Baidu
map

盘点:Radiology2018年9月汇总(下)!

2018-11-23 shaosai MedSci原创

【盘点】Radiology2018年9月汇总(下)!

Radiology:高分辨率CT在支架内再狭窄的价值

本研究旨在验证高分辨率(HSR)CT以0.25mm层厚评价肾动脉狭窄支架植入术后再狭窄的价值。

本研究分别以HSR CT和传统CT进行0.05mm假体和肾支架内不同程度再狭窄血管模型进行扫描。有线假体被用来分析调制传递函数(MTF)。而血管假体,计算错误率并作为测量值和实际值的整体差异。定量评价中,整体图像质量和评价不同狭窄的诊断准确性由两位放射科医生进行评价。采用配对T检验、Wilcoxon符号等级检验和McNemar检验进行统计学分析。

结果为,在10%和2%MTF中,HSR CT分别得到24.3线对/分钟± 0.5、29.1线对/分钟± 0.4;而传统CT分别得到12.5线对/分钟±0.1、14.3线对/分钟±0.1。HSR CT测量直径的平均错误率(8.0% ± 5.8)要影响低于传统CT(16.9% ± 9.3; P < .001)。HSR CT图像质量要明显高于传统CT (P < .001),但是HSR CT在诊断准确率方面并不由于传统CT。

本研究表明,与传统CT相比,高分辨率CT能够在2%调制转移函数中得到分别率高达29线对,提高了肾动脉支架植入术后再狭窄诊断评价的准确率。


Radiology:MRI检查会让你的银汞合金牙齿填充物释放汞成分吗?

本研究旨在体外评价7.0T和1.5T MRI检查后银汞合金汞释放的价值。

本研究共评价了60个具有临床指征拔除的无龋臼齿或前臼齿。在每个牙齿两侧进行开洞并填入银汞合金。9天后,20个随机选择的2组牙齿在行MRI扫描后20分钟内置入20 mL人工唾液中。24小时后,从唾液中取出,利用电感耦合等离子体质谱法评价唾液腺中汞含量。利用当茶分析比较3组牙齿平均汞含量,采用Tukey检验进行平均汞含量多重比较。

结果为,在7.0T、1.5T和对照组中,人工唾液中平均汞含量分别为673 μg/L ± 179 、172 μg/L ± 60、141 μg/L ± 152。7.0T人工唾液中平均汞含量要明显高于1.5T(P < .001; 95%CI: 368 μg/L, 633 μg/L)和对照组(P < .001; 95% CI: 416 μg/L, 648 μg/L)。而在1.5T和对照组中,平均汞含量无统计学差异(P = .84; 95%CI: -164 μg/L, 110 μg/L)。

本研究表明在体外研究中,7.0T MRI检查会引起银汞合金植入物释放汞离子,而1.5T扫描中并无该种情况。


Radiology:乳腺X线密度自动容积分析预测不良预后的价值

本研究旨在描述容积乳腺X线密度(VBD)的筛查结果。

本研究共纳入了107949例50-69岁女性,共行307015次乳腺筛查。利用自动软件对乳腺钼靶密度进行分类为非密实(VBD <7.5%)或密实(VBD ≥7.5%)。分析筛查比例和分布(复查、活检、筛查检出和间期乳腺癌、复查阳性预测值、针刺活检阳性预测值、敏感性、特异性和组织学肿瘤特征)。利用倾向评分和T检验进行统计学分析。

结果为,共有28% (87 021 of 307 015)例患者进行了筛查,且分类为密实型乳腺。非密实型乳腺患者和密实型乳腺患者复查率分别为2.7% (5882 / 219 994)、 3.6% (3101 / 87 021),或活检率分别为1.1% (2359 / 219 994)、1.4% (1209 / 87 021),筛查肿瘤阳性率分别为5.5 (1210 / 219 994)、6.7 (581 / 87 021) / 1000,间期乳腺癌发生率分别为1.2 (199 / 165 324) 、 2.8 (185 / 66 674) / 1000 (P < .001),敏感性分别为82% (884 / 1083)、71% (449 / 634),特异性分别为(160 973 / 164 440) 、97% (64 250 / 66 225), respectively (P < .001)。对于筛查检出肿瘤,平均肿瘤直径分别为15.1mm、16.6 mm (P = .01),淋巴结病变阳性率分别为18% (170 / 936) and 24% (98 of 417) (P = .02)。

