○乳腺成像

Oncotype DX 復發(fā)評分的放射基因組學特征能夠預測雌激素受體陽性乳腺癌的生存率：一項多隊列研究(DOI:10.19300/j.2022.r0301)

Radiogenomic Signatures of Oncotype DX Recurrence Score Enable Prediction of Survival in Estrogen Receptor Positive Breast Cancer：A Multicohort Study(DOI：10.1148/radiol.2021210738)

M.Fan,Y.J.Cui,C.You,L.Liu,Y.J.Gu,W.J.Peng,et al.

摘要影像基因組學探索了影像特征和基因組事件之間的關(guān)系，從而揭示了和預后有關(guān)的影像特征。然而，這些特征的潛在意義仍然不清楚。目的為了確定雌激素受體(ER)陽性乳腺癌病人中與OncotypeDX 復發(fā)評分（RS）相關(guān)的術(shù)前影像基因組學特征，并評估它們是否是預測新輔助化療(NAC)療效和預后的生物標志物。資料與方法該回顧性研究共包括影像基因組學研發(fā)隊列、在2016 年1 月—2019 年10 月期間獲得的術(shù)前動態(tài)對比增強MRI（DCE-MRI）隊列和RS隊列。后者用來識別影像基因組學特征。在預后隊列中使用多因素Cox 回歸模型來篩選和總生存期（OS）以及無病進展生存期（PFS）相關(guān)的影像特征，以此評估這些特征的預后意義。在2015 年8 月—2019 年3 月間建立的治療隊列中使用影像基因組特征來預測NAC 的療效，以此評估這些特征的治療意義。采用受試者操作特征曲線下面積(AUC)來評估預測效能。結(jié)果本研究共構(gòu)建了3 個隊列，即影像基因組研發(fā)隊列[130 例，年齡（52±10）歲]、預后預測隊列[116 例，年齡（48±9)歲]和療效評估隊列[135 例，年齡(50±11)歲]。結(jié)果顯示，包括紋理、形態(tài)和統(tǒng)計特征的11 個影像基因組特征被用來建立預測性RS（R2=0.33，P＜0.001)。當RS＞29.9 時，和較差的OS 以及PFS 有關(guān)（P=0.001 和P=0.007）；與RS 較低的病人相比，RS 較高者對NAC 的療效更好（30.51±6.92∶27.35±4.04，P=0.001）。結(jié)合預測性RS 和補充特征建立的組合模型可以有效提高NAC 療效的預測效能（AUC，0.85；P＜0.001）。結(jié)論與基因組事件相關(guān)的影像基因組學特征是預測ER 陽性乳腺癌病人NAC 療效和預后的有效生物標志物。

原文載于Radiology，2022，302（3）：516-524.

陳婧譯 于紅校

人工智能在數(shù)字乳腺X 線攝影和數(shù)字乳腺斷層攝影中的獨立應(yīng)用：一項回顧性分析(DOI:10.19300/j.2022.r0302)

Stand Alone Use of Artificial Intelligence for Digital Mammography and Digital Breast Tomosynthesis Screening：ARetrospective Evaluation(DOI：10.1148/radiol.211590)

S.R.Martín, E.E.Cabot, J.L.Raya-Povedano, A.G.Mérida, A.R.Ruiz,M.á.Benito.

摘要在數(shù)字乳腺X 線攝影術(shù)（DM）或數(shù)字乳腺斷層攝影（DBT）的乳腺篩查中獨立應(yīng)用人工智能（AI）可以減輕放射科醫(yī)生的工作量，同時保障篩查質(zhì)量。目的回顧性分析在采用DM 和DBT 篩查中采用AI 系統(tǒng)進行獨立閱讀的性能。資料與方法從科爾瓦多斷層攝影篩查臨床試驗（Tomosynthesis Cordoba Screening Trial） 中回顧性收集了2015 年1月—2016 年12 月期間連續(xù)篩查獲得的配對和獨立讀取的DM 和DBT 影像。采用AI 系統(tǒng)獨立計算DM 和DBT 檢查的癌癥風險評分(范圍為1~100)。AI 獨立診斷的性能評估通過受試者操作特征曲線下面積(AUC)以及在不同操作點與人工評分的非劣效性試驗來比較敏感度和召回率(非劣效性界值，5%)實現(xiàn)。采用McNemar 檢驗比較AI 評分和人工評分的召回率。結(jié)果共評估了15 998 名女性[平均年齡（58±6）歲]的15 999 次DM 和DBT 檢查（113 例乳腺癌，包括98 例篩查發(fā)現(xiàn)和15 例間期乳腺癌）。AI 在DM 和DBT 中的AUC 分別為0.93（95%CI：0.89~0.96)和0.94（95%CI：0.91~0.97）。對于DM，AI 的非劣效敏感度與1 位影像醫(yī)生評估（58.4%；66/113 例；95%CI：49.2~67.1）或2 位影像醫(yī)生評估（67.3%；76/113 例；95%CI：58.2~75.2）分別比較，其降低召回率高達2%（95%CI：-2.4~-1.6）（P＜0.001）。對于DBT，AI 的非劣效敏感度與1 位影像醫(yī)生評估(77%；87/113 例；95%CI：68.4~83.8)或2 位影像醫(yī)生評估（81.4%；92/113 例；95%CI：73.3~87.5）分別比較，其提高召回率高達12.3%（95%CI：11.7~12.9）（P＜0.001）。結(jié)論AI 具有非劣效敏感性，可以替代放射科醫(yī)生在乳腺篩查中的評估。與人工評估相比，AI 在DM 中的召回率較低，但在DBT 中的召回率較高。

原文載于Radiology，2022，302（3）：535-542.

朱琳譯 于紅校

○心臟成像

CT 心肌延遲強化在急性胸痛綜合征伴肌鈣蛋白升高中的應(yīng)用(DOI:10.19300/j.2022.r0303)

Myocardial Late Contrast Enhancement CT in Troponin Positive Acute Chest Pain Syndrome (DOI：10.1148/radiol.211288)

A.Palmisano, D.Vignale, M.Tadic, F.Moroni, D.D.Stefano, M.Gatti,et al.

摘要臨床上對于急性胸痛伴有肌鈣蛋白輕微升高病人的疾病診斷存在挑戰(zhàn)。胸痛三聯(lián)征（TRO）CT 可以除外冠心病、急性主動脈綜合征及肺動脈栓塞，但是無法診斷其他原因引起的心肌損傷。目的研究CT 成像聯(lián)合延遲強化(LCE)的CT 掃描方案在肌鈣蛋白升高的急性胸痛綜合征的應(yīng)用。資料與方法該前瞻性研究連續(xù)收集2018 年6 月—2020 年9 月間臨床表現(xiàn)為肌鈣蛋白升高的胸痛或表現(xiàn)為心絞痛，且經(jīng)評估后（癥狀、指標、心電圖、心臟超聲）無法明確診斷并進行TRO CT 檢查的病人，結(jié)果提示冠心?。ü跔顒用}狹窄≥50%）、急性主動脈綜合征或肺動脈栓塞，如果TRO 檢查結(jié)果未見異常，則在TRO CT 結(jié)束后10 min 進行LCE CT 檢查。在LCE CT 上評價纖維化心肌的表現(xiàn)與形態(tài)，并定量分析心肌細胞外容積。將基于CT 的評價結(jié)果與指南推薦的評價方法進行比較，包括有創(chuàng)冠狀動脈造影、心肌MRI、心內(nèi)膜活檢。結(jié)果共84 例病人入組本研究（年齡55~77 歲，平均69歲，男45 例）；35 例（42%）病人TRO CT 明確診斷為CAD，1 例（1.2%）為急性冠狀動脈綜合征，4 例（7.1%）為肺動脈栓塞。42 例病人進行了LCE CT 檢查，依據(jù)LCE CT 檢查結(jié)果做出如下診斷：心肌炎22 例（52%）、心碎綜合征（Takotsubo cardiomyopathy）4 例（10%）、心肌淀粉樣變3 例（7.1%）、非冠狀動脈狹窄性心肌梗死3 例（7.1%）、擴張型心肌病2 例（4.8%），未見異?；驘o法明確診斷8 例（19%）。LCE CT 將診斷率由50%（42/84，95%CI：38.9~61.1）提升至90%（76/84，95%CI：82.1~95.8）（P＜0.001）。結(jié)論TRO CT 聯(lián)合LCE 的CT 掃描方案可以提高急性胸痛綜合征病人的疾病診斷率。

原文載于Radiology，2022，302（3）：545-553.

施玨倩譯 于紅校

○循證實踐

增強乳腺X 線攝影：診斷性能的系統(tǒng)評價和薈萃分析(DOI:10.19300/j.2022.r0304)

Contrast-enhanced Mammography：A Systematic Review and Meta-Analysis of Diagnostic Performance(DOI：10.1148/radiol.211412)

A.Cozzi,V.Magni,M.Zanardo,S.Schiaffino,F.Sardanelli.

