Albira SI小动物单光子发射断层显像-X线计算机体层成像仪(SPECT-CT)是单光子放射性药物临床前研究的先进影像工具,其质量控制及检测性能是图像质量和实验数据可靠性的基本保障。为评价Albira SI SPECT-CT设备应用的真实性、可靠性,采...Albira SI小动物单光子发射断层显像-X线计算机体层成像仪(SPECT-CT)是单光子放射性药物临床前研究的先进影像工具,其质量控制及检测性能是图像质量和实验数据可靠性的基本保障。为评价Albira SI SPECT-CT设备应用的真实性、可靠性,采用临床常用单光子核素^(99m)Tc对Albira SI小动物SPECT-CT进行季度性质量控制,同时进行测量结果的线性、稳定性、偏差的检测,并初步尝试小动物骨代谢扫描。结果表明,该设备与放射性活度之间线性关系良好,稳定性强,与常用活度测量设备测量结果差异较小。Albira SI小动物SPECT-CT能够准确反映单光子核素^(99m)Tc的放射性活度分布,小鼠骨代谢显像效果好,适用于临床前放射性药物研究。本研究中建立的系统研究SPECT-CT性能的方法可为类似设备的操作提供方法学依据。展开更多
[目的]构建融合低剂量CT(low-dose CT,LDCT)影像的深度学习与影像组学特征的深度学习模型,提高肺结节风险评估的准确性。[方法]回顾性纳入2020年7月至2022年3月期间在江西省肿瘤医院和浙江省肿瘤医院接受LDCT检查并经病理诊断明确结节...[目的]构建融合低剂量CT(low-dose CT,LDCT)影像的深度学习与影像组学特征的深度学习模型,提高肺结节风险评估的准确性。[方法]回顾性纳入2020年7月至2022年3月期间在江西省肿瘤医院和浙江省肿瘤医院接受LDCT检查并经病理诊断明确结节性质的353例患者。采用YOLOv8模型进行肺结节自动检测,并构建多尺度3D-ResViT肺结节分类模型对结节进行高低危分类。同步提取影像组学特征,多维筛选关键特征嵌入模型实现信息互补融合。[结果]3D-ResViT肺结节分类模型进行肺结节风险分层受试者工作特征曲线下面积(area under the curve,AUC)在内部测试集达到0.868(95%CI:0.802~0.926),在外部测试集AUC为0.845(95%CI:0.711~0.950)。融合影像组学特征后的深度学习-影像组学联合模型在内部测试集和外部测试集AUC分别提升至0.890(95%CI:0.826~0.946)和0.865(95%CI:0.706~0.990),集成梯度可视化与SHAP分析进一步验证了模型的有效性。[结论]深度学习-影像组学联合模型可有效提升LDCT筛查中肺结节的风险评估准确性,具备较高的临床转化潜力。展开更多
文摘[目的]构建融合低剂量CT(low-dose CT,LDCT)影像的深度学习与影像组学特征的深度学习模型,提高肺结节风险评估的准确性。[方法]回顾性纳入2020年7月至2022年3月期间在江西省肿瘤医院和浙江省肿瘤医院接受LDCT检查并经病理诊断明确结节性质的353例患者。采用YOLOv8模型进行肺结节自动检测,并构建多尺度3D-ResViT肺结节分类模型对结节进行高低危分类。同步提取影像组学特征,多维筛选关键特征嵌入模型实现信息互补融合。[结果]3D-ResViT肺结节分类模型进行肺结节风险分层受试者工作特征曲线下面积(area under the curve,AUC)在内部测试集达到0.868(95%CI:0.802~0.926),在外部测试集AUC为0.845(95%CI:0.711~0.950)。融合影像组学特征后的深度学习-影像组学联合模型在内部测试集和外部测试集AUC分别提升至0.890(95%CI:0.826~0.946)和0.865(95%CI:0.706~0.990),集成梯度可视化与SHAP分析进一步验证了模型的有效性。[结论]深度学习-影像组学联合模型可有效提升LDCT筛查中肺结节的风险评估准确性,具备较高的临床转化潜力。
