目的 系统评估并比较多种人工智能方法,包括传统影像组学、残差网络（ResNet50）、形态学特征、视觉自注意力（Vision Transformer,ViT）及其与形态学特征融合的模型（ViT+Shape）,在鉴别眼眶孤立性纤维瘤（SFT）与两种常见良性局灶性肿块（海绵状血管瘤和神经鞘瘤）的性能,优化MRI序列组合,并评估增强扫描的附加价值。方法 回顾性纳入520例（本中心327例,外中心193例）经手术病理证实的眼眶内局灶性肿块患者。构建基于传统影像组学、ResNet50、形状特征（Shape）、ViT以及ViT+Shape的五种模型,并在内部测试集和独立的外部测试集上全面评估其泛化性能。每种模型分别在五种序列组合【T₁WI、T₂WI、T₁WI与T₂WI平扫组合、对比增强T₁WI（CE-T₁WI）、T₁WI,T₂WI与CE-T₁WI全序列组合】下进行三分类训练与评估。采用受试者工作特征曲线下面积（AUC）_macro、micro-average AUC、各类别精确率/召回率/F1、Kappa系数及混淆矩阵全面评价模型性能,以DeLong检验结合Bonferroni校正进行模型间AUC的比较。结果 在内部测试集的多序列联合分析中,Shape模型的AUC_macro最高（0.856）,ViT+Shape次之（0.849）,ResNet50最低（0.560）;经Bonferroni校正后,ResNet50对SFT的AUC显著低于Shape、ViT及ViT+Shape（DeLong检验,Bonferroni校正,所有P值均<0.05）。在外部测试集中,影像组学性能显著下降（macro-AUC 0.495,Kappa 0.044,海绵状血管瘤召回率仅13.3%,57.5%病例被误判为SFT）;而ViT+Shape模型表现稳健（macro-AUC 0.838,Kappa 0.433）。与平扫双序列相比,平扫联合增强的三序列组合仅带来有限的诊断性能提升;外部测试结果显示,ViT+Shape模型在三序列组合下的性能提升最突出,macro-AUC从0.810升至0.838,然而该变化经Bonferroni校正后仍无统计学意义（P>0.05）。结论 基于形态学特征构建的ViT+Shape模型,在SFT、海绵状血管瘤和神经鞘瘤的三分类任务中表现出高准确性与强鲁棒性,且跨中心验证结果稳定可靠。值得注意的是,其仅依赖非增强T₁WI和T₂WI序列即能达到与全序列（含增强扫描）相近的诊断性能和临床实用性,这为减少不必要的增强检查提供了可行的技术支撑。

目的 探讨基于瘤内及不同范围瘤周的CT影像组学特征对于Lung-RADS 4X类肺结节良恶性的预测价值,并通过融合CT形态学特征构建联合预测模型,评估其诊断效能。方法 回顾性搜集323例Lung-RADS 4X类肺结节的术前CT平扫图像,分别勾画瘤内、瘤内+瘤周3 mm及瘤内+瘤周5 mm的感兴趣区（ROI）,提取影像组学特征构建影像组学评分（Rad-score）,并采用Logistic回归构建影像组学模型及联合模型。结果 瘤内模型、瘤内+瘤周3 mm模型、瘤内+瘤周5 mm模型在验证集中的AUC分别为0.688、0.714和0.696。联合模型的诊断性能最优,其在训练集与验证集中的AUC分别达到0.882和0.835。结论 纳入瘤周区域（尤其是3 mm范围）的影像组学模型对于鉴别Lung-RADS 4X类肺结节的良恶性具有重要价值,进一步联合CT形态学特征可提升模型的预测效能。