摘要增強乳腺X 線攝影（CEM）是一種有前景的乳腺癌檢測技術(shù)，但在先前的薈萃分析中卻報道了相互矛盾的結(jié)果。目的考慮不同的圖像處理方法和臨床應(yīng)用情況，對CEM 診斷性能進行系統(tǒng)回顧和薈萃分析。資料與方法系統(tǒng)檢索了MEDLINE、EMBASE、Web of Science 和Cochrane Library 數(shù)據(jù)庫，截止時間為2021 年7 月15 日。包括以組織病理學和/或隨訪為參考標準評估CEM 診斷性能的前瞻性和回顧性研究。使用診斷準確性研究的質(zhì)量評估2 工具來評估研究質(zhì)量。使用分層匯總受試者操作特征（HSROC）模型評估受試者操作特征曲線下的合并診斷優(yōu)勢比和面積。合并敏感度和特異度的評估通過分層雙變量模型獲得，匯集了具有相同圖像處理方法或關(guān)注相同發(fā)現(xiàn)的研究。通過Meta 回歸和亞組分析評價研究的異質(zhì)性。結(jié)果共納入60 項研究（67 個研究部分，10 605 例病人的11 049 次CEM 檢查）。HSROC 曲線下的總面積為0.94（95%CI：0.91~0.96）。合并診斷優(yōu)勢比為55.7（95%CI：42.7~72.7），異質(zhì)性高（τ2=0.3）。在Meta 回歸中，與單獨的重組影像相比，低劑量和重組影像的CEM 聯(lián)合應(yīng)用具有更高的敏感度（95%∶94%，P＜0.001）和特異度（81%∶71%，P=0.03）。在亞組分析中，在來自9 項針對致密型乳腺病人的研究中，CEM 合并敏感度為95%（95%CI：92%~97%）、合并特異度為78%（95%CI：66%~87%），而在10 項關(guān)于乳腺X 線攝影檢測到可疑病變的研究中，CEM 合并敏感度為92%（95%CI：89%~94%）、合并特異度為84%（95%CI：73%~91%）。結(jié)論CEM 在乳腺癌檢測中顯示出高性能，尤其是聯(lián)合應(yīng)用低劑量和重組影像時。

原文載于Radiology，2022，302（3）：568-581.

聶凱譯 于紅校

○胃腸道成像

基于深度學習的腹盆4D 血流MRI 自動背景相位誤差校正(DOI:10.19300/j.2022.r0305)

Deep Learning Automated Background Phase Error Correction for Abdominopelvic 4D Flow MRI(DOI：10.1148/radiol.2021211270)

S.You, E.M.Masutani, M.T.Alley, S.S.Vasanawala, P.R.Taub, J.Liau,et al.

摘要四維（4D）血流MRI 技術(shù)有可能為各種腹盆腎盂血管疾病提供血流動力學信息，但其臨床應(yīng)用目前受到難以糾正的背景相位誤差的影響。目的評估在4D 血流MRI 中使用深度學習自動基于圖像的背景相位誤差校正的可行性，并比較其相對于手動相位誤差校正的有效性。資料與方法回顧性收集了2016 年1 月—2020 年7 月期間進行的139例腹盆4D 血流MRI 采集的病例。使用專用成像軟件進行手動相位誤差校正，并作為參考標準。40 例作為測試集，其余被隨機分為訓練集（86%，85/99 例）和驗證集（14%，14/99例），以訓練多通道三維U-Net 卷積神經(jīng)網(wǎng)絡(luò)。運用4D 血流MRI 測量腎下腹主動脈、髂總動脈、髂總靜脈和下腔靜脈的流量。數(shù)據(jù)分析采用了Pearson 相關(guān)分析、Bland-Altman 分析和Bonferroni 校正的F 檢驗。結(jié)果共對139 例病人[平均（47±14）歲；女108 例]進行了評估。與校正前（ρ=0.50，P＜0.001）相比，手動校正后的流入、流出相關(guān)性有所改善（ρ=0.94，P＜0.001）。自動校正顯示出相似的效果（ρ=0.91，P＜0.001），并與手動校正具有強相關(guān)性（ρ=0.98，P＜0.001）。2 種校正方法都降低了流入流出方差，將平均差從-0.14 L/min（95%LOA：-1.61~1.32）（未校正） 提高到0.05 L/min（95%LOA：-0.32~0.42）（手動校正）和0.05 L/min（95%LOA：-0.38~0.49）（自動校正）。手動和自動校正方法之間流入流出方差的差異無統(tǒng)計學意義（P=0.10）。結(jié)論深度學習自動相位誤差校正減少了4D 血流MRI 中體積流量測量的流入流出偏差和方差，實現(xiàn)了與手動圖像相位誤差校正相當?shù)慕Y(jié)果。

原文載于Radiology，2022，302（3）：584-592.

馬偉玲譯 于紅校

○泌尿生殖系統(tǒng)成像

MRI 上前列腺癌的局部侵犯范圍和前列腺癌手術(shù)的病理對照：與腫瘤長期預后的關(guān)系(DOI:10.19300/j.2022.r0306)

Local Extent of Prostate Cancer at MRI versus Prostatectomy Histopathology：Associations with Long-term Oncologic Outcomes(DOI：10.1148/radiol.210875)

A.G.Wibmer, I.Nikolovski, J.Chaim, Y.Lakhman, R.A.Lefkowitz,E.Sala,et al.

摘要目前尚不清楚MRI 對前列腺癌局部分期的不完全準確性與腫瘤預后之間的關(guān)系。目的分析前列腺癌MRI分期與病理分期的不一致性與前列腺癌根治術(shù)后復發(fā)及生存的關(guān)系。資料與方法對2001 年1 月—2006 年12 月進行的術(shù)前前列腺癌T2W MRI 檢查進行了回顧性分析，該研究符合HIPAA。采用Likert 5 級評分評價腫瘤前列腺外侵犯和精囊侵犯情況，評分≥4 分為陽性。用Kaplan-Meier 和Cox 模型估計生化復發(fā)（BCR）、轉(zhuǎn)移和前列腺癌特異性死亡率。結(jié)果共評估了2 160 例病人[中位年齡60（55，64）歲]。在經(jīng)組織病理學證實的腫瘤前列腺外侵犯（pT3）病人（683/2 160；32%） 中，MRI 表現(xiàn)為腫瘤局限于前列腺的病人（384/683；56%）的預后優(yōu)于那些MRI 和病理一致判定為有腫瘤前列腺外侵犯的病人，BCR 分別為30%（95%CI：22%~40%）和68%（95%CI：60%~75%）；轉(zhuǎn)移風險分別為14%（95%CI：8.4%~24%）和32%（95%CI：26%~39%）；前列腺特異性死亡率的風險分別為3%（95%CI：1%~6%）和15%（95%CI：9.5%~23%）（均P＜0.001）。經(jīng)組織病理學證實的腫瘤局限于前列腺的（pT2）病人中（1 477/2 160；68%），那些MRI 判定為有腫瘤前列腺外侵犯的病人（102/1 477；7%）的風險高于那些MRI 和病理一致判定為腫瘤局限于前列腺的病人。BCR 分別為27%（95%CI：19%~37%）和10%（95%CI：8%~14%），轉(zhuǎn)移風險分別為19%（95%CI：6%~48%）和3%（95%CI：1%~6%），以上比較均P＜0.001；前列腺癌特異性死亡率分別為2%（95%CI：1%~9%）和1%（95%CI：0~5%），P=0.009。在多因素分析中，MRI 的腫瘤范圍（風險比范圍為4.1~5.2）和組織病理學評估（風險比范圍為3.6~6.7）與BCR、轉(zhuǎn)移和前列腺癌特異性死亡率的風險相關(guān)（均P＜0.001）。結(jié)論MRI 上前列腺癌的局部侵犯范圍與前列腺切除術(shù)后的腫瘤預后有關(guān)，與病理腫瘤分期無關(guān)。這可能會為如何將MRI 整合到臨床分期算法中提供參考。

原文載于Radiology,2022,302(3):595-602.

陳怡楠譯 于紅校

○頭頸部成像

超高分辨力CT 檢測人工耳蝸植入術(shù)后耳蝸內(nèi)新骨形成(DOI:10.19300/j.2022.r0307)

Ultra-High-Resolution CT to Detect Intracochlear New Bone Formation after Cochlear Implantation(DOI：10.1148/radiol.211400)

F.Heutink,T.M.Klabbers,W.J.Huinck,F.Lucev,W.J.van der Woude,E.A.M.Mylanus,et al.

摘要組織病理學研究表明，人工耳蝸植入是治療重度至極重度感音神經(jīng)性耳聾的一種成熟方法，但可能會引起炎癥、纖維化和新骨形成(NBF)，并可能對殘余聽力損失和聽力效果產(chǎn)生影響。目的用超高空間分辨力（UHSR）CT 評估人工耳蝸植入術(shù)后的NBF 及其對長期殘余聽力效果的影響。資料與方法在2016 年12 月—2018 年1 月期間進行的一項前瞻性單中心橫斷面研究的二次分析中，至少有1 年人工耳蝸植入經(jīng)歷者進行顳骨UHSR CT 和殘余骨聽力評估。由2名觀察者獨立評估NBF 的存在和位置，并使用四分相關(guān)評估觀察者之間的可靠性。此外，還評估了每個電極的標量位置。在達成共識后，參與者被分為NBF 組（83 名）和非NBF組（40 名）。NBF 與臨床參數(shù)（包括電極設(shè)計、手術(shù)方式和長期殘余聽力損失）之間的關(guān)聯(lián)性使用卡方檢驗和t 檢驗。結(jié)果共納入了123 名參與者[平均年齡（63±13）歲；女63 名]。123 名中的83 名（68%）在2 706 個電極觸點中有466 個（17%）被發(fā)現(xiàn)了NBF。大多數(shù)NBF（428/466 個，92%）在10 個最基本的接觸點附近發(fā)現(xiàn)，觀察者間的一致性為86%（2 297/2 683 個）。電極類型和手術(shù)方法之間存在顯著相關(guān)性（79 名NBF 和預彎曲電極參與者中的58 名，43 名NBF 和直電極參與者中的24 名，P=0.04；88 名采用NBF 和人工耳蝸造口術(shù)的受試者中有64 名，而采用NBF 和圓窗法的受試者中有18 名，P=0.03）。NBF 最不常見于鼓膜全層插入，但標量位置和NBF 之間沒有顯著相關(guān)性（P=0.15）。與無NBF 組相比，有NBF 組的長期殘余聽力損失更大[平均值分別為（22.9±14）dB 和（8.6±18）dB；P=0.04]。結(jié)論利用UHSR CT可以在體內(nèi)檢測人工耳蝸植入后的NBF。大多數(shù)人工耳蝸植入者出現(xiàn)NBF，主要位于耳蝸底部。NBF 對長期保留殘余聽力有不利影響。

原文載于Radiology，2022，302（3）：605-612.