本研究表明,与非密实型乳腺患者相比,通过自动软件筛出的密实型乳腺患者的复查率、筛查结果低敏感性、肿瘤直径更大、淋巴结病变发生率更高。


Radiology:4D 心脏Flow CT与4D Flow MRI在心脏中的价值

本研究旨在与4D flow MRI比较,验证4D flow CT评价心脏内血流模式的价值。

本研究手机了12例受试者的冠脉CTA和4D flow MRI数据。基于CT心脏解剖结构和4D flow MRI数据进行流量模拟。定量血流模型、血流量、心搏量、动能和血流成分,并用线性回归进行统计学分析。

结果为,4D flow CT得到的血流模式与4D flow MRI的相似,该过程是由3名放射科医生进行分级评价。利用Cohen κ分数评价组间一致性(分别为0.83、0.79、0.70),配对Wilcoxon秩和检验显示各分级间无显着变化(P > .05)。在4D flow MRI和4D flow CT指标中达峰血流率和具有高度相关性(r = 0.98、r = 0.81,; P < .05)。收缩期整合动能匹配良好(r = 0.95, P < .05),而在舒张早期和晚期动能水平无显着相关性。血流成分分析显示直接和剩余成分间具有高度相关性(r = 0.93, P < .05、r = 0.87, P < .05),而保留和延迟成分间无相关性。

本研究表明,以4D flow MRI为参考标准,4D flow CT能够定量、定性评价心脏血流模式。


Radiology:SPECT灌注成像和冠脉CTA提示心脏会不会撂担子

本研究旨在验证联合SPECT心肌灌注(MPI)和冠脉CTA作为心脏影像学检查手段预测长期主要不良心脏事件(死亡、心肌梗死[MI]、不稳定心绞痛、冠脉血运重建)(MACEs)的价值。

本研究共回顾性分析了528例患者,并根据多模态影像学表现分为3组(a)冠脉CT显示血管狭窄≥50%且SPECT显示相应供血区心肌缺血(b)冠脉CT显示血管狭窄≥50%与SPECT显示心肌缺血相应血管不匹配(c)冠脉CT和SPECT表现正常。研究终止点为死亡或MI和合并MACEs。利用Kaplan-Meier法识别无MACEs生存期,利用Cox比例危害回归分析识别MACE的独立预测指标。

结果为,在随访了6.8年中,共有160次MACEs,其中包括死亡45人。与多模态影像学表现正常患者相比(1.2%; n = 216 [1.2%]; P < .001),血管狭窄和灌注异常匹配患者每年严重事件率约有5倍之高(n = 46 [7.0%]),而在非匹配患者约有3倍之高(n = 113 [3.7%])。匹配组、非匹配组和正常对照组的MACE发生率分别为21.8%、9.0%、2.4%。血管狭窄和灌注异常匹配是MACE或严重事件发生的独立预测指标。

本研究表明,心脏多模态影像学是对冠心病患者长期评价不良心脏事件的良好手段。血管狭窄和异常灌注匹配与每年心脏不良事件高发生率具有明显相关性。


Radiology:血管壁MRI成像中何种表现的动脉瘤容易破?