目的 筛选影响肺腺癌侵袭性的独立危险因素,构建并验证临床-影像组学-深度学习多模态联合预测模型,为术前肺腺癌精准风险分层提供影像学依据。方法 纳入两家医院的肺磨玻璃结节（GGN）患者队列样本,按合理比例划分为训练集、内部验证集及外部测试集,以确保样本的代表性与验证过程的严谨性。采用单因素与多因素Logistic回归筛选出独立预测因子;分别构建临床模型、影像组学模型、深度迁移学习模型、影像组学-深度迁移学习融合模型及临床-影像组学-深度学习联合模型。通过受试者工作特征（ROC）曲线、DeLong检验评估模型的区分度,校准曲线评价一致性,决策曲线分析（DCA）评估临床净获益,并基于联合模型构建可视化列线图。结果 年龄、性别、吸烟史、平均CT值、非实性成分比例是肺腺癌侵袭性的独立危险因素。融合了临床、影像组学及深度学习的多模态联合模型在校准度、临床净获益和可视化应用方面具有明显优势,在训练集、内部验证集、外部测试集中曲线下面积（AUC）分别为0.974[95%置信区间（CI）：0.961~0.988]、0.806（95%CI：0.719~0.892）、0.872（95%CI：0.799~0.946）。Delong检验显示联合模型的预测效能显著优于单一临床模型。校准曲线提示联合模型在三队列中均具有良好校准度,预测概率与实际风险的一致性高。DCA证实联合模型在广泛阈值范围内具有更高临床净获益。基于联合模型构建的列线图能够实现个体化风险的可视化评估。结论 临床-影像组学-深度学习联合模型在预测效能、校准度及临床实用性方面均显著优于单一模态模型,影像组学-深度迁移学习融合模型更适合作为追求最佳预测准确性的算法工具,二者协同作用,可为肺腺癌侵袭性精准分层及早期肺癌个体化诊疗提供可靠的影像学支撑,具有重要的临床应用价值。

目的 探讨基于临床与常规增强CT影像特征的LASSO回归模型鉴别纵隔良性淋巴结与转移性淋巴结的价值。方法 回顾性搜集2023年1月至2025年12月在广州市胸科医院经病理证实的纵隔淋巴结肿大患者166例（良性83例、恶性83例）。搜集19项临床指标[年龄、性别、吸烟史、吸烟指数、临床症状、炎症指标、γ-干扰素释放试验（IGRA）、癌胚抗原（CEA）、细胞角蛋白19片段（CYFRA21-1）、神经元特异性烯醇化酶（NSE）、糖类抗原 125（CA125）、糖类抗原199（CA199）等]及13项CT影像特征（淋巴结大小、形态、密度、强化方式等）。采用LASSO回归分别构建临床模型、影像模型及联合模型,通过10折交叉验证确定最优惩罚参数λ.1se。采用Bootstrap法（200次）内部验证模型的区分度,DeLong检验比较模型间曲线下面积（AUC）的差异,并绘制校准曲线及决策曲线评估联合模型的校准度与临床净获益。采用独立外部验证集评估模型的泛化能力。结果 联合模型保留18个预测变量[年龄、发热、吸烟史、吸烟指数、淋巴细胞计数、超敏C反应蛋白（hs-CRP）、IGRA、CEA、CYFRA21-1、CA125、淋巴结最大短径、长短径比、边界、淋巴结门结构、密度均匀性、坏死/囊变、钙化、静脉期CT值]。Bootstrap验证显示联合模型的平均AUC为0.945[95%置信区间（CI）：0.920~0.981]、敏感度为95.2%、特异度为96.4%。DeLong检验显示联合模型的全数据集AUC为0.975显著高于临床模型（AUC=0.943,P=0.025）和影像模型（AUC=0.834,P<0.001）。外部验证显示联合模型的AUC为0.881（95%CI：0.802~0.960）、准确度为84.2%、敏感度为71.1%、特异度为97.4%,提示模型具有良好的泛化能力。Hosmer-Lemeshow检验（P=0.204）,校准曲线显示预测概率与实际观察概率的一致性良好,决策曲线提示联合模型的临床净获益高于单用临床或影像模型。结论 基于临床与CT影像特征的LASSO回归联合模型对纵隔良性淋巴结与转移性淋巴结的鉴别效能优异,可为临床无创决策提供量化参考。

