的探讨CT影像组学定量特征在预测肺癌表皮生长因子受体（EGFR）突变中的价值。方法回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料，男75例、女69例，中位年龄54（25~68）岁。其中，EGFR突变型81例，男39例、女42例，中位年龄52（25~64）岁；EGFR野生型63例，男36例、女27例，中位年龄56（32~68）岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图（GLH）、绝对梯度（GRA）、灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）、自回归模型（ARM）和小波变换（WAV）等特征。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）3种特征选择方法对提取的定量特征进行筛选，分别选择10个相关的最优特征，得到最优特征子集。然后用线性判别分析法（LDA）和非线性判别分析法（NDA）对三组最优特征子集进行分析，计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度，利用人工神经网络（ANN）对训练组准确度最高的最优特征子集建立预测模型，并利用建立的预测模型，对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征，一共301个。Fisher-NDA和（POE+ACC）-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高，为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度，为预测肺癌基因表达提供了一种新的方法。

简介：摘要目的探讨基于CT平扫冠状动脉周围（简称冠周）脂肪的影像组学模型对非钙化斑块的诊断价值。方法回顾性分析461例2019年8月1日至2020年7月31日苏州大学附属第一医院放射科行冠状动脉CT血管造影（CCTA）患者的影像学资料。CCTA检出206例（355支）冠状动脉有非钙化斑块，255例（510支）冠状动脉未见异常。于CT平扫［钙化积分（CCS）序列］图像对冠周脂肪进行感兴趣区（ROI）勾画。选取距冠状动脉开口处10 mm起始的长为40 mm的冠状动脉进行冠状动脉ROI勾画并自动生成冠周脂肪ROI，随后进行冠周脂肪衰减指数（FAI）以及影像组学参数的提取。将865支冠状动脉按7∶3的比例分为训练组（n=606）和测试组（n=259）并进行组学建模，运用受试者工作特征（ROC）曲线分析评估FAI值以及组学模型对于非钙化斑块的诊断效能。结果从基于平扫的冠周脂肪的图像中共提取1 692个特征，使用最大相关最小冗余（mRMR）和最小绝对收缩与选择算子（LASSO）进行特征筛选后，筛选出14个特征用于影像组学模型的建立。模型在测试组中鉴别非钙化斑块患者和冠状动脉未见异常者的准确度、灵敏度、特异度和曲线下面积（AUC）分别为70.3%、63.2%、75.2%和0.75。结论基于平扫冠周脂肪影像组学模型对非钙化斑块具有较好的诊断效能。

简介：摘要目的探讨基于双期增强CT影像组学特征的机器学习模型术前预测肝细胞癌微血管侵犯（MVI）的价值。方法回顾性分析2015年1月至2020年5月在苏州大学附属第一医院经病理确诊的148例［男106例，女42例，年龄（58±11）岁］肝细胞癌患者的资料，其中MVI阳性88例，MVI阴性60例。按照约7∶3的比例随机分配为训练集和验证集。利用MaZda软件提取肝细胞癌动脉期和门静脉期3D影像组学特征，采用3种特征选择方法联合（FPM法）和Lasso回归进行特征筛选，得到最优特征子集。然后用6种机器学习算法构建预测模型，采用受试者工作特征（ROC）曲线评估模型的预测能力，并计算出曲线下面积（AUC）、准确度、灵敏度和特异度。结果MaZda软件提取肝细胞癌动脉期和门静脉期的影像组学特征，各239个。利用FPM法和Lasso 回归进行特征筛选可分别得到7个动脉期和14个门静脉期最优特征。基于动脉期的7个最优特征构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络等模型预测验证集肝细胞癌MVI的AUC值分别为0.736、0.910、0.913、0.915、0.897、0.648，其中支持向量机的AUC值最高，其准确度、灵敏度和特异度分别为95.35%、95.83%和94.74%。利用门静脉期的14个最优特征构建的上述机器学习模型预测验证集肝细胞癌MVI的AUC值分别为0.873、0.876、0.913、0.859、0.877、0.834，其差异均无统计学意义（均P>0.05），其中随机森林模型的AUC值最高，其准确度、灵敏度和特异度分别为90.70%、87.50%和94.74%。结论基于双期增强CT影像组学特征的机器学习模型可用于术前预测肝细胞癌微血管侵犯。其中，支持向量机和随机森林模型具有较高的预测效能。

