目的探究基于肿瘤整体体积的表观扩散系数(apparent diffusion coefficient,ADC)直方图分析在直肠癌组织学分级中的临床作用。材料与方法回顾性分析121例直肠癌患者资料,所有患者术前均行3.0 T MRI检查。采用FireVoxel软件勾画兴趣区并...
详细信息
目的探究基于肿瘤整体体积的表观扩散系数(apparent diffusion coefficient,ADC)直方图分析在直肠癌组织学分级中的临床作用。材料与方法回顾性分析121例直肠癌患者资料,所有患者术前均行3.0 T MRI检查。采用FireVoxel软件勾画兴趣区并进行直方图分析,通过方差分析比较直肠癌不同组织学分级的直方图参数[ADC最小值(ADC_(min))、ADC最大值(ADC_(max))、ADC平均值(ADC_(mean))、第5、10、25、50、75、90、95百分位数值域、偏度、峰度]。Spearman相关检验分析组织学分级与直方图参数之间的相关性。用logistic回归找出最优组合模型。并利用受试者工作特征(receiver operating characteristic,ROC)曲线分析直方图参数对于直肠癌分化程度的诊断能力。结果直方图参数ADC_(mean)、第75、90百分位、偏度和峰度在高、中和低分化的直肠癌之间有显著性差异(P<0.05)。直肠癌分化程度与上述直方图参数之间存在相关性(r=0.548、0.568、0.563、-0.555,-0.760,P<0.05)。在ADC直方图参数中,峰度在区分低分化直肠癌和高分化/中分化直肠癌时达到了最高ROC曲线下面积(area under the curve,AUC)值,为0.918,最佳截止值为2.045。ADC_(mean)、第75、90百分位、偏度和峰度的组合产生了最高的AUC,为0.928。结论基于全病灶ADC直方图分析可用于预测直肠癌的组织学分级,并且ADC_(mean)、第75、90百分位、偏度和峰度组合可能是区分低、中高分化直肠癌的最佳选择。
目的探讨能谱ct联合超声C-TIRADS分级鉴别甲状腺结节良恶性的价值。方法选取2023年5月至2024年5月滨州医学院附属医院收治的70例甲状腺结节患者进行回顾性分析,其中良性结节26例,恶性结节44例。术前均行超声检查及能谱ct增强扫描。比较两组年龄、性别、结节长径、能谱ct参数等资料。通过单因素及多因素分析筛选出能谱ct的独立预测因素,引入超声C-TIRADS分级构建列线图模型。采用Bootstrap法迭代1000次,内部验证模型的稳定性。采用独立样本t检验、Mann-Whitney U检验、χ^(2)检验进行统计分析。结果良性组和恶性组能谱参数[包括动脉期及静脉期碘浓度(iodine concentration,IC)、标准化碘浓度(normal iodine concentration,NIC)、能谱曲线斜率(slope of the energy spectrum curve,λHU)]以及结节长径比较,差异均有统计学意义(均P<0.05)。多因素分析表明,动脉期IC及静脉期NIC是鉴别甲状腺结节良恶性的独立预测因素(均P<0.05)。基于上述变量构建预测模型,该模型曲线下面积(AUC)为0.940。利用超声C-TIRADS分级诊断甲状腺结节良恶性,其AUC为0.823。超声C-TIRADS分级联合能谱ct参数构建列线图,其AUC为0.982。校准曲线显示,列线图校准度表现优秀,Brier评分为0.051。决定曲线分析显示,在广泛阈值概率范围内,列线图均表现出较好的临床净收益。应用Bootstrap法进行1000次迭代,计算平均AUC来对列线图模型进行内部验证,平均AUC为0.961。结论能谱ct预测模型AUC高于超声C-TIRADS分级。联合模型可以提高能谱ct及超声C-TIRADS分级鉴别甲状腺结节良恶性的效能。
暂无评论