目的 探讨钆塞酸二钠增强MRI（EOB-MRI）多参数模型对肝胆期（HBP）高信号肝细胞癌（HCC）与局灶性结节增生（FNH）的鉴别诊断价值。方法 回顾性分析2018年1月至2024年12月在三家医院接受EOB-MRI检查的HBP高信号肝脏局灶性病变患者的资料,其中HCC 52例、FNH 81例。比较两组患者的临床资料、扩散定量参数、动态强化模式及HBP形态学特征。采用多因素Logistic回归分析筛选诊断出HBP高信号HCC的独立预测因子,并构建联合诊断模型。采用受试者工作特征（ROC）曲线评价各参数及联合模型的诊断效能,并进行Bootstrap内部验证及校准度评估。结果 HCC组的表观扩散系数（ADC）值[（1.21±0.24）×10^-3 mm²/s vs.（1.43±0.29）×10^-3 mm²/s]及相对表观扩散系数（rADC）值（0.74±0.12 vs. 1.48±0.34）均低于FNH组的（P均<0.001）。HCC组的快进快出型强化、瘤周低信号环、非均匀等/高信号、脂肪变性及坏死/出血显示率均高于FNH组的（P均<0.05）;而FNH组的快进慢出型强化、中央瘢痕及甜甜圈样高信号显示率均高于HCC组的（P均<0.05）。经校正年龄、性别及肝硬化背景后,多因素Logistic回归分析显示,rADC值≤1.08[比值比（OR）=6.75,95%置信区间（CI）：2.36~19.30]、快进快出型强化（OR=4.76,95%CI：1.69~13.39）、瘤周低信号环（OR=5.99,95%CI：1.94~18.51）及非均匀等/高信号（OR=6.80,95%CI：2.00~23.10）是诊断HBP高信号HCC的独立预测因子（P均<0.05）。联合上述四项参数构建的模型的诊断效能最高,其曲线下面积（AUC）为0.912（95%CI：0.861~0.963）、敏感度为90.4%、特异度为88.9%、准确率为89.5%;Bootstrap校正后AUC为0.894,校准曲线显示模型的预测概率与实际诊断结果的一致性良好（Hosmer-Lemeshow检验χ²=6.37,P=0.61）。结论 基于EOB-MRI多参数模型有助于HBP高信号HCC与FNH的鉴别诊断。联合rADC值、动态强化模式及HBP形态学特征可提高诊断效能,为此类病变的术前风险分层和临床决策提供影像学依据。

目的 探讨CT扫描评估不同级别肾透明细胞癌（ccRCC）患者假被膜完整性与病理结果的一致性,并分析其与肿瘤分级、局部侵袭特征的相关性。方法 采取前瞻性研究,纳入2021年1月至2024年1月于新乡市中心医院接受手术治疗并经术后病理确诊的ccRCC患者60例,其中Ⅰ级12例、Ⅱ级21例、Ⅲ级17例、Ⅳ级10例。所有患者术前1个月内行腹部多期增强CT检查,采用0.625 mm薄层重组图像评估肿瘤的假被膜完整性。CT判断标准为肿瘤与肾实质交界处可见连续线样强化环,且强化环中断长度<2 mm者定义为假被膜完整;强化环中断长度≥2 mm或未见可辨认强化环者定义为假被膜不完整/缺如。以术后病理结果为金标准,采用Kappa一致性分析评价CT评估结果与病理结果的一致性及两名影像医师间的一致性。采用χ²检验或Fisher精确检验比较不同分级ccRCC患者肾被膜外侵犯、下腔静脉受累及肾窦集合系统受累发生率的差异。根据CT评估结果将患者分为假被膜完整组和假被膜不完整/缺如组,比较两组的局部侵袭征象发生情况。结果 在总体样本以及不同分级的ccRCC患者中,其CT扫描以及病理结果的一致性较强,不同分级ccRCC患者的侵及肾被膜外、下腔静脉受累、肾窦集合系统受累之间的差异存在统计学意义（P<0.05）。假被膜不完整/缺如组的肾被膜外侵犯发生率（66.67%）高于假被膜完整组的（29.17%）,假被膜不完整/缺如组的下腔静脉受累发生率（66.67%）高于假被膜完整组的（25.00%）,假被膜不完整/缺如组的肾窦集合系统受累发生率（63.89%）高于假被膜完整组的（20.83%）,差异均有统计学意义（χ²=8.109,10.000,10.725;均P<0.05）。结论 CT扫描评估ccRCC患者假被膜完整性与术后病理结果具有较好一致性。高级别ccRCC患者的局部侵袭征象发生率较高;CT提示假被膜不完整/缺如可能反映更高的局部侵袭倾向,可作为术前风险评估的参考影像学征象。

