简介:摘要目的通过与多模型迭代重建算法(ASiR-V)对比,探讨深度学习图像重建(DLIR)算法在低辐射剂量下对乏血供肝转移瘤CT图像质量及检出效能的影响。方法前瞻性收集2021年1月至4月郑州大学第一附属医院因乏血供肝转移病变需行全腹部增强CT的56例患者,增强后第1静脉期均行常规辐射剂量(400 mA)CT扫描,根据第2静脉期管电流的不同将患者分为A(280 mA,19例)、B(200 mA,19例)、C(120 mA,18例)组。各组第1静脉期和第2静脉期图像均进行权重为60%的ASiR-V(ASiR-V60%)和高强度的DLIR(DLIR-H)重建。图像质量客观评价指标包括噪声、肝脏的信噪比(SNR肝脏)和门静脉的信噪比(SNR门静脉)、病灶的对比噪声比(CNR病灶),主观评价指标包括总体图像质量评分、病灶显示能力评分、诊断信心度评分,并记录各组有效辐射剂量(ED)和病灶检出率。采用配对t检验比较ASiR-V60%和DLIR-H图像间客观指标的差异,采用配对资料的Wilcoxon符号秩和检验比较主观评价指标。结果第2静脉期A、B、C组ED分别为(5.56±0.35)、(3.88±0.23)、(2.42±0.23)mSv。A、B、C组第2静脉期的ED分别比第1静脉期的ED降低30%、50%、70%。随着辐射剂量的降低,噪声逐渐增加,CNR病灶、SNR肝脏、SNR门静脉逐渐降低。在相同辐射剂量条件下,DLIR-H的图像的客观评价指标均优于ASiR-V60%,差异有统计学意义(P均<0.001)。各组的主观评分随辐射剂量的降低而降低,在相同辐射剂量条件下,DLIR-H的总体图像质量、病灶显示能力和诊断信心评分均高于ASiR-V60%(P均<0.001)。A组的ASiR-V60%和DLIR-H均将全部病灶检出,检出率为100%(84/84),B组检出率均为92.0%(75/81),C组检出率均为88.0%(79/89)。结论与ASiR-V60%相比,DLIR-H在低辐射剂量下均可提高总体图像质量及乏血供肝转移病灶的显示能力,增加诊断信心。
简介:Q一笑大哥,用Photoshop是不是画不出真正的圆形?我用了Photoshop中的圆形选区工具,选择后做了一个描边,但放大之后看,发现圆形周边参差不齐,根本就不是个正规的圆形嘛!请问这到底是怎么回事啊,难道是我安装的Photoshop软件有问题?
简介:目的:探讨治疗前基线CT门静脉期图像的直方图分析预测结直肠癌肝转移(colorectallivermetastasis,CRLM)新辅助治疗后疗效的价值。方法:选取34例CRLM患者,共计132枚病灶,经FOLFOX(氟尿嘧啶+亚叶酸钙+奥沙利铂)、FOLFIRI(氟尿嘧啶+亚叶酸钙+伊立替康)或CapeOX(奥沙利铂+卡培他滨或卡培他滨单用)方案化疗。所有患者均接受至少两次常规腹部平扫加增强三期CT扫描,于化疗前4周内行CT基线扫描,化疗开始后2~3个月内行第2次扫描以评估疗效。对患者门静脉期CT图像进行直方图分析,依据实体肿瘤疗效评价标准(ResponseEvaluationCriteriainSolidTumors,RECIST)(Version1.1)进行疗效评估,获得相应转移瘤的纹理参数,比较缓解与非缓解组患者治疗前基线CT直方图参数的差异。采用受试者工作特征(receiveroperatingcharacteristic,ROC)曲线分析法计算各参数预测缓解的曲线下面积(areaundercurve,AUC)、灵敏度、特异度、阳性预计值、阴性预计值、准确率及截断值。由两名放射科医师达成一致意见后勾画感兴趣区。结果:34例患者中,缓解组21例,非缓解组13例。缓解组的均值、方差、偏度和百分位数(10%、50%、90%、99%)低于非缓解组,差异有统计学意义(P<0.05);但峰度值和1%百分位数无显著差异(P=0.769、0.06)。90th百分位数在截断值为167时具有较高的准确率(81.82%),此时灵敏度、特异度、阳性预计值、阴性预计值及AUC分别为74.42%、95.65%、96.65%、66.97%和0.854。结论:CT门静脉期直方图分析对预测CRLM患者新辅助疗效具有潜在价值。
简介:摘要目的基于原发肿瘤及淋巴结CT特征建立评分模型预测食管鳞癌患者喉返神经旁淋巴结(RLN-LN)转移风险。方法回顾性收集2014年1月至2019年12月于北京大学肿瘤医院行食管癌根治术并清扫RLN-LN的92例食管鳞癌患者。根据术后淋巴结病理结果分为RLN-LN转移组(n=37)和非转移组(n=55)。评估术前CT图像,记录食管癌患者年龄、性别、分化程度、肿瘤位置、肿瘤大小(肿瘤长度、肿瘤厚度、厚度/长度)、RLN-LN大小(淋巴结短径、长径、短径/多平面重建(MPR)最长径]。采用多元logistic回归筛选独立预测因子并建立评分模型,采用ROC曲线评估评分模型及独立预测因子诊断RLN-LN转移的效能,采用Z检验比较曲线下面积(AUC)的差异。应用Hosmer-Lemeshow检验和校准曲线评估模型拟合度。结果肿瘤位置、肿瘤长度、RLN-LN短径、短径/MPR最长径是RLN-LN转移的独立预测因子,其诊断RLN-LN转移的AUC分别为0.586、0.705、0.831、0.777。基于以上4个CT特征建立评分模型,评分模型诊断RLN-LN转移的AUC为0.903(95%CI 0.846~0.959),优于各单一CT特征(Z=5.812,P<0.001;Z=2.161,P=0.030;Z=2.929,P=0.003;Z=4.052,P<0.001)。拟合优度Hosmer-Lemeshow检验结果显示P=0.555,校准曲线提示评分模型预测RLN-LN转移风险与实际转移风险之间具有良好的一致性。结论基于CT图像的评分模型有助于食管鳞癌RLN-LN转移状态危险分层。