目的 探讨基于表观扩散系数（ADC）全域直方图术前预测节细胞胶质瘤（GG）BRAF V600E突变状态的价值。方法 回顾性搜集2017年1月至2025年12月病理确诊为GG的63例患者的临床和影像资料。根据基因突变状态分为BRAF V600E野生型组（n=33）和BRAF V600E突变型组（n=30）,应用FireVoxel软件在ADC图像上沿着病灶边缘逐层对肿瘤进行感兴趣区（ROI）分割,随后提取16个直方图特征。采用两独立样本t检验或Mann-Whitney U检验比较组间差异,P≤0.05为差异有统计学意义。通过受试者工作特征曲线（ROC）分析评估直方图参数区分BRAF V600E野生型和BRAF V600E突变型诊断性能。结果 BRAF V600E突变型组的ADC平均值（ADC_mean）、ADC第1百分位数（ADC_1th）、ADC第10百分位数（ADC_10th）、ADC第25百分位数（ADC_25th）、ADC第50百分位数（ADC_50th）、ADC第75百分位数（ADC_75th）、ADC第90百分位数（ADC_90th）和ADC第99百分位数（ADC_99th）显著低于BRAF V600E野生型组（P均≤0.05）,而BRAF V600E突变型组的偏度显著高于BRAF V600E野生型组（P≤0.05）。ROC分析显示ADC_mean区分BRAF V600E野生型和BRAF V600E突变型诊断性能最佳,曲线下面积（AUC）、敏感度、特异度、截断值和约登指数分别为0.848（95%CI：0.736~0.926）、100.00%、63.64%、≤1783.237和0.636。结论 基于ADC全域直方图参数可能作为术前区分BRAF V600E野生型和BRAF V600E突变型GG的无创性工具。

目的 利用结构磁共振成像（sMRI）技术探讨老年性耳聋患者类淋巴系统紊乱与认知障碍的关联。方法 回顾性搜集2024年1月至2026年1月107例老年性耳聋患者以及同期体检的99名听力正常健康对照组（HC）的听力数据、神经量表数据和sMRI数据,通过扩散张量成像（DTI）分析沿血管周围间隙的扩散张量成像分析（DTI-ALPS）,结合3D-T₁WI图像提取灰质、白质、脉络丛、血管周围间隙、侧脑室、第三脑室及第四脑室体积用于评估类淋巴系统属性,比较两组类淋巴系统的组间差异,并计算其与临床指标的相关性。结果 纯音测听结果显示老年性耳聋患者的左、右耳平均听阈均显著高于HC组（P<0.05）。多维度神经量表评分显示老年性耳聋患者的数字广度测验、数字符号替换测试、连线测试、听觉词语学习测试得分异常,提示存在认知障碍。与HC组相比,类淋巴系统属性分析显示老年性耳聋患者脉络丛体积、侧脑室体积及第三脑室体积明显增大（P<0.05）。相关性分析显示原始脉络丛体积与数字符号替换测试得分呈负相关（r=-0.252,P=0.012）。结论 老年性耳聋患者类淋巴系统结构紊乱可能是其诱发认知障碍的潜在机制。