目的 探讨基于术前MRI的放射组学模型预测2018国际妇产科联合会（FIGO） ⅠB1~ⅡA1期宫颈鳞癌（CSCC）术后存在中危因素患者的淋巴脉管间隙浸润（LVSI）状态的效能,并评估该模型联合常规MRI特征构建的纯影像风险分层策略对术后无病生存期（DFS）的分层能力。方法 回顾性搜集两个医疗中心2014年12月至2021年6月经病理证实为CSCC的456例患者的资料。所有患者的术后病理均无高危因素（淋巴结阴性、切缘阴性、无宫旁浸润）。中心1的371例患者按7∶3随机分为训练集（260例）与内部验证集（111例）,中心2的85例患者作为外部验证集。基于术前T₂WI及增强T₁加权成像（CE-T₁WI）序列提取放射组学特征,采用最小绝对收缩和选择算子（LASSO）回归筛选出特征并构建放射组学评分。通过受试者工作特征曲线下面积（AUC）、校准曲线及决策曲线评估连续放射组学评分的预测效能。为构建完全基于术前信息的风险分层,根据训练集放射组学评分的约登指数截断值,将患者分为LVSI阳性组与阴性组,并联合MRI测量的肿瘤大小（≥4 cm）及间质浸润深度（≥外1/3,即深间质浸润）。根据上述三项中危因素的符合数目,分为≥2个中危因素组与<2个中危因素组。采用Kaplan‑Meier法比较组间DFS的差异。结果 放射组学模型预测LVSI的AUC在训练集、内部验证集、外部验证集中分别为0.858、0.846、0.848;校准曲线显示拟合良好（Hosmer‑Lemeshow检验P>0.05）,决策曲线提示临床净获益良好。≥2个中危因素组患者的3年DFS与5年DFS均低于<2个中危因素组患者的[训练集3年：90.6% vs. 95.5%,5年：75.8% vs. 91.9%,风险比（HR）:2.90,95%置信区间（CI）:1.34~6.27,P=0.007;内部验证集3年：85.1% vs. 92.5%,5年：59.7% vs. 90.9%,HR:4.27,95%CI:1.30~14.03,P=0.017;外部验证集3年：80.1% vs. 92.9%,5年：61.6% vs. 92.9%,HR:4.51,95%CI:1.17~17.46,P=0.029]。结论 基于术前MRI的放射组学模型对早期宫颈鳞癌术后存在中危因素患者的LVSI状态具有良好的预测效能。由放射组学预测LVSI联合MRI形态学特征构建的纯影像风险分层策略,可有效识别该类患者中的术后高复发风险人群,为个体化辅助治疗决策提供参考。

目的 基于表观扩散系数（ADC）的亚区域特征解释宫颈癌的异质性,开发和验证用于预测淋巴血管间隙浸润（LVSI）的列线图模型。方法 回顾性纳入两个中心经术后病理确诊的215例宫颈癌患者,分为训练集（n=163）和验证集（n=52）。基于ADC图,采用k-means聚类算法分割肿瘤区域,提取影像组学特征,构建三类影像组学预测模型,包括全肿瘤模型、低扩散亚区模型、高扩散亚区模型,采用4种机器学习算法进行建模。通过单因素、多因素Logistic回归筛选出独立临床危险因素构建临床模型。最终选择最佳影像组学模型,联合临床高危因素构建列线图模型。通过受试者工作特征（ROC）曲线、DeLong检验和决策曲线分析比较模型的性能及临床净获益。SHapley加法解释分析用于衡量每个特征对模型预测的影响。结果 多因素分析发现,FIGO分期、深部间质浸润是与LVSI阳性相关的独立预测因子（P<0.05）。低扩散亚区模型在训练集与验证集中的曲线下面积（AUC）值最高（分别为0.867、0.799）。列线图模型的预测效能最佳,其在训练集的AUC、敏感度和特异度分别为0.885、0.743和0.872,在验证集中分别为0.807、0.766和0.794。结论 列线图模型对宫颈癌患者LVSI的术前预测具有较高的诊断价值,并有助于指导临床决策。