張玉譯 于紅校

○衛(wèi)生政策與實踐

放射科的情緒傷害：對一個可預防的未被充分認識的錯誤進行分析(DOI:10.19300/j.2022.r0308)

Emotional Harm in the Radiology Department：Analysis of an Underrecognized Preventable Error (DOI: 10.1148/radiol.2021211846)

B.Siewert, S.Swedeen, O.R.Brook, R.L.Eisenberg, L.Sokol-Hessner,J.B.Kruskal,et al.

摘要醫(yī)療保健中的情緒傷害事件可能導致失去信任和不良后果。然而，針對放射科情緒危害的調(diào)查仍然不足。目的更好地了解放射科可能發(fā)生情緒傷害的促成因素和臨床場景，記錄事件并制定預防性對策。資料與方法回顧性搜索大型三級醫(yī)院不良事件報告系統(tǒng)中在2014 年12 月—2020 年12 月期間提交的關(guān)于放射科的尊嚴和尊重條目。提交的內(nèi)容被分配給先前開發(fā)的14 個分類系統(tǒng)中的一個進行分類。對事件的根本原因進行分析，重點是制定未來預防性對策。記錄遭受情感傷害的人（病人或工作人員）。結(jié)果在所有與放射科相關(guān)的提交中，3 032 份中的37 份（1.2%）確定了43起尊嚴和尊重事件，包括未能以病人為中心（23 起；54%）、不尊重溝通（16 起；37%）、侵犯隱私（2 起；5%）、最小化病人關(guān)注（1 起；2%）和財產(chǎn)損失（1 起；2%）。未能以病人為中心（23起）被細分為無視病人偏好（12/23 起；52%）、護理延誤（8/23起；35%）和無效溝通（3/23 起；13%）。在43 起事件中，32 起涉及病人（74%），11 起涉及工作人員（26%）。員工的情緒傷害來自與其他員工溝通不被尊重（8/11 起；73%）。確定了73項對策：員工溝通培訓（32 項；44%）、個人反饋（18 項；25%）、系統(tǒng)創(chuàng)新（16 項；22%）、改進現(xiàn)有溝通流程（3 項；4%）、流程提醒（3 項；4%）和不清楚地方（1 項；1%）。以積極傾聽、詢問病人偏好和閉環(huán)溝通為重點的個人反饋和員工溝通培訓，可以解決43 起事件中34 起（79%）。結(jié)論大多數(shù)情緒傷害事件來自不尊重的溝通和未能以病人為中心。提供專注于積極傾聽、詢問病人偏好和閉環(huán)溝通的培訓可能會阻止大多數(shù)這類事件。

原文載于Radiology，2022，302（3）：613-619.

馬永紅譯 于紅校

○骨肌系統(tǒng)成像

使用人工智能提高X 線骨折識別性能和效率(DOI:10.19300/j.2022.r0309)

Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence(DOI：10.1148/radiol.210937)

A.Guermazi, C.Tannoury, A.J.Kompel, A.M.Murakami, A.Ducarouge,A.Gillibert,et al.

摘要漏診骨折是導致初級放射閱片與經(jīng)學會認證的放射科醫(yī)生最終閱片之間診斷差異的常見原因。目的評估人工智能(AI)對醫(yī)生在X 線片上的骨折診斷的輔助效果。資料與方法該回顧性診斷研究是一項外部多中心研究，使用多位閱片醫(yī)生及多種病例方案。該數(shù)據(jù)集為2020 年7 月—2021 年1 月的480 項檢查，包括身體各個部位（腳和腳踝、膝蓋和腿、臀部和骨盆、手和手腕、肘和手臂、肩膀和鎖骨、胸腔和胸腰椎），每個部位至少進行60 次檢查。骨折發(fā)生率設(shè)定為50%?；臼聦嵱? 名肌骨放射科醫(yī)生確定，出現(xiàn)差異時由第三人確定。向24 名閱片醫(yī)生(放射科醫(yī)師、骨科醫(yī)師、急診醫(yī)師、醫(yī)師助理、風濕科醫(yī)師、家庭醫(yī)師)展示了整個驗證數(shù)據(jù)集（480 項），在有或沒有AI 幫助下，最短清除期為1個月。初步分析結(jié)果需要證明在AI 輔助下，每例病人的敏感性優(yōu)越性和每例病人的特異性非劣效性在-3%的范圍內(nèi)。還使用受試者操作特征曲線評估了單獨采用AI 診斷的性能。結(jié)果共納入480 例病人[平均年齡（59±16）歲；女327 例]。使用AI 輔助（4 331/5 760 次閱片中，75.2%）比不使用AI（3 732/5 760 次閱片中，64.8%）時，每例病人的敏感度高10.4%（95%CI：6.9~13.9；P＜0.001）。接受AI 輔助的每例病人的特異度（5 504/5 760 次閱片中，95.6%）不劣于沒有AI 輔助的病人的特異度（5 217/5 760 次閱片中，90.6%），差異為15.0%（95%CI：12.0~18.0；P=0.001 表示非劣效性）。AI 將每次檢查的平均閱讀時間縮短了6.3 s（95%CI：-12.5~-0.1；P=0.046）。除肩部、鎖骨和脊柱（+4.2%和+2.6%；P=0.12 和0.52）外，所有區(qū)域（+8.0%~+16.2%；P＜0.05）的病人增益敏感性均顯著。結(jié)論AI輔助提高了放射科醫(yī)師和非放射科醫(yī)師對骨折檢測的敏感性，甚至可以提高特異性，而不會延長閱片時間。

原文載于Radiology,2022,302(3):627-636.

沈蕾蕾譯 于紅校

○神經(jīng)放射學

經(jīng)胼胝體白質(zhì)MRI 預測多發(fā)性硬化病人運動障礙的應(yīng)用價值(DOI:10.19300/j.2022.r0310)

MRI of Transcallosal White Matter Helps to Predict Motor Impairment in Multiple Sclerosis (DOI：10.1148/radiol.2021210922)

C.Cordani, P.Preziosa, P.Valsasina, A.Meani, E.Pagani, T.Morozumi,et al.

摘要胼胝體完整性改變與多發(fā)性硬化（MS）病人的運動障礙相關(guān)，但其對殘疾的影響尚未通過多參數(shù)MRI 方法進行研究。目的基于大腦半球的結(jié)構(gòu)和功能MRI 研究不同階段及上肢運動障礙的MS 病人的整體殘疾情況。資料與方法在這項橫斷面研究中，回顧性研究了2008 年1 月1 日—2016 年12 月31 日的健康對照者和MS 病人。臨床評估包括擴展殘疾狀態(tài)量表（EDSS）、九孔柱測試和手指敲擊測驗。通過分析在手-皮質(zhì)運動區(qū)（簡稱hand-M1）、輔助運動區(qū)（SMA）、前皮質(zhì)運動區(qū)（PMC）和鏡像體素等位功能連接（VMHC）之間的結(jié)構(gòu)和靜息態(tài)功能MRI 序列、手皮質(zhì)脊髓束纖維概率纖維示蹤和經(jīng)胼胝體纖維。隨機森林分析確定在不同階段（EDSS 評分3.0、4.0、6.0）及上肢運動障礙(九孔柱測試和手指敲擊測驗z 值＜健康對照組者的第5 個百分位)的臨床殘疾的MRI 預測值。結(jié)果共有130 例健康對照者[中位年齡39（31，50）歲；女70 例]和340 例MS 病人[中位年齡43（33，51）歲；女213 例]。通過PMC 和SMA 的萎縮、病變以及皮質(zhì)脊髓束和經(jīng)胼胝體纖維損傷測量綜合評分法EDSS 評分3.0（159 例），準確度為86%，P=0.001~0.01。通過hand-M1的經(jīng)胼胝體纖維損傷EDSS 評分4.0（131 例）還發(fā)現(xiàn)了類似的預測因子，準確度為89%，P=0.001~0.049。未發(fā)現(xiàn)EDSS 評分6.0(70 例)相關(guān)的MRI 預測值。通過SMA 和PMC 之間的經(jīng)胼胝體纖維損傷預測九孔柱測試（右側(cè)，161 例；左側(cè)，166例）和手指敲擊測驗（右側(cè)，117 例；左側(cè)，111 例）的損傷（準確度69%~77%；P=0.001~0.049）。VMHC 異常不能解釋臨床結(jié)果。結(jié)論經(jīng)胼胝體的前皮質(zhì)運動區(qū)和皮質(zhì)運動區(qū)纖維的MRI 異常表現(xiàn)在結(jié)構(gòu)而不是功能，可預測MS 病人整體殘疾和上肢運動障礙的嚴重程度。但這類預測因子在較高殘疾程度上未見顯著預測價值。

原文載于Radiology，2022，302（3）：639-649.