目的 探讨乳腺浸润性导管癌（IDC）与浸润性小叶癌（ILC）在锥光束乳腺CT（CBBCT）上毛刺征象差异及其相关的临床病理特征,评估毛刺征象差异对二者的鉴别诊断价值。方法 回顾性搜集2019年7月至2024年5月经病理证实为IDC与ILC（两组各63例）患者的临床病理及CBBCT影像学征象。采用t检验、χ²检验和Fisher精确检验对两组患者年龄、乳腺癌家族史、淋巴结转移、原发肿瘤病灶钙化情况、原发肿瘤病灶肿块大小、分子分型、雌激素受体（ER）、孕激素受体（PR）状态、Ki-67指数、人表皮生长因子受体-2（HER-2）、原发肿瘤病灶毛刺形态学征象特点、癌促纤维组织增生程度等进行分析比较。采用Kappa检验分析两名医师对毛刺征象主观评阅的一致性。通过Spearman秩相关分析评估毛刺长度、前段宽度、扭曲度及密集度与IDC、ILC的相关性。结果 两组在原发肿瘤病灶钙化情况、肿块大小、ER、PR、Ki-67指数、HER-2、分子分型、原发肿瘤病灶毛刺形态学征象特点及癌促纤维组织增生程度差异均有统计学意义（P<0.05）。两名医师对IDC、ILC组毛刺形态学特征分析测量结果均具有较高的一致性（Kappa值为0.807~0.950,P<0.05）。Spearman分析显示,IDC、ILC与毛刺形态各指标均存在相关性。结论 CBBCT能够清晰显示肿块的毛刺征。IDC的毛刺多呈“短硬毛刺”表现,而ILC的毛刺多呈“长软毛刺”表现,该差异与两种肿瘤引起的癌促纤维组织增生程度差异有关。“短硬毛刺”和“长软毛刺”征象有助于IDC和ILC的鉴别诊断。

目的 探究不同浓度碘对比剂在对比增强能谱乳腺X线摄影（CESM）中对图像质量的影响。方法 搜集2019年8月至2023年4月行CESM检查的患者87例,根据对比剂注射浓度不同分成三组（29例/组）：碘海醇组（320 mgI/ml）、碘帕醇组（370 mgI/ml）、碘美普尔组（400 mgI/ml）。在CESM检查前,固定注射流率3 ml/s,注射三种不同浓度对比剂后行常规摄影。分别对三组图像进行客观评价和主观评价,比较不同碘浓度对CESM图像质量的影响。通过图像的信噪比（SNR）、对比噪声比（CNR）、病灶灰度值、图像噪声对三组图像进行客观评价,比较其差异。同时由诊断医师采用双盲的主观评分来评价图像质量。通过受试者工作特征（ROC）曲线比较三种浓度对比剂对乳腺疾病的诊断效能。结果 三组不同碘对比剂在SNR和图像噪声上有统计学差异（P=0.002,P=0.003）,碘美普尔的SNR和图像噪声优于碘海醇（P=0.001,P=0.01）,碘帕醇的SNR和图像噪声优于碘海醇（P=0.008,P=0.0001）;而在CNR和病灶灰度值上无统计学差异（P=0.292,P=0.452）;主观评分中三组比较有统计学差异（P=0.009）,其中碘美普尔图像质量优于碘海醇（P=0.007）,其余两组无统计学差异;碘美普尔高浓度对比剂的诊断效能略高于其余两种碘帕醇、碘海醇较低浓度对比剂,曲线下面积（AUC）分别为0.876、0.857、0.842,两两比较后,无统计学差异（P=0.909,P=0.783,P=0.860）。结论 高浓度对比剂可以改善图像质量,同时保持CESM的诊断优势。

目的 构建联合乳腺X线摄影（MMG）与超声（US）双模态影像特征及临床因素的列线图模型,评估其对乳腺影像报告和数据系统（BI-RADS）4类病变恶性风险的预测价值。方法 回顾性分析来自两个中心的915例经MMG诊断为BI-RADS 4类患者。将中心1的患者按7∶3比例随机分为训练集（n=481）与内部测试集（n=206）,中心2作为外部测试集（n=228）。采用Boruta算法与最小绝对收缩和选择算法（LASSO）回归筛选特征,通过多因素Logistic回归构建恶性风险预测模型,最终将该模型可视化为列线图。采用受试者工作特征曲线（ROC）曲线下面积（AUC）评估模型的区分度,校准曲线评估其一致性,并通过决策曲线分析（DCA）评估临床净获益。结果 LASSO回归模型最终筛选出11个预测因子。Boruta算法确认了包括上述因子在内的16个重要特征。基于Boruta算法构建的模型在训练集、内部测试集和外部测试集中预测恶性风险的AUC值分别为0.944、0.926和0.897。校准曲线和DCA均提示模型具有良好的校正效果和临床实用性。结论 基于双模态影像联合临床因素构建的列线图模型对BI-RADS 4类病变的恶性风险具有良好的预测效能。引入Boruta算法有助于实现更全面、稳健的特征筛选,从而提升特征选择结果的可靠性及模型的临床可解释性。