目的 评估扩散-弛豫相关谱成像（DR-CSI）技术在鉴别良性前列腺增生（BPH）与前列腺癌（PCa）中的诊断价值。方法 前瞻性纳入113例患者,其中BPH组73例,PCa组40例,均行前列腺多参数MRI检查（含DR-CSI序列）,采集相关定量参数并划分4个微观区室,采用Logistic回归构建联合模型,通过ROC曲线及DeLong检验评价模型的诊断效能。结果 两组表观扩散系数（ADC）、T₂、fA、fC、fD参数差异均具有统计学意义（P<0.05）;单参数中fA诊断效能最佳（AUC=0.955）;DR-CSI四区室联合模型AUC达0.965,显著优于传统ADC联合T₂组合（AUC=0.821,P<0.05）。结论 DR-CSI定量参数可有效鉴别BPH与PCa;其单参数诊断性能优于常规ADC和T₂,多参数联合可进一步提高鉴别诊断效能。

目的 系统评价腰椎骨髓质子密度脂肪分数（PDFF）对骨量减少和骨质疏松的诊断效能。方法 系统检索PubMed、Embase、Web of Science、Cochrane Library、中国知网、万方和维普数据库,检索时限均为建库至2026年4月17日。采用QUADAS-2工具评价纳入研究的偏倚风险。结果 共纳入23项研究,涉及2355例受试者。PDFF区分正常与骨量异常的合并敏感度、特异度均为0.81,AUC为0.88;鉴别骨质疏松与骨量减少的合并敏感度为0.72,特异度为0.77,AUC为0.80;鉴别骨质疏松与非骨质疏松的合并敏感度为0.85,特异度为0.79,AUC为0.89。发表偏倚检验P>0.10。结论 MRI测量的腰椎骨髓PDFF对骨量异常与骨质疏松具有中等至良好的诊断效能,对排除诊断临床价值较高,其具备成为无辐射机会性筛查工具的潜在价值,但当前诊断阈值尚不统一,且PDFF测量尚未纳入临床常规检查,临床应用时仍需注意参考标准与测量技术的异质性。

目的 探讨磁共振扩散张量成像（DTI）及扩散张量示踪（DTT）成像在神经根型颈椎病（CSR）患者颈神经根受压中的应用价值。方法 使用3.0 T磁共振对70例CSR患者与30名健康志愿者进行颈神经根DTI检查和DTT重建。测量C₅~C₇颈神经根近、中、远段的各向异性分数（FA）值,并对C₅~C₇神经根行DTT重建。患者的感觉和运动功能采用改良日本骨科学会（mJOA）评分进行评估。运用受试者操作特征（ROC）曲线确定FA值对于颈神经根受压的诊断效能。结果 DTT能清晰显示CSR患者神经根受压的异常情况,包括FA值下降、神经根扭曲、稀疏。除外C₇神经根远段,患侧近段、中段、远段的FA值较健侧均显著降低,差异有统计学意义（P<0.05）,患侧同节段神经根近段、中段、远段FA值两两比较,差异有统计学意义（P<0.05）。mJOA评分与受压神经近段FA值显著相关（R²=0.402,P<0.001）。ROC曲线分析显示,FA值在区分患者近、中、远段神经根受压方面具有良好的识别能力。结论 MR DTI和DTT技术对评估CSR患者病变颈神经根有一定的临床意义。

目的 比较3.0 T三维相位对比磁共振血管成像（3D PC-MRA）与对比增强磁共振血管成像（CE-MRA）对糖尿病足血管成像的图像质量和血管狭窄诊断准确性。方法 前瞻性纳入接受CE-MRA和3D PC-MRA检查的临床疑似或确诊糖尿病足患者44例。由两名高年资影像科医师盲法采用5分Likert量表分别评价足背、动脉跗外侧动脉、弓状动脉、跖背动脉及趾背动脉的动脉走行和动脉对比度,评价整体图像伪影及诊断信心;以CE-MRA为参考标准,计算3D PC-MRA诊断不同程度动脉狭窄的敏感度、特异度、阳性预测值和阴性预测值。采用配对Wilcoxon符号秩检验比较两种成像方法的主观图像质量评分,采用加权Kappa检验评价观察者间一致性及两种MRA方法狭窄分级一致性。结果 3D PC-MRA与CE-MRA在足背动脉和跗外侧动脉的动脉走行及动脉对比度评分差异无统计学意义（P=0.835,P=0.811）。对于弓状动脉、跖背动脉和趾背动脉等远端小血管,3D PC-MRA的动脉走行和动脉对比度评分均高于CE-MRA,差异有统计学意义（均P<0.05）。3D PC-MRA的伪影及诊断信心评分亦优于CE-MRA（均P<0.05）。3D PC-MRA与CE-MRA在狭窄分级方面具有较高一致性（加权Kappa=0.89,P<0.05）。以中度及以上狭窄为诊断阈值时,3D PC-MRA对血管狭窄的敏感度、特异度、阳性预测值和阴性预测值分别为95.53%、97.53%、93.96%和98.19%。结论 3.0 T 3D PC-MRA与CE-MRA在糖尿病足足部动脉狭窄分级方面具有较高一致性,并在远端小血管显示方面表现出更优图像质量。可作为一种无对比剂、无辐射的足部动脉评估方法,尤其适用于存在对比剂使用风险或需远端小血管精细评估的糖尿病足患者。