姚蓉譯 于紅校

膠質(zhì)瘤基因分型的全腫瘤多重擴散指標直方圖分析(DOI:10.19300/j.2022.r0311)

Whole -Tumor Histogram Analysis of Multiple Diffusion Metrics for Glioma Genotyping(DOI：10.1148/radiol.210820)

A.Gao,H.Zhang,X.Yan,S.Wang,Q.Chen,E.Gao,et al.

摘要異檸檬酸脫氫酶（IDH）基因型和1p/19q 共缺失狀態(tài)是膠質(zhì)瘤病理診斷的關(guān)鍵分子標志物。高級擴散模型提供了額外的微結(jié)構(gòu)信息。目的比較多重擴散指標直方圖特征在預測膠質(zhì)瘤IDH 和1p/19q 基因分型中的診斷效能。資料與方法該前瞻性研究于2018 年12 月—2020 年12 月期間招募病人。擴散加權(quán)成像采用自旋回波-回波平面成像序列，每個b 值在30 個方向上有6 個b 值（0、500、1 000、1 500、2 000和2 500 s/mm2）。在研究中計算了擴散張量成像（DTI）、擴散峰度成像（DKI）、神經(jīng)突方向離散度與密度成像（NODDI）和平均表觀傳播（MAP）的擴散指標，并分析了它們在腫瘤全區(qū)和瘤周水腫區(qū)的直方圖特征。根據(jù)IDH 基因分型和1p/19q共缺失狀態(tài)進行組間比較。采用Logistic 回歸分析預測IDH和1p/19q 基因型。結(jié)果本研究共納入215 例病人[男115例，女100 例；平均年齡（48±13）歲]，其中Ⅱ級膠質(zhì)瘤68 例、Ⅲ級35 例、Ⅳ級112 例。在DTI、DKI、NODDI、MAP 和總擴散模型中，預測膠質(zhì)瘤IDH 突變、IDH 突變和1p/19q 共缺失的受試者操作特征曲線下面積(AUC)差異無統(tǒng)計學意義，前者AUC 分別為0.76、0.82、0.78、0.81、0.82（P＞0.05），后者AUC 分別為0.83、0.81、0.82、0.83、0.88（P＞0.05）。采用R2值為0.84的回歸模型對Ki-67 標記指數(shù)和擴散指標的直方圖特征進行分析。結(jié)論多擴散指標的全腫瘤直方圖分析是預測膠質(zhì)瘤IDH 和1p/19q 基因分型的一種很有前景的方法，DTI 的性能與高級擴散模型相似。

原文載于Radiology，2022，302（3）：652-661.

孫琳琳譯 于紅校

在OPERA 試驗中利用深度學習聯(lián)合MRI T1 無強化和強化病灶進行多發(fā)性硬化病灶分割(DOI:10.19300/j.2022.r0312)

Joint MRI T1 Unenhancing and Contrast-enhancing Multiple Sclerosis Lesion Segmentation with Deep Learning in OPERATrials(DOI：10.1148/radiol.211528)

A.P.Krishnan, Z.Song, D.Clayton, L.Gaetano, X.Jia, A.deCrespigny,et al.

摘要基于深度學習的分割可快速、可重復性地評估T1序列中的強化病灶，對于多發(fā)性硬化癥（MS）的疾病管理至關(guān)重要。MS 中的T1無強化及強化病灶是指注入釓對比劑后T1WI 信號增高或不增高的病灶。目的建立用于自動評估T1序列中無強化和有強化病灶的深度學習模型；進一步研究聯(lián)合訓練可否提高診斷性能；評估奧克雷珠單抗(ocrelizumab)對于MS 的治療效果；并評估T1基線影像學特征與復發(fā)型MS 臨床試驗中結(jié)果的關(guān)聯(lián)。資料與方法回顧性分析復發(fā)型MS 多中心OPERA 試驗（2011 年8 月—2015 年5 月）的多模態(tài)MRI 數(shù)據(jù)集，建立聯(lián)合和獨立深度學習模型（U-Nets）。聯(lián)合模型包括跨網(wǎng)絡(luò)連接和組合損失函數(shù)，使用三折交叉驗證對OPERAⅠ數(shù)據(jù)集進行驗證訓練，OPERAⅡ數(shù)據(jù)集是內(nèi)部測試集。使用Dice 系數(shù)、病變的真陽性率、假陽性率以及ROC 曲線下面積（AUC）評估模型性能，使用Cox 比例風險模型評估基線影像特征與臨床結(jié)果的關(guān)聯(lián)。結(jié)果共評估了OPERAⅡ試驗的796 例病人[3 030 人次；平均年齡（37±9）歲；女521 例]。對于T1強化及無強化分割模型，其聯(lián)合模型的平均Dice 系數(shù)分別為0.77 和0.74，病變真陽性率分別為0.88 和0.86，假陽性率分別為0.04 和0.19。聯(lián)合模型提高了對于T1增強序列中較小體積（≤0.06 mL）病灶的診斷效能（單獨訓練：AUC 為0.75；聯(lián)合訓練：AUC 為0.87；P＜0.001）。ocrelizumab 治療效果顯著（P＜0.001），表現(xiàn)為接受ocrelizumab 治療后第24、48、96 周檢查時T1強化病灶數(shù)量減少（人工評估：第24 周時接受ocrelizumab 治療的366 例病人共計10個病灶，接受干擾素治療355 例病人共計141 個病灶，減少93%；第48 周時接受ocrelizumab 治療的355 例病人共計6個病灶，接受干擾素治療317 例病人共計150 個病灶，減少96%；第96 周時接受ocrelizumab 治療的340 例病人共計5個病灶，接受干擾素治療的294 例病人共計157 個病灶，減少97%。聯(lián)合模型：第24 周時接受ocrelizumab 治療的365例病人共計19 個病灶，接受干擾素治療的354 例病人共計128 個病灶，減少86%；第48 周時接受ocrelizumab 治療的355 例病人共計14 個病灶，接受干擾素治療的317 例病人共計121 個病灶，減少90%；第96 周時接受ocrelizumab 治療的350 例病人共計10 個病灶，接受干擾素治療的294 例病人共計144 個病灶，減少94%）。在隨訪檢查中新增的T1無強化的病灶（人工評估：接受ocrelizumab 治療病人1 060人次共計504 個病灶，接受干擾素治療病人965 人次共計1 438 個病灶，減少68%；聯(lián)合模型評估：接受ocrelizumab 治療病人1 053 人次共計205 個病灶，接受干擾素治療病人957 人次中共計661 個病灶，減少78%）。基線檢查T1無強化病灶的總體積與臨床結(jié)果相關(guān)[人工評估風險比（HR）：1.12，P=0.02；聯(lián)合模型HR：1.11，P=0.03]。結(jié)論聯(lián)合架構(gòu)和訓練提高了基于MRI T1增強序列對MS 病灶的分割性能。在檢測ocrelizumab 治療效果方面，2 種深度學習模型都具有與人工評估一致的高性能。

原文載于Radiology，2022，302（3）：662-673.

王璐娜譯 于紅校

○胸部成像

美國國家肺部篩查試驗(NLST)中的縱隔淋巴結(jié)腫大與間隔期肺癌相關(guān)(DOI:10.19300/j.2022.r0313)

Mediastinal Lymphadenopathy in the National Lung Screening Trial (NLST) Is Associated with Interval Lung－Cancer(DOI：10.1148/radiol.210522)

H.Chalian,H.P.McAdams,Y.Lee,F.Duan,Y.Wu,P.Khoshpouri,et al.

摘要目前尚無針對肺癌篩查（LCS）CT 掃描發(fā)現(xiàn)的縱隔腫大淋巴結(jié)管理的循證指南。目的評估美國國家肺部篩查試驗（NLST）參與者初次LCS CT 掃描時縱隔淋巴結(jié)腫大的發(fā)生概率和臨床意義。資料與方法回顧性分析NLST數(shù)據(jù)庫中首次CT 掃描發(fā)現(xiàn)至少有一個腫大縱隔淋巴結(jié)（≥1.0 cm）的所有受試者。每項研究數(shù)據(jù)均由2 名胸部放射科醫(yī)師獨立分析，測量最大的2 個淋巴結(jié)并記錄形態(tài)學特征。排除廣泛鈣化的縱隔淋巴結(jié)或＜1 cm 的淋巴結(jié)。比較腫大淋巴結(jié)組和無腫大淋巴結(jié)組的肺癌發(fā)生概率、肺癌診斷時間、肺癌分期和組織學表現(xiàn)。結(jié)果在26 722 例NLST 受試者中，422 例（1.6%）在首次LCS CT 掃描中發(fā)現(xiàn)非鈣化腫大縱隔淋巴結(jié)。縱隔腫大淋巴結(jié)與肺癌病例的增加[72/422(17.1%；95%CI：13.6~21.0）和1 017/26 300（3.9%；95%CI：3.6~4.1）；P＜0.001]、早期診斷[有限的平均生存時間，（2 285±44）d和（2 611±2）d；P＜0.001]、肺結(jié)節(jié)表現(xiàn)（P＜0.001）、進展期肺癌[22/72 例（31%）肺癌病人為ⅢA期，410/1 017 例（40.3%）肺癌病人為ⅠA期；P＜0.001]及死亡率增加（P＜0.001）相關(guān)。LCS 組中大多數(shù)患有縱隔淋巴結(jié)腫大的肺癌受試者在初始LCS CT時被檢測到[50/422（11.8%；95%CI：8.9~15.3）；T1-T7，22/422（5.3%；95%CI：3.3~7.8）；P＜0.001]。縱隔淋巴結(jié)腫大與肺癌組織學表現(xiàn)、CT 表現(xiàn)或肺結(jié)節(jié)位置之間沒有關(guān)聯(lián)（P＞0.05，基于未校正成對關(guān)聯(lián)分析）。結(jié)論低劑量肺癌篩查研究樣本中的非鈣化縱隔淋巴結(jié)腫大與肺癌病例的增加、更早期診斷、更多的進展期肺癌和死亡率增加有關(guān)。對這些病人進行更積極的治療似乎是必要的。

原文載于Radiology，2022，302（3）：684-692.

