Baidu
map

盘点:Radiology2018年8月汇总(下)!

2018-10-11 shaosai MedSci原创

【盘点】Radiology2018年8月汇总(下)!

Radiology:海马钙化和脑子不好使有关系吗?

本研究旨在验证海马钙化的危险性,探究海马钙化与认知功能的相关性,将结果发表在Radiology上。

本研究共纳入了来记忆门诊进行就诊的患者。对患者进行认知功能评价及颅脑CT检查。评价患者血管高危因素:高血压糖尿病、高脂血症和吸烟史。认知筛查包括剑桥认知检查(其中包括细微精神检查)。利用CT检查评价海马钙化程度(无、轻度、中度和重度)。对每位患者进行评价,选择最高程度评分。利用Logistic回归分析识别海马钙化的危险因素,利用线性回归评价海马钙化与认知功能的相关性。

结果为,共纳入了1991例患者,女性患者平均年龄为79岁,男性患者平均年龄为77岁。共有380 (19.1%)出现海马钙化。年龄越大(OR, 1.05; 95%CI: 1.03, 1.06)、糖尿病(OR, 1.50; 95% CI: 1.12, 2.00)、吸烟史(OR, 1.49; 95% CI: 1.05, 2.10)与出现海马钙化具有相关性。在出现海马钙化和钙化程度与认知功能间无显着相关性。

本研究表明,年龄越大、糖尿病和吸烟史与海马钙化的风险具有相关性。海马钙化严重程度与有记忆障碍患者的认知功能太差无显着相关性。


Radiology:对于那些复发小肝癌如何是好呢?

本研究旨在评价经皮US/MRI联合引导下射频消融(RFA)术对复发性亚厘米肝细胞肝癌(HCCs)的治疗可行性及预后结果,将结果发表在Radiology上。

本研究共纳入了194例预行US检查的复发性亚厘米HCCs患者,其中有186例行US检查。复发性HCCs定义为具有MRI典型表现的高强化结节(>5.5 mm且<10 mm)。本研究旨在评价行US检查后何时行US/MRI联合引导下经皮RFA具有技术可行性及RFA的治疗效果(包括技术上成功率、技术效率和局部肿瘤进展(LTP)和主要并发症)。利用Kaplan-Meier法评价累及LTP率。

结果为,经皮RFA在预行US检查的患者的可行性率为65.7% (138 of 210 HCCs)。RFA可行性受限的最主要原因为标记肿瘤在US显示欠清。在138处RFA可行的亚厘米HCCs中,125处病变行经皮RFA。技术上成功和技术上有效的比例为98.4% (123 of 125)。在1/2/3年LTP增长率分别为3.6%、5.4%、7.4%。主要并发症发生率为2.5% (three of 119)。

本研究表明,经皮US/MRI联合引导下RFA是一种治疗亚厘米复发性肝癌可行有效的治疗方法。


Radiology:“深度学习”用于膝关节MRI可以达到很好的软骨损伤检测诊断效果

背景及目的:

本项研究旨在评估用深度学习的方法检测膝关节磁共振中软骨病变(包括软骨软化,纤维化,局部缺损,软骨退变引起的弥漫性变薄和急性软骨损伤)的可行性。

材料和方法:

本研究基于分割和分类的卷积神经网络(CNNs)训练了一种全自动的深度学习网络系统用于检测软骨病变。采用深度学习的方法回顾性分析了175例膝关节疼痛患者的压脂T2WI快速自旋回波序列的MRI图像数据集。用于训练CNN的图像标签是由有经验的肌肉骨骼放射科医师提供,将图像在股骨和胫骨的平面上分割为17395个小的像素,并判断是否存在软骨损伤。用ROC曲线和κ值来比较软骨损伤检测模型在两个独立验证集上的诊断性能和读者间的一致性。

结果:

软骨病变检测模型在最佳阈值下的敏感性和特异性分别为:第一个独立验证集为84.1%和85.2%,第二个独立验证集为80.5%和87.9%。两个独立验证集的ROC曲线下面积分别为0.917和0.914。本次实验结果表明用深度学习训练的软骨病变检出模型的整体诊断准确性高。两个验证集之间有良好的读者间一致性,κ值为0.76。

结论:

本研究证明使用全自动深度学习软骨病变检测系统评估膝关节关节软骨的可行性,具有较高的诊断性能和良好的观察者一致性,可用于检测软骨退变和急性软骨损伤。


Radiology:动态增强乳腺MRI评估新辅助化疗后残余肿瘤大小

目的:

本项研究旨在探讨利用动态增强(DCE)乳腺MRI对新辅助化疗(NAC)后残留肿瘤大小的准确性。

材料和方法:

本研究回顾性地收集了2008年至2011年之间487名女性(平均年龄47.0岁±10.3 [标准差];范围24-78岁)在接受NAC后手术前的DCE MRI图像。研究中分别在扫描早期,常规延迟期和晚期延迟期(分别在造影剂注射后90,360和590秒)测量肿瘤大小。在组织病理学检查中,分别记录肿瘤整体的大小(浸润部分和原位部分)和浸润部分的大小。通过使用组内相关系数(ICC)来比较MRI测量结果和组织病理学检查的肿瘤大小之间的一致性。通过使用多元线性回归分析评估影响肿瘤大小的独立因素。

结果:

与组织病理学检查的肿瘤大小相比,常规延迟期测量的总肿瘤大小与扫描早期相比ICC分别为0.76 和 0.56( P <0.001),常规延迟期和晚期延迟期ICC分别为0.76 和 0.74(P = 0.55)。小叶型相对于其他肿瘤亚型是导致肿瘤大小较大的独立的相关因素(P <0.001)。与乳腺导管癌相比,小叶癌的肿瘤大小更容易被低估(平均大小差异,-2.8 cm±3.2 vs -0.3 cm±1.8; P = .004)。与HER2基因突变阳性的乳腺癌(-0.8 cm±2.0 vs -0.3 cm±1.7,P = .006)以及三个基因突变均为阴性的乳腺癌相比,雌激素受体阳性或HER2基因突变阴性的肿瘤的大小更容易被低估( - 0.8 cm±2.0 vs 0.3 cm±1.7,P=.001)。

结论:

本研究发现延迟期MRI比早期MRI可以更准确地评估新辅助化疗后残留的肿瘤大小。与导管癌及其他亚型相比,小叶癌或雌激素受体阳性/人表皮生长因子受体2基因突变阴性的乳腺癌新辅助化疗后残余肿瘤大小更容易被低估。


Radiology:相同剂量,肝脏三个动脉期CT增强扫描好在哪里?

本研究旨在制定并评价相同剂量下,三个动脉期CT增强扫描对肝细胞肝癌(HCC)优于标准单动脉期的价值。

本研究共纳入了15例行 三个动脉期CT增强扫描的患者(A组)和38例标准单动脉期扫描的患者(B组)。所有受试者注射50ml对比剂行灌注CT扫描。B组另行注射120ml对比剂行多期肝脏增强扫描。通过不同三个时间点融合图像获得三期动脉期图像。由两名观察者独立评价三动脉期CT增强扫描和单动脉期CT增强扫描,评价图像质量和HCC检出率。另一名观察者作为参考评价客观图像质量。利用独立样本T检验、Wilcoxon符号等级检验和JAFROC进行统计学分析。

结果为,三动脉期和单动脉期增强扫描的平均CT体积指数分别为11.6 mGy 、11.9 mGy(P = .73)。与单动脉期CT增强扫描相比,三动脉期增强扫描图像噪声降低,对比噪声比升高(P < .001、P = .032)。然而,在病变-肝脏对比间两种无统计学差异(P = .31)。主观评价图像质量在两组扫描方案中均较好。观察者1和2在三动脉期增强扫描中检出65HCC的检出率分别为82%、83%,观察者1和2在单动脉期增强扫描中检出65HCC的检出率分别为80%、77% (P = .4)。

本研究表明,三动脉期CT增强扫描方案在保证相同剂量下完成扫描。三动脉期成像具有与单动脉期扫描不差于单动脉期扫描的成像质量和相似的HCC检出率。


Radiology:经空气间隙传播的肺腺癌的CT特征

背景及目的:

该研究对于手术切除的腺癌运用术前CT预测肺腺癌通过空气间隙传播(STAS)的特征。

材料和方法:

该研究回顾性地收集了在2015年4月至2016年12月接受手术切除的肺腺癌共948例,评估了患者STAS的存在情况并且将.STAS阳性和阴性的患者按1:2的比例进行匹配。同时使用患者的临床信息做为独立变量(年龄,性别和吸烟状况)。CT特征包括了实性成分的百分比,实性成分的最大直径,病变密度,位置,边缘,形状,空洞,钙化,中心低密度,边界不清,空气支气管征,卫星病灶,胸膜凹陷,通过使用多变量logistic回归和ROC曲线对这些特征进行分析。

结果:

最终纳入的患者共276名(平均年龄59岁;年龄范围32-78岁),其中男性129名(平均年龄60岁;年龄范围36-78岁)和女性147名(平均年龄59岁,年龄范围,32-78岁)。STAS阳性患者92例,STAS阴性184例。STAS在实性结节中更常见(71/92; 77%),而不是部分实性结节(21/93; 23%)或磨玻璃样病变(0/90; 0%)(P <.001)。STAS还与中心低密度,边界不清,空气支气管造影和实性成分的百分比相关(P <.001)。实性成分的百分比是STAS的独立预测因子(优势比,1.06; 95%置信区间:1.03-1.08)90%的临界值具有区分意义,灵敏度为89.2%,特异性为60.3%。

结论:

CT中的结节的实性成分百分比是预测肺腺癌通过空气间隙传播的独立因素。


Radiology:双能量CT可以定量评估乳腺癌患者腋窝前哨淋巴结是否转移

目的:

本项研究的目的是评估双能量CT对乳腺癌患者转移性前哨淋巴结(SLNs)术前诊断的诊断性能。

方法:

本项研究为前瞻性研究,研究人员收集了本中心从2015年6月至2017年12月所有做双能量增强CT的女性乳腺癌患者。该研究主要比较了转移性和非转移性SLN之间的定量双能CT参数和形态学参数的差异。使用单变量和多变量逻辑回归模型来分析定量参数。并通过ROC曲线分析了形态学和定量参数的诊断效能,并使用McNemar检验将两者进行比较。

结果:

本研究共纳入193名女性乳腺癌患者(平均年龄47.6岁±10.1;年龄范围22-79岁)。双能量CT的定量参数包括在动脉和静脉期测量的CT值(单位HU)曲线的斜率(λHu)。单变量和多变量logistic回归分析显示,静脉期λ胡(以每千电子伏的HU单位)是用于检测转移性前哨淋巴结的最好的单一参数。静脉期λ的精度胡用于检测转移性前哨淋巴结以淋巴结为单位准确率为90.5%。用静脉期λ来监测前哨淋巴结的转移在准确性和特异性上均优于形态学参数胡(P <.001)。

结论:双能量CT有助于术前鉴别乳腺癌患者是否有前哨淋巴结是否转移。

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6月汇总(上)!

【盘点】Radiology2018年6月汇总(上)!

盘点:Radiology2018年5月汇总(上)!

【盘点】Radiology2018年5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