本研究旨在识别血管壁MRI中非破裂动脉瘤(UIA)稳定性的强化方式。

本研究收集稳定性(偶然发现或超过6个月未见明显变化)或非稳定性(有症状性或6个月后发生变化)UIA。利用强化程度4级分类法对每个动脉瘤进行分类:0=无强化,1=局部强化,2=薄层环形强化,3=厚层(>1mm)环形强化。利用κ一致性和95%CI统计学分析评价组间和组内强化是否出现和程度。比较鉴别动脉瘤稳定性的每种强化程度的敏感性、特异性、阴性预测值和阳性预测值。

结果为,本研究共纳入了263例动脉瘤患者,共有333处动脉瘤。评价动脉瘤强化的出现 (κ值分别为0.82 [95% CI: 0.67, 0.99]、0.87 [95% CI: 0.7, 1.0], respectively)和强化程度(κ = 0.92 [95% CI: 0.87, 0.95]). In unruptured aneurysms (n = 307)组间和组内一致性很好。在非破裂动脉瘤(n = 307)中,等级3对鉴别动脉瘤稳定性具有最高的特异性 (84.4%; 233 of 276; 95% CI: 80.1%, 88.7%; P = .02)、阴性预测值(94.3%; 233 of 247)。等级3与动脉瘤不稳定性之间具有显着相关性(P < .0001)。

本研究表明,在动脉瘤患者中,厚层(>1 mm)环形强化对鉴别动脉瘤稳定性具有最佳特异性。


Radiology:基于钆代谢物--线性与大环类对比剂在大鼠模型间对比

本研究旨在进行多次钆对比剂(GBCAs)后1年后小鼠脑内钆剂及MRI信号强度(SI)长期变化。

实验小鼠接受线性GBCA(钆双胺、钆喷酸葡胺、钆贝葡胺)大环类GBCA(钆布醇、钆特酸葡胺、钆特醇)或生理盐水。在2周内动物接受8次注射(1.8 mmol/kg/每次)。采用耦合等离子体质谱法(ICP-MS)和激光消融ICP-MS在注射对比剂5、26、52周进行分析。

结果为,接受线性GBCA的动物要比生理盐水组的深部核团(DCN)-脑干SI比要明显高(每次均P < .001)。1年后,在线性GBCA、大环类GBCA和生理盐水组小脑钆剂浓度分别为3.38 nmol/g (钆双胺), 2.13 nmol/g (钆喷酸葡胺), and 1.91 nmol/g (钆贝葡胺)。对于线性对比剂,激光消融ICP-MS显示小脑齿状核有钆剂沉积。对于大环类GBCAs,与生理盐水组比较DCN-脑干SI比无显着性差异(P > .42),在5和52周小脑钆剂浓度降低到0.08 nmol/g (钆布醇)、0.04 nmol/g (钆特酸葡胺), and 0.07 nmol/g (钆特醇)。回顾性激光消融ICP-MS分析显示无钆剂沉积。

本研究表明,在注射线性钆对比剂1年后,小脑齿状核信号强度持续增高,与起初脑内钆对比剂浓度无减少相一致。接受大环类钆对比剂的动物中脑内钆剂持续性减少。


Radiology:看看MRI中颈动脉指标是怎样预测偶发心血管事件的!

本研究旨在比较US和MRI半自动软件测量颈总动脉(CCA)厚度差异,评价其与偶发心血管事件、卒中的相关性。

本研究共回顾性分析了698例无临床心血管病(CVD)病史的患者。利用US和非增强质子密度加权、增强MRI测量CCA管壁厚度。利用Cox比例风险模型评价管壁厚度与CVD之间的相关性。

结果为,每增加标准差US所测量的内膜-中膜厚度发生冠心病、脑卒中和CVD的风险比分别为1.10、1.08、1.14。质子密度加权MRI的相关系数分别为1.32、1.48、1.37,增强MRI的相关系数分别为1.27、1.58、1.38。当同时纳入到相同模型中,是MRI管壁厚度而不是内膜-中膜厚度仍旧与预后具有相关性。

本研究表明,对于无心血管的个体,与US所测量内膜-中膜厚度相比MRI中所测量的管壁厚度与偶然心血管事件更具有相关性,尤其是卒中。


Radiology:如何避免肝细胞肝癌经肝动脉化学栓塞术后栓塞术后综合征呢?