任華譯 于紅校

超短回波時間肺部MRI 在肺結(jié)節(jié)的檢測和肺結(jié)節(jié)分類的效能(DOI:10.19300/j.2022.r0314)

Efficacy of Ultrashort Echo Time Pulmonary MRI for Lung Nodule Detection and Lung -RADS Classification (DOI：10.1148/radiol.211254)

Y.Ohno,D.Takenaka,T.Yoshikawa,M.Yui,H.Koyama,K.Yamamoto,et al.

摘要已將具有超短回波時間（UTE）肺部MRI 與胸部CT 在結(jié)節(jié)檢測和分類方面進行了比較。然而，仍然缺乏直接比較這些方法在肺CT 篩查報告和數(shù)據(jù)系統(tǒng)（Lung-RADS）評估方面的能力的對比。目的對比超短回波肺部MRI 與標準或低劑量薄層CT 對Lung-RADS 分類的能力。資料與方法在這項前瞻性研究中，標準和低劑量胸部CT（分別為270 mA和60 mA）和MRI UTE 分別用于檢查在2017 年1 月—2020年12 月期間連續(xù)入選的符合美國放射學會低劑量CT 肺癌篩查適用性標準的參與者。由2 名經(jīng)過認證的放射科醫(yī)師采用五點視覺評分系統(tǒng)的方法評估所有病人結(jié)節(jié)存在的概率，然后對使用每種方法檢測的結(jié)節(jié)進行Lung-RADS 分類。為了比較3 種方法的結(jié)節(jié)檢測能力，使用jackknife 法自由響應(yīng)受試者操作特征分析對性能的一致性進行評級，并通過McNemar 測試方法比較敏感度。此外，加權(quán)κ檢驗用于一致性分析，包括使用每種方法獲得的Lung-RADS 分類，以及由2 名未參與影像分析的放射科醫(yī)師評估的標準劑量CT 結(jié)果作為參考標準。結(jié)果納入205 名參與者[平均年齡（64±7）歲，男106 名]共1 073 個結(jié)節(jié)。3 種模式之間的品質(zhì)因數(shù)（FOM）（P＜0.001）存在顯著差異（標準劑量CT：FOM=0.91，低劑量CT：FOM=0.89，肺MRI 的UTE 序列：FOM=0.94），在所有模式的參與者中沒有假陽性發(fā)現(xiàn)的證據(jù)（P＞0.05）。所有模式和參考標準之間的Lung-RADS 分類一致性幾乎完美（標準劑量CT：κ=0.82，P＜0.001；低劑量CT：κ=0.82，P＜0.001；肺MRI的UTE 序列：κ=0.82，P＜0.001）。結(jié)論在肺癌篩查人群中，UTE 肺部MRI 與標準劑量或低劑量CT 用于肺CT 篩查報告和數(shù)據(jù)系統(tǒng)分類具有可比性。

原文載于Radiology，2022，302（3）：697-706.

高淳譯 于紅校

COVID-19 從確診到隨訪1 年的胸部CT 表現(xiàn)(DOI:10.19300/j.2022.r0315)

Chest CT Patterns from Diagnosis to 1 Year of Follow-up in Patients with COVID-19(DOI：10.1148/radiol.2021211199)

F.Pan,L.Yang,B.Liang,T.B.Ye,L.L.Li,L.Li,et al.

摘要新型冠狀病毒肺炎（COVID-19）病人從住院到隨訪1 年的胸部CT 表現(xiàn)尚不清楚。目的評估COVID-19 病人在出現(xiàn)癥狀后隨訪1 年的胸部CT 表現(xiàn)。資料與方法該研究納入了2020 年1 月27 日—3 月31 日在2 個隔離中心收治入院并行CT 檢查的COVID-19 病人。在前瞻性研究中，分別在出現(xiàn)癥狀后的3、7 和12 個月分別行CT 檢查并分析影像。對肺葉受累情況進行CT 評分，每個肺葉評分1~5，總計0~25分。采用單/多變量邏輯回歸分析1 年后存在CT 殘留病變的獨立危險因素。結(jié)果本研究共納入209 例病人[平均年齡（49±13）歲，女116 例]。3 個月后有61%（128/209 例）病人的CT 提示病變吸收；12 個月后有75%（156/209 例）病人的CT提示病變吸收。在未完全吸收的病人中，25/209 例（12%）表現(xiàn)為殘留的線狀影，28/209 例（13%）表現(xiàn)為多發(fā)的網(wǎng)格影及囊腔病變。年齡≥50 歲、淋巴細胞減少和重癥/急性呼吸窘迫綜合征是隨訪1 年時存在殘留病變的獨立危險因素（OR 值分別為15.9、18.9 及43.9；P＜0.001）。53 例病人在隨訪12 個月時存在殘留病變，這些病人在出院時主要表現(xiàn)為網(wǎng)格影(41/53 例，77%）和支氣管擴張（39/53 例，74%），其中53%（28/53 例）和45%（24/53 例)病人的病變持續(xù)存在。結(jié)論在COVID-19 確診1 年后，25%病人的胸部CT 提示存在異常，其中13%病人表現(xiàn)為胸膜下網(wǎng)格影/囊腔病變。老年COVID-19 重癥病人或急性呼吸窘迫綜合征病人更可能會出現(xiàn)持續(xù)1 年的肺內(nèi)后遺癥。

原文載于Radiology，2022，302（3）：709-719.

朱慧媛譯 于紅校

○乳腺成像

根據(jù)鉬靶X 線征象預測導管原位癌的分期(DOI: 10.19300/j.2022.r0401)

Prediction of Upstaging in Ductal Carcinoma in Situ Based on Mammographic Radiomic Features （DOI：0.1148/radiol.210407）

R.Hou, L.J.Grimm, M.A.Mazurowski, J.Marks, L.M.King, C.C.Maley,et al.

摘要術(shù)前提高導管原位癌（DCIS）的診斷對于選擇最佳病人管理策略非常重要。然而，病人可能患有隱匿性侵襲性疾病，直到最終手術(shù)后才被發(fā)現(xiàn)。目的評估乳腺鉬靶X 線片特征在通過核心活檢診斷為DCIS 的女性中預測隱匿性浸潤性癌的表現(xiàn)和臨床應(yīng)用。資料與方法該項回顧研究符合HIPAA，收集2008 年9 月—2017 年4 月接受乳腺芯針活檢以檢查鈣化并診斷為DCIS 女性病人的數(shù)字放大乳腺X 線攝影影像。數(shù)據(jù)庫查詢針對無鈣化、無腫塊、結(jié)構(gòu)扭曲、密度不對稱或可觸及病灶的無癥狀女性，采用正則化的Logistic回歸分析。通過使用Kruskal-Wallis 或χ2檢驗來評估訓練組和內(nèi)部測試組在降級率、年齡、病變大小以及雌孕激素受體狀態(tài)方面的差異。結(jié)果這項研究包括700 例DCIS 女性病人[年齡40~89 歲，平均（59±10）歲]，其中114 例（16.3%）的病變在隨后的手術(shù)中被升級至浸潤性癌。樣本隨機分為訓練組400 例和測試組300 例[平均年齡：訓練組（59±10）歲、測試組（59±10）歲；P=0.85]。共提取了109 個影像學特征和4 個臨床特征。在測試集上使用所有影像學和臨床特征的最佳模型有助于預測降級，受試者操作特征曲線下面積為0.71（95%CI：0.62~0.79）。對于固定的高敏感度（90%），該模型的特異度為22%，陰性預測值為92%，優(yōu)勢比為2.4（95%CI：1.8~3.2）。高特異度（90%）對應(yīng)的敏感度為37%，陽性預測值為41%，優(yōu)勢比為5.0（95%CI：2.8~9.0）。結(jié)論將影像組學特征應(yīng)用于乳腺鉬靶X 線檢查鈣化的機器學習模型可能有助于預測導管原位癌的分期，這可以完善臨床決策和治療計劃。

原文載于Radiology，2022，303（1）：54-62.

陳怡楠譯 于紅校

人工智能在減少用數(shù)字乳腺斷層合成攝影篩查乳腺癌工作量中的應(yīng)用(DOI:10.19300/j.2022.r0402)

Artificial Intelligence for Reducing Workload in Breast Cancer Screening with Digital Breast Tomosynthesis （DOI：10.1148/radiol.211105）

Y.Shoshan, R.BakaloMSc, F.Gilboa-Solomon, V.Ratner, E.Barkan,M.Ozery-Flato,et al.