目的 评估酰胺质子转移成像(APTw)在三阴性与非三阴性乳腺癌分子亚型分类中的效果,并确定其是否能提高扩散加权成像（DWI）对三阴性乳腺癌的诊断准确性。方法 回顾性研究纳入106例确诊的乳腺癌病例。根据病理学结果分为三阴性组和非三阴性组。所有患者均完成包含动态对比增强(DCE)、APTw及DWI序列的多参数MRI检查。于DWI和APTw图像中获取病灶的表观扩散系数（ADC）值和APT值。研究分析两组的一般临床资料、ADC值和APT值的差异。采用受试者工作特征曲线（ROC）比较APT、DWI及其联合的诊断性能。结果 共纳入106例患者的病灶[平均年龄(54.3±9.4)岁],其中三阴性组36例、非三阴性组70例。比较二组APTw和ADC值的差异,差异均具有统计学意义,分别为(2.43±0.37)%和(1.95±0.38)%（P<0.05）、(1.23±0.20) × 10^-3mm²/s 和 (0.97±0.13) × 10^-3mm²/s（P<0.05）。APTw和ADC在区分三阴性和非三阴性的ROC曲线下面积（AUC）分别为0.81和0.85,二者联合的AUC为0.91,显著高于单独使用APTw或ADC的（P<0.05）。结论 APTw可鉴别三阴性与非三阴性乳腺癌,并且APTw与DWI联合模型能显著提高对三阴性乳腺癌的鉴别诊断效能。

目的 探讨基于多参数MRI-Transformer架构融合模型鉴别HER2-0与HER2-low乳腺癌的临床应用价值。方法 回顾性纳入双中心544例患者的多参数MRI图像,提取影像组学特征及2.5D深度学习特征。经特征降维后,使用机器学习算法分别构建影像组学（Rad）模型和前融合（DLREarly）模型,引入Transformer框架构建两类特征的深度融合（DLRT）模型,随后结合临床独立预测因子构建临床-影像综合模型。使用曲线下面积（AUC）等指标评估模型性能。结果 综合模型表现最佳,其在训练集、内部及外部验证集中的AUC分别为0.871、0.829和0.814,且具备良好的校准能力和临床收益。采用Transformer架构的DLRT模型优于Rad模型和DLREarly模型,其在外部验证集中表现稳健。结论 基于多参数MRI-Transformer架构融合模型有效整合了影像组学特征和深度学习特征,实现了对乳腺癌HER2-0及HER2-low的稳健预测。

目的 使用瘤内、瘤周、瘤内联合瘤周影像组学和临床病理变量构建诺莫图（Nomogram）预测乳腺癌的肿瘤浸润淋巴细胞水平。方法 共纳入257例经病理证实的浸润性乳腺癌患者,其中训练集205例、验证集52例。搜集患者术前的动态对比增强磁共振成像（DCE-MRI）第4期图像,在瘤内勾画感兴趣区（ROI）,并向外扩张3 mm获得瘤周ROI。分别从瘤内、瘤周及瘤内联合瘤周三个ROI提取并筛选影像组学特征,构建三个预测模型,并用SHAP瀑布图可视化特征贡献。筛选出最佳模型后,联合临床病理变量构建Nomogram。采用曲线下面积（AUC）及95% 置信区间（CI）评估模型效能,使用DeLong检验比较AUC的差异,通过校准曲线和决策曲线评价临床适用性。结果 单因素和多因素分析显示绝经状态、孕激素受体（PR）和Ki-67是独立相关因素。从1688个影像组学特征中筛选出16个最优特征,构建瘤内（T）、瘤周（P）和瘤内联合瘤周（P&T）三种模型。P&T模型的性能最佳,其在训练集和验证集的AUC分别为0.812和0.785。联合临床病理特征构建的Nomogram进一步提升了预测效能,其在训练集和验证集的AUC分别达到了0.829和0.790,优于单一模型（DeLong检验P<0.05）。决策曲线和校准曲线显示其具有良好的临床净获益和一致性。结论 本研究所建的Nomogram可以有效预测乳腺癌的肿瘤浸润淋巴细胞水平,有望成为评估患者情况及设计治疗方案的新参考。

