目的:采用CT定量分析多发性肌炎/皮肌炎相关间质性肺病(Polymyositis/dermatomyositis-associated interstitial lung disease,PM/DM-ILD)患者的肺部改变,探究其评价PM/DM-ILD患者胸部改变的应用价值。方法:收集301例PM/DM-ILD及76例非ILD患者胸部CT图像纳入数字肺分析平台,测量两组研究对象全肺及各肺叶的肺容积、平均肺密度及肺血管体积百分比。利用定量CT肺密度直方图计算高衰减区百分比(Percentage of high attenuation area,HAA%)。采用多元Logistic回归分析筛选与PM/DM-ILD诊断相关的定量参数并构建复合模型。使用受试者工作特征曲线(ROC)及曲线下面积(AUC)确定鉴别诊断PM/DM-ILD组和非ILD组的最佳定量参数及其阈值、并评价复合模型的诊断效能。结果:与非ILD组相比,ILD组全肺及各肺叶的肺容积均明显减小、平均肺密度及HAA%均明显增高,双肺上叶肺血管体积百分比明显增大、而双肺下叶肺血管体积百分比明显减小,差异均具有统计学意义(P<0.05)。多元Logistic回归分析显示右下肺平均密度(OR=1.015,95%CI:1.003~1.028,P=0.019)、右下肺血管体积百分比(OR=0.763,95%CI:0.584~0.997,P=0.047)及年龄(OR=1.025,95%CI:1.003~1.048,P=0.026)对诊断ILD具有统计学意义。ROC曲线分析显示,右下肺平均密度为鉴别诊断PM/DM-ILD组和非ILD组的最佳CT定量参数,AUC为0.84(95%CI:0.80~0.89),以-770.7 HU为阈值,敏感度为78.1%,特异度为77.8%。基于CT定量参数及年龄构建的复合诊断模型具有更佳的诊断效能,AUC为0.87(95%CI:0.83~0.91)。结论:定量CT能够客观准确评估PM/DM-ILD患者肺容积、平均肺密度及肺血管体积改变。基于CT定量参数及年龄构建的复合模型对ILD的识别显示出良好的诊断效能,为PM/DM-ILD患者的病情评估和诊断提供了便捷的新途径。
目的探讨T2WI机器学习鉴别高级别胶质瘤和脑单发脑转移瘤的价值。方法收集我院2016年1月至2018年11月经病理或随访证实为高级别胶质瘤(41例)或脑单发转移瘤(34例)的患者。所有患者术前均行常规MRI检查,其中包含轴面T2WI。采用ITK-SNAP软件在T2WI上对全瘤进行逐层手动勾画水肿范围感兴趣区(region of interest,ROI),病灶最上和最下两层除外。通过Python对每层ROI进行纹理和形态学特征提取。特征分类统计方法采用支持向量机(support vector machine,SVM)、Logistic回归和朴素贝叶斯机器学习算法,其中70%数据作为训练集,30%作为验证集。同时邀请2名具有3年以上影像诊断经验的医师对病灶水肿区/对侧正常脑组织信号比(nSI)进行半定量受试者工作特征曲线(receiver operating characteristic,ROC)分析,结果均以曲线下面积(area under the curve,AUC)、敏感性和特异度表示,并比较不同方法的诊断效能。结果基于T2WI图像特征机器学习分析,SVM算法具有较高的诊断效能,训练集和测试集AUC分别为0.79(95%confidence interval,CI:0.75~0.83)和0.71(95%CI:0.64~0.77),敏感性和特异度分别为70.88%(95%CI:65.0%~76.3%)和77.13%(95%CI:70.5%~82.9%);Logistic回归和朴素贝叶斯诊断效能较低,训练集和测试集AUC分别为0.77(95%CI:0.73~0.81)/0.67(95%CI:0.60~0.73),0.72(95%CI:0.67~0.76)/0.62(95%CI:0.55~0.69),相比SVM差异有统计学意义;医师半定量分析诊断效能最低,AUC为0.58(95%CI:0.44~0.70)。结论 T2WI图像特征机器学习在术前鉴别高级别胶质瘤和脑单发转移瘤中具有一定的优势,其中SVM模型最具潜力。