摘要數(shù)字乳腺斷層合成攝影（DBT）比數(shù)字乳腺X 線攝影具有更高的診斷準確性，但解釋時間要長得多。人工智能（AI）可以提高閱讀效率。目的采用AI 過濾掉常規(guī)DBT 篩查數(shù)據(jù)來評估AI 在減少工作量中的應(yīng)用。資料與方法該回顧性研究包括2013 年6 月—2018 年11 月來自2 個醫(yī)療保健網(wǎng)絡(luò)中9 919 名女性的13 306 次DBT 檢查。將隊列分為訓練集、驗證集和測試集（分別為3 948、1 661 和4 310 名女性）。模擬一個工作流程，其中AI 模型對無癌檢查進行分類，這些檢查可以從篩選工作列表中剔除，并使用原始放射科醫(yī)生的解釋來處理工作列表中的其他檢查。通過AI 系統(tǒng)對5 名乳腺放射科醫(yī)生閱讀205 名女性的DBT 乳腺X 線片的閱片者研究進行了評估。2 項研究都評估了受試者操作特征曲線下面積（AUC）、敏感度、特異度和召回率。對10 000 個bootstrap 樣本進行統(tǒng)計計算，以評估95%CI、非劣效性和優(yōu)越性檢驗。結(jié)果該模型對4 310 名經(jīng)過篩查的女性[平均年齡（60±11）歲;5 182 例行DBT 檢查]進行了測試。與放射科醫(yī)生的表現(xiàn)[459 例檢測出癌癥417 例（90.8%），5 182 例檢查中477 例召回（9.2%）]相比，使用AI 自動篩選病例將減少39.6%的工作量，且敏感度不低（459 例檢測癌癥413 例，90.0%；P=0.002），召回率低25%（5 182 次檢查中有358 次召回，6.9%；P=0.002）。在閱片者研究中，獨立AI 的AUC 高于平均閱片者（0.84 和0.81；P=0.002）。結(jié)論該AI 模型能夠識別正常的乳腺數(shù)字化合成篩查檢查，減少了模擬臨床工作流程中需要放射科醫(yī)生解釋的檢查數(shù)量。

原文載于Radiology，2022，303（1）：69-77.

高淳譯 于紅校

○計算機應(yīng)用

使用挖掘注釋的腦MRI 腫瘤檢測模型的半監(jiān)督訓練(DOI:10.19300/j.2022.r0403)

Semisupervised Training of a Brain MRI Tumor Detection Model Using Mined Annotations(DOI：10.1148/radiol.210817)

N.C.Swinburne，V.Yadav, J.Kim, Y.R.Choi, D.C.Gutman, J.T.Yang,et al.

摘要人工智能（AI）應(yīng)用于腫瘤影像診斷的概念起源于腫瘤的自動檢出，是AI 下游任務(wù)的基礎(chǔ)。然而，上游訓練需要更多的圖像標注，專項事后圖像標記的工作即繁瑣又昂貴。目的旨在對圖像存儲傳輸系統(tǒng)（PACS）中的臨床影像進行標注是否可被深度挖掘、自動規(guī)劃并應(yīng)用于腦腫瘤檢出模型的上游訓練。資料與方法針對腫瘤中心的PACS 系統(tǒng)進行回顧性研究，收集自2012 年1 月—2017 年12 月間包括T1增強后橫斷面掃描的所有腦MRI 掃描影像，對數(shù)據(jù)分析。線條標注被轉(zhuǎn)換為方框標注，如方框小于1 cm 或長于7 cm則被剔除。方框的結(jié)果利用RetinaNet 和Mask 基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)（R-CNN）構(gòu)建并用于目標檢測的上游訓練?；跀?shù)據(jù)集的最好的訓練模型是在訓練影像中檢測出未被標記的腫瘤（自標記），并自動修正許多錯誤標記。自標記后，利用擴張數(shù)據(jù)集再訓練新模型。將來自100 例病人（403 個軸內(nèi)強化腫瘤與54 個軸外強化腫瘤）的754 幅人工標記影像作為參照，對模型留存驗證數(shù)據(jù)的精準率、召回率、F1 值進行評分。采用bootstrap 重采樣驗證模型的F1 值。結(jié)果PACS 系統(tǒng)標記處線性標記31 150 個，產(chǎn)生11 880 個方框標記。這一挖掘數(shù)據(jù)集被用于訓練模型，F(xiàn)1 值分別為0.886（RetinaNetR-CNN）和0.908（MaskR-CNN）。自標記增加了18 562個訓練方框，將模型的F1 值分別提高至0.935（P＜0.001）和0.954（P＜0.001）。結(jié)論半監(jiān)督學習的挖掘圖像標記的應(yīng)用可以顯著提高腫瘤的檢出率，F(xiàn)1 值高達0.954。這一研究方法可應(yīng)用于其他影像模態(tài)。未使用的數(shù)據(jù)庫的重利用，可以實現(xiàn)跨放射學模態(tài)的腫瘤自動檢出。

原文載于Radiology，2022，303（1）：80-89.

施玨倩譯 于紅校

○胃腸道成像

降低劑量深度學習重建用于肝轉(zhuǎn)移的腹部CT 成像(DOI:10.19300/j.2022.r0404)

Reduced -Dose Deep Learning Reconstruction for Abdominal CT of Liver Metastases（DOI:10.1148/radiol.211838）

C.T.Jensen,S.Gupta,M.M.Saleh,X.Liu,V.K.Wong,U.Salem,et al.

摘要隨著CT 輻射劑量的降低，肝臟病變的評估受到了一定限制。有證據(jù)表明，深度學習重建可以減輕這種影響。目的比較基于低劑量腹部增強CT 的卷積神經(jīng)網(wǎng)絡(luò)的深度學習重建技術(shù)算法（DLIR）和基于標準劑量的濾過反投影（FBP）技術(shù)在評估肝臟轉(zhuǎn)移灶檢出率和影像質(zhì)量中的價值。資料與方法該前瞻性研究自2019 年9 月—2021 年4 月，符合HIPAA。參與者均為活檢證實的結(jié)直腸癌肝轉(zhuǎn)移病人，基線檢查為一次屏氣呼吸時接受了標準劑量和低劑量門靜脈期腹部CT 檢查。3 位放射科醫(yī)生在基于標準劑量FBP 和基于低劑量DLIR 下檢出和描述病變，記錄報告診斷信心，并對影像質(zhì)量進行評分，記錄對比-噪聲比。匯總統(tǒng)計數(shù)據(jù)，并使用廣義線性混合模型。結(jié)果51 名參與者[平均年齡（57±13）歲；男31 名]接受了評估。低劑量CT（12.2 mGy）的平均體積CT 劑量指數(shù)較標準劑量CT（34.9 mGy）降低了65.1%。共發(fā)現(xiàn)161 個病灶（127 個轉(zhuǎn)移灶，34 個良性病灶），平均大小為（0.7±0.3）cm?；诘蛣┝緿LIR 主觀影像質(zhì)量優(yōu)于基于標準劑量FBP（P＜0.001）。對于肝轉(zhuǎn)移診斷，基于低劑量DLIR平均對比噪聲比（3.9±1.7）高于基于標準劑量FBP（3.5±1.4）（P＜0.001）。對于≤0.5 cm 的病變，仍存在檢測差異。在65 個病變中，基于標準劑量FBP 檢測到63 個（96.9%；95%CI：89.3~99.6），基于低劑量DLIR 檢測到47 個（72.3%；95%CI：59.8~82.7）?；跇藴蕜┝縁BP 和基于低劑量DLIR 的病變準確度分別為80.1%（95%CI：73.1~86.0；129/161）和67.1%（95%CI：59.3~74.3；108/161）（P=0.01）。在基于低劑量DLIR下，病變診斷的信心較低（P＜0.001）。結(jié)論DLIR 在輻射劑量減少65%時提高了CT 影像質(zhì)量，且對＞0.5 cm 的肝臟病變的檢測性能良好。在基于低劑量DLIR 下，對于肝臟病變的整體定性和診斷者的信心均較差。

原文載于Radiology，2022，303（1）：90-98.

王璐娜譯 于紅校

根治性前列腺切除術(shù)后尿失禁的術(shù)前前列腺MRI 預測因子(DOI:10.19300/j.2022.r0405)

Preoperative Prostate MRI Predictors of Urinary Continence Following Radical Prostatectomy （DOI:10.1148/radiol.210500）

H.Lamberg, P.R.Shankar, K.Singh, E.M.Caoili, A.K.George, C.Hackett,et al.