目的 探究MRI-T₁WI增强序列影像学分型对经Ommaya囊鞘内化疗的肺腺癌（LUAD）伴软脑膜转移（LM）患者预后的预测评估价值。方法 回顾性分析2021年12月至2024年4月期间经脑脊液脱落细胞检查确诊的LUAD伴LM,并经Ommaya囊鞘内化疗的患者,评估记录患者的MRI表现、颅内无进展生存期（iPFS）与总生存期（OS）。根据影像学表现将患者分为MRI阳性组和MRI阴性组。在MRI阳性患者中,根据病灶强化模式分为三型（A型单纯线型、B型单纯结节型及C型混合型）。采用Kaplan-Meier曲线、Log-rank检验和Cox比例风险回归分析评估影像学分型对预后的影响。结果 在120例患者中,MRI阳性组69例（57.5%）、MRI阴性组51例（42.5%）。MRI阳性提示预后较差,是iPFS与OS的独立危险因素（6.5个月 vs. 9.0个月,P=0.009;11.8个月 vs. 19.5个月,P=0.005）。MRI阳性组中C型患者的OS差于B型患者（7.5个月vs. 20.0个月,P=0.027）,而不同LM分型之间的iPFS差异无统计学意义。Cox回归分析结果显示,与B型患者相比,C型患者死亡的风险显著增加[风险比(HR)：2.461,95%置信区间（CI）：1.069~5.664,P=0.034],是MRI阳性组中OS的不良预后因素。然而,LM分型不是iPFS的影响因素。结论 基于T₁WI增强序列影像学分型对经Ommaya囊鞘内化疗的LUAD伴LM患者的预后提供了一定的预测价值,存在LM病灶并且呈混合型强化模式是患者不良预后的独立影响因素。

目的 探讨病灶特异性冠状动脉周围脂肪衰减指数（FAI）联合CT血流储备分数(CT-FFR)对冠心病（CAD）患者主要不良心血管事件（MACE）的预测价值。方法 回顾性分析2022年6月至2023年12月于蚌埠医科大学附属第二医院行冠状动脉计算机断层扫描血管造影（CCTA）检查的202例胸部不适或疑诊CAD患者的临床资料。根据MACE发生情况分为MACE组（n=76）和非MACE组（n=126）。采用单因素Cox回归分析筛选出MACE发生的潜在危险因素,将P<0.05的变量纳入多因素Cox比例风险回归模型确定独立危险因素;通过受试者工作特征（ROC）曲线评估联合指标模型对MACE的预测效能。结果 单因素及多因素Cox回归分析显示,病灶特异性冠状动脉周围FAI、CT-FFR、斑块类型及糖尿病史是CAD患者发生MACE的独立危险因素。Kaplan-Meier生存分析显示,病灶特异性冠状动脉周围FAI>-81.96 HU、CT-FFR≤0.8的患者的MACE发生风险更高（P<0.001）。比较单因素与联合模型发现,由病灶特异性冠状动脉周围FAI、CT-FFR、斑块类型及糖尿病史构建的联合模型的预测效能最佳,其ROC曲线下面积（AUC)为0.884;时间依赖ROC分析进一步证实,联合模型在不同时间点对CAD患者发生MACE均具有良好的预测效能。结论 病灶特异性冠状动脉周围FAI、CT-FFR、斑块类型及糖尿病史是CAD患者发生MACE的独立危险因素,四者联合模型的预测效能更佳,可为CAD患者的危险分层及预后评估提供重要参考。