简介：摘要目的探讨基于钆塞酸二钠增强MRI肝胆期影像组学特征的不同机器学习模型术前预测肝细胞癌（HCC）微血管侵犯（MVI）的价值。方法回顾性分析2015年6月至2020年6月在苏州大学附属第一医院经病理证实的132例HCC患者的资料，MVI阳性72例、阴性60例。按照7∶3的比例以随机种子法分为训练集和验证集。利用PyRadiomics软件提取肝胆期图像影像组学特征，采用最小绝对收缩和选择算子（LASSO）回归5折交叉验证法对训练集临床和影像组学特征进行筛选，得到最优特征子集，然后用6种机器学习方法（决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络）构建预测模型，采用ROC曲线评估模型的预测能力，采用DeLong检验比较6种机器学习算法曲线下面积（AUC）的差异。结果经LASSO回归筛选后获得14个特征组成最优特征子集，包括2个临床特征（肿瘤最大径和甲胎蛋白）和12个影像组学特征。训练集中基于最优特征子集构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络模型预测HCC MVI的AUC值分别为0.969、1.000、1.000、0.991、0.966和1.000，验证集的AUC值分别为0.781、0.890、0.920、0.806、0.684和0.703。验证集中，极端梯度提升与广义线性模型、神经网络的AUC的差异有统计学意义（Z=2.857、3.220，P=0.004、0.001），随机森林与支持向量机、广义线性模型和神经网络AUC的差异有统计学意义（Z=2.371、3.190、3.967，P=0.018、0.001、<0.001），支持向量机与广义线性模型AUC的差异有统计学意义（Z=2.621，P=0.009），其余机器学习模型间AUC的差异均无统计学意义（P>0.05）。结论基于钆塞酸二钠增强MRI肝胆期图像的影像组学特征构建的机器学习模型可用于术前预测HCC MVI，其中，极端梯度提升和随机森林模型具有较高的预测效能。

简介：摘要目的分析颈动脉内膜切除术(CEA)治疗动脉粥样硬化性卒中的疗效及其与粥样斑块特征的关系。方法回顾性分析2015年8月至2018年10月苏州大学附属第一医院神经外科采用CEA治疗缺血性卒中患者的临床资料，共61例，均为动脉粥样硬化性颈动脉中-重度狭窄。术前及术后1、3、6、12个月均行血管超声检查。根据术后30 d美国国立卫生研究院卒中量表评分(NIHSS)的变化，将患者分为症状改善组(42例)和未改善组(19例)，比较两组的临床资料和粥样硬化斑块特征的差异，分析其对患者术后30 d NIHSS改善的影响；随访再狭窄和卒中的再发情况。结果与症状未改善组比较，症状改善组从出现症状至手术的时间短[中位数(四分位数)分别为45(25，168)d、14(10，96)d]，低回声斑块[分别为12/19、28.6%(12/42)]和溃疡型斑块[分别为9/19、11.9%(5/42)]所占的比例低、术中开放颈动脉后大脑中动脉平均血流速度快[分别为(41.2±15.2)、(51.1±14.7)cm/s]，差异均有统计学意义(均P<0.05)。多因素logistic回归分析显示，低回声斑块(OR＝3.963，95%CI：1.037～15.149，P＝0.044)和溃疡型斑块(OR＝5.657，95%CI：1.258～25.448，P＝0.024)是影响患者CEA术后30 d临床症状改善的危险因素。61例患者术后超声随访12～15(13.1±1.2)个月，至末次随访，3例(4.9%)发生术侧颈动脉再狭窄，其中症状改善组1例(中度狭窄)，症状未改善组2例(中、重度狭窄各1例)；随访期间无一例发生卒中。结论CEA既能部分改善患者的神经系统症状又可预防卒中再发；以低回声为主的斑块和溃疡型斑块是影响卒中患者CEA术后30 d神经系统症状改善的危险因素。