本研究旨在建立和验证肝细胞肝癌经肝动脉化学栓塞术后(TACE)栓塞术后综合征(PES)预测模型。

本研究共纳入了370例经513次TACE的患者。70%患者随机分为训练组,30%患者随机分布验证组。指标包括人口学特征、实验室检查指标、临床表现和手术指标。PES定义为在TACE术6小时后初夏疼痛或恶心,并需要经静脉药物治疗缓解症状。利用条件推理树和Lasso 回归建立预测模型。

结果为,在训练组和验证组人口学特征、实验室指标、手术效果、肿瘤特点和手术细节相似。整体上,共有83/370例患者(22.4%)经过107/513次TACE手术(20.8%)符合研究标准。由单变量分析识别了包括肿瘤负荷较大(P = .004)、药物洗脱栓塞性TACE(P = .03)、阿霉素剂量(P = .003)、PES病史(P < .001)和慢性疼痛(P < .001)等指标,其中PES病史、肿瘤负荷和药物洗脱栓塞性TACE在多变量分析中具有最强预测价值,因此用于预测模型。当应用于验证组时,该模型曲线下面积、敏感性、特异性和阴性预测值分别为0.62、79% (22 of 28), 、44.2% (53 of 120)、90% (53 of 59)。

本研究表明,该模型表明了PES病史、肿瘤负荷和药物洗脱栓塞性TACE是预测由于PES导致术后恢复缓慢的指标。


Radiology:基于深部学习方法电影MR图像全自动定量评价左心室功能

本研究旨在利用短轴电影MR图像建立基于深度学习方法进行全自动定量左心室功能,评价诊断效能。

本研究纳入了电影MRI数据。利用三个半卷积神经网络(CNNs)联合U-NET纹理进行分析数据(a)单中心、单一品牌设备、均质100例患者(CNN1);(b)单一品牌设备、多中心、不均质200例患者(CNN2);(c)多品牌设备、多中心、不均质400例患者(CNN3)。采用独立的多中心、多品牌设备的196例患者测试所有CNNs。通过3名放射科医生独立评价标注(a)左心室准确性、(b)LV分割准确性(c)LV功能参数准确性进而评价CNN效能。利用配对Wilcoxon检验、Pearson相关性、Bland-Altman分析比较自动和人工分析结果。

结果为,对于独立测试数据,CNN3获得了最高的评价效能。CNN3、CNN1、CNN2与人工分析比较平均垂直距离分别为1.1 mm ± 0.3、1.5 mm ± 1.0、(P < .05) 、1.3 mm ± 0.6 (P < .05)。来自CNN3的LV功能参数表明具有高相关性、与由专家评价结果具有一致性。

本研究表明,利用短轴电影MR图像建立基于深度学习方法进行全自动定量左心室功能具有较高准确性和稳定性。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

盘点:Radiology2018年8月汇总(上)!

【盘点】Radiology2018年8月汇总(上)!

盘点:Radiology2018年8月汇总(下)!

【盘点】Radiology2018年8月汇总(下)!

盘点:Radiology2018年9月汇总(上)!

【盘点】Radiology2018年9月汇总(上)!

Nature review Cancer:人工智能在医学影像学中的应用

人工智能(AI)算法,特别是深度学习,已经在图像识别中取得非常好的效果。从卷积神经网络到变分自动编码器的各种方法在医学图像分析领域得到了无数的应用并迅速推进。在过去的影像学实践中,由有经验的放射科医生在视觉上评估医学图像以用于疾病的检测,描述和监测。AI方法擅长自动识别复杂的图像数据,并提供定量的,而不是定性的影像图像特征评估。在本文中,我们首先建立了对AI方法的一般理解,特别是与基于图像任务有关

盘点:Radiology2018年7月汇总(下)!

【盘点】Radiology2018年7月汇总(下)!

盘点:Radiology2018年6月汇总(下)!

【盘点】Radiology2018年5月汇总(下)!

Baidu
map
Baidu
map
Baidu
map