目的 通过系统评价方法,全面评估机器学习在检测粗梁-团块亚型肝细胞癌中的诊断效能,为未来智能辅助诊断工具的研发与优化提供循证依据。方法 计算机检索PubMed、Embase、Cochrane Library、Web of Science、CNKI、VIP、CBM、WanFang Data等数据库,搜集有关机器学习检测粗梁-团块亚型肝细胞癌的研究,检索时限均从建库至2025年7月21日。采用预测模型偏倚风险评估工具评估偏倚风险。在Meta分析过程中,按建模变量（非影像组学、影像组学）进行亚组分析。结果 共纳入了21项研究,包括3925例肝细胞癌患者,其中1092例为粗梁-团块亚型肝细胞癌患者。13项基于非影像组学特征,8项基于影像组学特征。在验证集中,所有机器学习模型合并的灵敏度为0.75[95%置信区间（CI）（0.69,0.81）]、特异度为0.78[95%CI（0.69,0.84）]、阳性似然比为3.4[95%CI（2.4,4.7）]、阴性似然比为0.32[95%CI（0.25,0.40）]、诊断比值比为11[95%CI（7,17）]、汇总受试者工作特征曲线下面积为0.80[95%CI（0.76,0.83）]。其中,影像组学特征机器学习合并的灵敏度为0.78[95%CI（0.71,0.84）]、特异度为0.77[95%CI（0.66,0.85）]、阳性似然比为3.4[95%CI（2.3,5.2）]、阴性似然比为0.29[95%CI（0.21,0.38）]、诊断比值比为12[95%CI（7,21）]、汇总受试者工作特征曲线下面积为0.81[95%CI（0.78,0.85）]。结论 机器学习检测粗梁-团块亚型肝细胞癌具有一定的可行性,影像组学模型的表现略优,有望为其术前识别提供一种有潜力的辅助手段,但现有研究质量有待加强,未来需进一步优化模型的设计与验证,以期达到更准确的预测结果。

目的 探讨股方肌的体素内不相干运动扩散加权成像（IVIM-DWI）定量参数和T₂^*值在坐骨股骨撞击综合征（IFI）、疑似IFI、健康人群的差异及其与IFI形态学参数的相关性,并从多个参数中筛选出IFI的独立影响因素。方法 回顾性分析三峡大学附属仁和医院的128例股方肌检查,分为IFI组（37例）、疑似IFI组（48例）及健康对照组（43名）。采用IVIM-DWI和脂肪分析计算技术（FACT）扫描股方肌并测量参数D、D^*、f、rBF及T₂^*值,比较三组的多模态MRI参数差异,分析这些参数与坐骨股骨间隙（IFS）、股方肌间隙（QFS）及视觉模拟评分（VAS）的相关性。结果 三组比较显示：D、D^*、f、T₂^*值的差异均具有统计学意义（P<0.05）;事后成对比较显示：观察组的D、D^*值均高于对照组和疑似组的,疑似组的D值高于对照组的,观察组的f、T₂^*值均低于对照组和疑似组的,疑似组的T₂^*值低于对照组的,差异具有统计学意义（P<0.05）。D及D^*值与IFS值分别呈中等、弱负相关（r_s=-0.433、r=-0.202）,f及T₂^*值与IFS值均呈弱正相关（r=0.248、r=0.352）;D及D^*值与QFS值分别呈中等、弱负相关（r_s=-0.409、r=-0.214）,f及T₂^*值与QFS值均呈弱正相关（r=0.244、r=0.299）;D及D^*值与VAS分别呈强、中等正相关（r_s=0.762、r=0.469）,f值与VAS呈中等负相关（r=-0.570）。结论 IVIM-DWI定量参数与T₂^*值联合应用,可揭示股方肌的微观结构改变,阐明IFI的病理生理机制,可为IFI的精准诊断提供新型影像学生物标志物,为早期干预及个体化治疗提供参考。