目的 探讨基于MRI联合临床病理指标构建列线图预测贝伐珠单抗（BEV）联合化疗治疗复发性胶质母细胞瘤（rGBM）无进展生存期（PFS）不良预后的价值。方法 回顾性分析84例rGBM患者的临床病理与MRI资料,以BEV联合化疗治疗后PFS 6个月为阈值,分为预后良好组（PFS>6个月）与预后不良组（PFS≤6个月）。比较两组间临床病理、BEV治疗前及治疗早期常规MRI（cMRI）指标、相对表观扩散系数（rADC）的差异;采用单因素及多因素Cox回归分析筛选预后不良独立预测因素并构建预测模型及列线图。采用受试者工作特征（ROC）曲线、分层十折交叉验证、留一交叉验证、校准曲线和决策曲线分析（DCA）评估预测模型及列线图模型效能。结果 预后不良组和良好组之间CD34、复发模式、rFLAIR正交值及rADC差异显著（P<0.05）。多因素分析显示,rFLAIR正交值较大[>-0.384;风险比（HR）=3.01,P=0.002]及rADC值较低（<1.447;HR=0.16,P=0.014）为BEV联合化疗治疗rGBM预后不良的独立危险因素;相较于CD34表达阴性者,CD34表达阳性者PFS较长（HR=0.30,P<0.001）。ROC曲线分析显示,纳入所有独立预测因素（CD34、rFLAIR正交值及rADC）的综合模型预测效能最高,曲线下面积为0.888,敏感度为78.0%,特异度为90.6%。分层十折交叉验证及留一法交叉验证显示综合模型预测效能较稳定,曲线下面积分别为0.858和0.865。基于综合模型构建列线图,校准曲线显示模型曲线与理想曲线走行高度接近;DCA显示阈值概率在15%以上风险范围内,列线图模型可获得正向净收益。结论 CD34表达阴性、rFLAIR正交值>-0.384及rADC<1.447为BEV联合化疗治疗rGBM PFS预后不良的危险因素,多指标联合可提高预后预测效能。基于MRI及病理分子指标构建的列线图模型可能有助于BEV联合化疗治疗rGBM的筛选。

目的 探讨子宫内膜癌卵巢转移（EC转移）与原发卵巢癌（原发OC）的动态对比增强磁共振成像（DCE-MRI）血流动力学参数差异,并基于DCE-MRI参数、影像组学特征及血清标志物构建多模态机器学习鉴别模型。方法 回顾性选取310例卵巢肿瘤患者（168例EC转移,142例原发OC）。对所有患者行3.0 T DCE-MRI检查,定量计算K^trans、V_e、TTP参数并提取26个影像组学特征,联合血清标志物（CA125/HE4）,通过LASSO回归-随机森林算法筛选变量,建立支持向量机（SVM）鉴别模型。采用时间独立测试集（n=62）和5折交叉验证的双重验证策略。结果 EC转移组的K^trans显著低于原发OC组[（0.28±0.09） min^-1 vs. （0.46±0.13） min^-1,P<0.05],V_e显著增高（0.71±0.19 vs. 0.53±0.21,P<0.05）。SVM模型在时间独立测试集的曲线下面积达0.90（95%CI:0.83~0.96）,敏感度为87.1%,特异度为85.5%,显著优于单一参数模型。结论 基于DCE-MRI血流动力学参数联合影像组学的机器学习模型可以有效区分EC转移与原发OC,为两者的术前无创鉴别诊断提供可靠工具。