简介：摘要目的探讨基于CT的血栓强化（TE）特征及血栓渗透性预测急性大脑中动脉闭塞性卒中心源性血栓的价值。方法回顾性分析2020年1月至2022年7月苏州大学附属第一医院收治的发病时间小于12 h的93例急性大脑中动脉闭塞性卒中患者的临床及影像资料。根据TOAST标准将患者按血栓来源不同分为心源性血栓（CE）组43例、大动脉粥样硬化性血栓（LAA）组50例。所有患者均接受头颅CT平扫和CT血管成像，并对患者的血栓渗透性［血栓CT值的增加值（TAI）、血栓孔隙率（ε）］及TE特征进行评估。采用独立样本t检验、Mann-Whitney U检验及χ²检验对2组患者进行单因素分析，将差异有统计学意义的指标纳入二元logistic回归分析，评估心源性血栓的影响因素，并构建logistic模型。采用受试者操作特征（ROC）曲线及曲线下面积（AUC）评估TAI、ε、TE及logistic模型预测急性大脑中动脉闭塞性卒中心源性血栓的价值。结果CE组与LAA组患者性别、房颤史、高血压史、糖尿病史、吸烟史、基线美国国立卫生研究院卒中量表（NIHSS）、TAI、ε、TE特征阳性差异均有统计学意义（P<0.05）。二元logistic回归显示TAI（OR=1.300，95%CI 1.147~1.473，P<0.001）、高血压史（OR=0.116，95%CI 0.025~0.535，P=0.006）、基线NIHSS（OR=1.165，95%CI 1.040~1.304，P=0.008）是预测急性大脑中动脉闭塞性卒中心源性血栓的独立影响因素。ROC曲线分析显示logistic模型预测心源性血栓的AUC最大，为0.907（95%CI 0.848~0.966）；TE特征阳性预测心源性血栓的灵敏度最高，为90.7%。结论基于CT的TE特征及血栓渗透性预测急性大脑中动脉闭塞性卒中心源性血栓具有一定的应用价值。

简介：摘要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。

简介：摘要目的通过基于扩散张量成像（DTI）的全肿瘤纹理分析建立放射组学模型，从而实现无创性预测异柠檬酸脱氢酶1（IDH1）突变。方法收集2016年2月至2019年6月苏州大学附属第一医院收治并经手术确诊星形细胞瘤患者的术前MRI图像，包括T1WI、T2WI、DTI和T1对比增强。最终共纳入38例患者，男20例、女18例，其中12例突变型，26例野生型，年龄（49±15）岁。使用MaZda软件在T2WI图像的每个层面上绘制感兴趣区（ROI）并将其复制到表观扩散系数（ADC）和各向异性分数（FA）图，提取肿瘤全体素的纹理特征参数。使用最小绝对值收敛和选择算子（LASSO）回归确定最佳放射性组学特征，计算放射组学分数，使用二元Logistic回归构建组学预测模型，绘制受试者工作特征（ROC）曲线分析诊断效能以及校正曲线评估模型预测性能。结果经LASSO回归最终确定了4个最有价值的放射组学特征，分别为ADC偏度3D、ADCPerc.01%3D、ADCPerc.50%3D和FAPerc.99%3D，随后基于放射组学特征建立每例患者的放射组学标签和Logistic回归模型。野生组和突变组的放射组学评分分别为2.3±0.3和1.8±0.4，组间差异有统计学意义（P<0.05），ROC曲线分析显示AUC为0.837，灵敏度和特异度分别为91.7%和61.5%。Logistic回归模型具有良好的预测性能，AUC为0.907，灵敏度和特异度分别为91.7%和84.6%。结论基于DTI的全肿瘤放射组学模型有助于预测胶质瘤IDH1突变。