摘要根治性前列腺切除術(shù)（RP）后的尿失禁是影響病人生活質(zhì)量的一個重要因素。已知前列腺MRI 上的解剖測量結(jié)果與尿失禁相關(guān)，但在綜合臨床模型中，其預測能力和評估者間一致性尚不清楚。目的與臨床多變量模型結(jié)合，評估基于MRI 的解剖測量結(jié)果對RP 后尿失禁的預測能力以及測量者間一致性評估。資料與方法在該回顧性隊列研究中，對2015 年8 月—2019 年10 月接受RP 的男性的尿失禁結(jié)果進行評估。4 名腹部放射科醫(yī)師回顧性納入基于MRI 的術(shù)前解剖測量結(jié)果。在參與之前，這些放射科醫(yī)師完成了針對具體測量的培訓。使用單獨的臨床變量、單獨的MRI 變量和組合變量開發(fā)Logistic 回歸模型，用于預測RP 后3、6 和12個月的尿失禁；每個時間點都缺少一些病人數(shù)據(jù)。采用組內(nèi)相關(guān)系數(shù)（ICC）評估MRI 變量的評估者間一致性。結(jié)果共納入586 例男性，平均年齡（63±7）歲。尿失禁病人的比例在基線時為0.2%（1/589 例），在3 個月時為27%（145/529 例），在6 個月時為14%（63/465 例），在12 個月時為9%（37/425例）。在包含臨床和MRI 預測因子的模型中，更長的冠狀膜尿道長度(MUL)在所有時間點都提高了RP 后尿失禁的比例[每1 mm 的優(yōu)勢比（OR）分別為：0.86（95%CI：0.80~0.93），P＜0.001；0.86（95%CI：0.78~0.95)，P=0.003；0.79（95%CI：0.67~0.91），P=0.002]。其他的MRI 因素不具有預測能力。另外，年齡和基線泌尿功能評分是每個時間點獨立的臨床預測變量。在接受過專門的前列腺MRI 測量培訓的測量者中，MUL 的測量者間一致性中等（ICC，0.62），而在未接受過培訓的測量者中，MUL 的一致性較差（ICC，0.38）。結(jié)論術(shù)前MRI 測量的冠狀膜尿道長度是RP 后尿失禁的獨立預測因子。

原文載于Radiology，2022，303（1）：99-109.

聶凱譯 于紅校

前列腺導管腺癌的多參數(shù)MRI 診斷標準(DOI:10.19300/j.2022.r0406)

Defining Diagnostic Criteria for Prostatic Ductal Adenocarcinoma at Multiparametric MRI(DOI:10.1148/radiol.204732)

W.K.B.Ranasinghe, P.Troncoso, D.S.Surasi, J.J.I.Rovira, P.Bhosale,J.Szklaruk,et al.

摘要前列腺導管腺癌（DAC）是一種前列腺癌形態(tài)學上的亞型，有著很強的侵襲性，通常需要多種方法聯(lián)合治療，因此在臨床和影像學上診斷具有挑戰(zhàn)性。目的探討DAC 的多參數(shù)MRI 診斷標準，并評估其在鑒別DAC 與前列腺腺泡癌（PAC）中的診斷性能。資料與方法回顧性分析2011 年1月—2018 年11 月期間經(jīng)組織病理學證實且在根治性前列腺切除術(shù)前進行多參數(shù)MRI 檢查的DAC 病人。MRI 特征是經(jīng)9 例DAC 預定義的1 個子集，比較分析病灶外周區(qū)1 cm或更大范圍，與國際泌尿?qū)W學會病理活檢確診的4~5 級PAC進行比較分析。由4 名獨立的放射學專家雙盲診斷，并達成共識。采用Fisher 檢驗、t 檢驗和Mann-Whitney U 檢驗比較分析病人及腫瘤的特征，且進行一致性（Cohen κ）和敏感性分析。結(jié)果其中包括59 例DAC 病人[中位年齡63（56，67）歲]和59 例PAC 病人[中位年齡64（59，69）歲]。預定義的MRI 特征，包括等T2WI 信號、邊界清楚、分葉征、邊緣低信號，在DAC 中檢測到的比例高于PAC[76%（45/59）和5%（3/59）；P＜0.001]。共識中顯示，具有3 種或3 種以上特征的所有DAC 顯示敏感度76%、特異度94%、陽性預測值（PPV）94%、陰性預測值（NPV）80%，而純DAC 顯示敏感度100%、特異度95%、PPV 81%、NPV 100%。DAC 與PAC 的增強（100%和100%；P＞0.99）、中位T2信號強度（254 和230；P=0.99）和表觀擴散系數(shù)（中位數(shù)，677×10-6mm2/s 和685×10-6mm2/s；P=0.73）差異均無統(tǒng)計學意義。結(jié)論前列腺多參數(shù)MRI 表現(xiàn)為等T2WI 信號、邊界清楚、分葉征和/或邊緣低信號，并伴有擴散受限和強化，提示DAC，而非PAC。

原文載于Radiology，2022，303（1）：110-118.

姚蓉譯 于紅校

○醫(yī)用物理學

使用暗場胸部成像對肺氣腫進行定性和定量評估(DOI:10.19300/j.2022.r0407)

Qualitative and Quantitative Assessment of Emphysema Using Dark -Field Chest Radiography （DOI:10.1148/radiol.212025）

T.Urban, F.T.Gassert, M.Frank, K.Willer, W.Noichl, P.Buchberger,et al.

摘要暗場胸部成像可以通過X 射線的波光學特性來評估肺泡結(jié)構(gòu)。目的與健康對照組相比，評估肺氣腫病人胸片暗場胸部成像的定性和定量特征。資料與方法在2018 年10 月—2020 年10 月進行的這項前瞻性研究中，參與者年齡至少18 歲且接受臨床指征的胸部CT。納入標準是同意該程序并在沒有幫助的情況下可以直立。排除標準是懷孕、嚴重的醫(yī)療狀況以及除肺氣腫以外的CT 影像上可見的任何肺部疾病。參與者使用臨床暗場胸部成像原型進行檢查，同時獲得基于衰減的X 線片和暗視野胸片。采用Spearman 相關(guān)對暗場系數(shù)與每個參與者基于CT 的肺氣腫指數(shù)進行相關(guān)性分析。采用Wilcoxon Mann-Whitney U 檢驗比較半定量Fleischner 學會肺氣腫分級系統(tǒng)中相鄰組的暗場系數(shù)。采用受試者操作特征（ROC）曲線分析評估暗場系數(shù)檢測肺氣腫的能力。結(jié)果共納入83 名參與者[平均年齡（65±12）歲；男52名]。與來自健康對照組影像相比，肺氣腫參與者的暗場胸部成像具有較低且不均勻的暗視野信號強度。暗視野影像上局灶性信號強度損失的位置與CT 影像上發(fā)現(xiàn)的肺氣腫區(qū)域相吻合。暗場系數(shù)與CT 的定量肺氣腫指數(shù)呈負相關(guān)（r=-0.54，P＜0.001）。Fleischner 學會分級為輕度、中度、混合或重度破壞性肺氣腫的參與者比沒有肺氣腫的參與者表現(xiàn)出更低的暗場系數(shù)[例如，混合或重度破壞性肺氣腫參與者（1.3±0.6）m-1和無肺氣腫的參與者（2.6±0.4）m-1；P＜0.001]。檢測輕度肺氣腫的ROC 曲線下面積為0.79。結(jié)論肺氣腫導致暗場胸部成像的信號強度降低，表明該技術(shù)具有作為肺部疾病評估診斷工具的潛力。

原文載于Radiology，2022，303（1）：119-127.

沈蕾蕾譯 于紅校

第一個臨床光子計數(shù)探測器CT 系統(tǒng)：技術(shù)評估(DOI:10.19300/j.2022.r0408)

First Clinical Photon-counting Detector CT System:Technical Evaluation(DOI:10.1148/radiol.212579)

K.Rajendran, M.Petersilka, A.Henning, E.R.Shanblatt, B.Schmidt,T.G.Flohr,et al.

摘要第一個使用光子計數(shù)探測器（PCD）技術(shù)的臨床CT系統(tǒng)已可用于病人檢查。目的使用體模和參與者的檢查來評估PCD CT 系統(tǒng)的技術(shù)性能。資料與方法獲得機構(gòu)倫理委員會批準和4 名參與者書面同意。針對標準的和高的空間分辨率（HR）準直測量了雙源PCD CT 系統(tǒng)的技術(shù)性能。測量了噪聲功率譜、調(diào)制傳遞函數(shù)、截面敏感度曲線、虛擬單能影像（VMI）中的碘CT 值和碘濃度準確性。這項前瞻性研究招募了4 名參與者（2021 年5—8 月），在檢查同一天使用PCD CT掃描，輻射劑量與各自臨床檢查所使用的能量集成探測器（EID）CT 相似或更低。對參與者PCD CT 和EID CT 的影像質(zhì)量和診斷結(jié)果進行比較。結(jié)果所有標準技術(shù)性能指標均符合認證和監(jiān)管要求。相對于濾過反投影重建，迭代重建的影像具有較低的噪聲幅度，但保留了噪聲功率譜形狀和峰值頻率。HR 和標準PCD CT 掃描平面內(nèi)最大空間分辨率分別為125 和208 μm。截面敏感度曲線半高寬最小值分別為0.34 mm（標稱值0.2 mm）和0.64 mm（標稱值0.4 mm）。用120 kV 標準PCD CT 條件掃描40 cm 體模，VMI 碘CT 值的平均百分比誤差為5.7%，碘質(zhì)量濃度的均方根誤差為0.5 mg/cm3，和已有報告中的EID CT 值類似。66 ms 時間分辨率采集的冠狀動脈CT 生成VMI、碘圖和虛擬無對比劑影像。與EID CT 相比，參與者的PCD CT 影像顯示出高達47%的噪聲降低和/或空間分辨率提高。結(jié)論臨床PCD CT 的技術(shù)性能相對于當前最先進的CT 系統(tǒng)有所提高。雙源PCD 幾何結(jié)構(gòu)促進了66 ms 時間分辨率的多能心臟成像。研究參與者的影像表明了技術(shù)性能的改進。

原文載于Radiology，2022，303（1）：130-138.

馬永紅譯 于紅校

○神經(jīng)放射學

7.0 T MR 光譜成像可檢測到與多發(fā)性硬化殘疾相關(guān)的廣泛腦病理改變(DOI:10.19300/j.2022.r0409)

Extensive Brain Pathologic Alterations Detected with 7.0-T MR Spectroscopic Imaging Associated with Disability in Multiple Sclerosis(DOI:10.1148/radiol.210614)

E.Heckova,A.Dal-Bianco,B.Strasser,G.J.Hangel,A.Lipka,S.Motyka,et al.

摘要MR 光譜成像（MRSI）可行腦代謝的體內(nèi)評估，尤其應(yīng)用于多發(fā)性硬化（MS），其中形態(tài)學MRI 無法描述疾病活動的主要部分。目的評估7.0 T MRSI 描述和可視化正常白質(zhì)（NAWM）和皮質(zhì)灰質(zhì)（CGM）的MS 參與者的病理改變的能力，并分析其與殘疾的關(guān)系。資料與方法在7.0 T 下進行自由感應(yīng)衰減MRSI。于2016 年1 月—2017 年12 月期間前瞻性招募患有MS 且年齡和性別匹配的健康參與者作為對照組。代謝率是在白質(zhì)中獲得的病變、NAWM 和CGM 區(qū)域?；跀U展殘疾狀況量表（EDSS）的MS 相關(guān)殘疾亞組分析使用協(xié)方差分析進行評分。應(yīng)用偏相關(guān)來分析代謝率和殘疾之間的關(guān)系。結(jié)果65 例MS 參與者[平均年齡（34±9）歲；女34 例]和20 名年齡和性別匹配的健康對照組[平均年齡（32±7）歲；女11 名]進行了評估。更高的肌醇(mI)信號強度和N-乙酰天冬氨酸（NAA）的信號強度沒有降低，在NAWM 參與者的代謝圖像上可見MS 表現(xiàn)。在所有MS 亞組的半卵圓中心的NAWM 中觀察到mI 與總肌酸（tCr）的比率較高，包括無殘疾的參與者[平均邊緣，健康對照組：0.78±0.04；EDSS 0-1：0.86±0.03（P=0.02）；EDSS 1.5-3：0.95±0.04（P＜0.001）；EDSS≥3.5：0.94±0.04（P=0.001）]。發(fā)現(xiàn)在患有殘疾的MS 亞組中NAA 與tCr 的比率較低，在NAWM 中[平均邊緣，健康對照：1.46±0.04；EDSS 1.5-3：1.33±0.03（P=0.03）；EDSS≥3.5：1.30±0.04（P=0.01）]和CGM[平均邊緣，健康對照：1.42±0.05；EDSS≥3.5：1.23±0.05（P=0.006）]。mI/NAA 與EDSS 相關(guān)（半卵圓形中心的NAWM：r=0.47，P＜0.001;頂葉NAWM：r=0.43，P=0.002；額葉NAWM：r=0.34，P=0.01；額葉CGM：r=0.37，P=0.004）。結(jié)論7.0 T 的MRSI 可在T1或T2W MRI 中對不可見的MS 病理結(jié)果行體內(nèi)可視化。表現(xiàn)正常的白質(zhì)和皮質(zhì)灰質(zhì)的代謝異常與殘疾相關(guān)。

原文載于Radiology，2022，303（1）：141-150.

陳靖譯 于紅校

合成FLAIR 在急性缺血性腦卒中的診斷中可以替代常規(guī)FLAIR 序列(DOI:10.19300/j.2022.r0410)

Synthetic FLAIR as a Substitute for FLAIR Sequence in Acute Ischemic Stroke(DOI：10.1148/radiol.211394)

J.Benzakoun,M.A.Deslys,L.Legrand,G.Hmeydia,G.Turc,W.B.Hassen,et al.

摘要在急性缺血性腦卒中（AIS）的診斷中，當發(fā)病時間未知時，液體衰減反轉(zhuǎn)恢復（FLAIR）通常用于治療決策。通過對擴散加權(quán)成像（DWI）信息的深度學習，生成合成FLAIR序列，可替代已有FLAIR 序列（真實FLAIR），縮短MRI 掃描時間。目的比較合成FLAIR 序列和真實FLAIR 序列對出現(xiàn)癥狀4.5 h 內(nèi)病人的DWI-FLAIR 序列不匹配的估計和明確診斷的價值。資料與方法本回顧性研究納入2002 年1 月—2019 年5 月期間接受再灌注治療的連續(xù)AIS 病人的資料，包括DWI（b=0~1 000 s/mm2）和FLAIR 序列在內(nèi)的所有治療前和早期隨訪(癥狀發(fā)作后48 h)的MRI 數(shù)據(jù)。在訓練集（80%）上，訓練一個生成對抗網(wǎng)絡(luò)，以DWI 為輸入生成合成FLAIR。在測試集上（20%），在沒有真實FLAIR 信息的情況下計算合成FLAIR。由4 名獨立閱片者在2 組FLAIR 數(shù)據(jù)集上評估DWI-FLAIR 不匹配情況。采用κ 統(tǒng)計評價合成FLAIR 與真實FLAIR 的觀察者間可重復性及DWI-FLAIR不匹配一致性。采用McNemar 檢驗比較診斷AIS 病人（4.5 h內(nèi)發(fā)?。┑拿舾卸群吞禺惗取＝Y(jié)果本研究包括1 416 次MRI掃描[861 例病人；中位年齡71（57，81）歲；男375 例]，分別為訓練集和測試集提供1 134 次和282 次掃描。對于DWIFLAIR 不匹配，真實和合成FLAIR 的觀察者間重復性非常好[κ=0.80（95%CI：0.74~0.87）和0.80（95%CI：0.74~0.87）]。達成共識后，真實FLAIR 和合成FLAIR 的一致性近乎完美（κ＝0.88;95%CI：0.82~0.93）。真實FLAIR 與合成FLAIR 在4.5 h內(nèi)鑒別AIS 的診斷價值差異無統(tǒng)計學意義[敏感度：107/131例（82%）和111/131 例（85%）,P=0.2;特異度:96/104 例（92%）和96/104 例（92%），P＞0.99]。結(jié)論合成FLAIR 在描繪DWIFLAIR 不匹配和早期AIS 的鑒別方面具有與真實FLAIR 相似的診斷性能，可能提高MRI 的成像速度。

原文載于Radiology，2022，303（1）：153-159.

孫琳琳譯 于紅譯

○產(chǎn)科學成像

胎兒腦MRI 顯示正常生長、性別二型性和側(cè)向不對稱(DOI:10.19300/j.2022.r0411)

Normal Growth,Sexual Dimorphism,and Lateral Asymmetries at Fetal Brain MRI(DOI:10.1148/radiol.211222)

F.Machado-Rivas, J.Gandhi, J.J.Choi, C.Velasco-Annis, O.Afacan,S.K.Warfield,et al.

摘要MRI 的影像重建、運動校正和分割工具使得胎兒腦發(fā)育的精確體積界定成為可能。目的利用胎兒大腦發(fā)育的時空MRI 圖譜，評估健康胎兒顱內(nèi)結(jié)構(gòu)的體積生長，并考慮到胎齡（GA）、性別和偏側(cè)性。資料與方法2013 年3 月—2019 年5 月對前瞻性招募的健康胎兒進行3.0 T 半傅里葉T2WI 的單次渦輪自旋回波序列檢查。使用先前驗證過的斷層-體積重建算法生成強度標準化超分辨率三維體積，這些體積被標記到具有28 個解剖興趣區(qū)的胎兒大腦MRI 圖譜上。進行基于圖譜的分割并手動完善。標記包括雙側(cè)海馬、杏仁核、尾狀核、扁豆狀核、丘腦、側(cè)腦室、小腦、皮質(zhì)板、半球白質(zhì)、內(nèi)囊、神經(jīng)節(jié)隆起、腦室區(qū)、胼胝體、腦干、海馬連合和腦外腦脊液。對于＜31 周的胎兒，劃定底板和中間區(qū)域。采用線性回歸分析來確定每周中年齡相關(guān)的性別和偏側(cè)性變化。結(jié)果最終納入98 個胎兒的122 次MRI 影像[GA 20~38 周，平均（29±5）周]作為分析樣本。隨著GA 的增加，所有結(jié)構(gòu)的體積都有顯著增長（P＜0.001）。腦實質(zhì)各個結(jié)構(gòu)的每周年齡相關(guān)變化范圍從海馬聯(lián)合的2.0%（95%CI：0.9~3.1；P＜0.001）到小腦的19.4%（95%CI：18.7~20.1；P＜0.001）。最大的性別相關(guān)差異是男性胎兒側(cè)腦室容積高出22.1%（95%CI：10.9~34.4；P＜0.001）。海馬體向右容積不對稱為15.6%（95%CI：14.2~17.2；P＜0.001），側(cè)腦室向左容積不對稱為8.1%（95%CI：3.7~12.2；P＜0.001）。結(jié)論使用時空MRI 圖譜，胎兒大腦的體積生長可顯示復雜的軌跡，包括結(jié)構(gòu)、胎齡、性別和偏側(cè)性。

原文載于Radiology，2022，303（1）：162-170.

張玉譯 于紅校

○兒科學成像

與SARS-CoV-2 相關(guān)的小兒炎癥性多系統(tǒng)綜合征（PIMS-TS）的腹部超聲表現(xiàn)(DOI:10.19300/j.2022.r0412)

Abdominal US in Pediatric Inflammatory Multisystem Syndrome Associated with SARS-CoV-2 (PIMS-TS) （DOI：10.1148.radiol.211737）

R.Meshaka, F.C.Whittam, M.Guessoum, S.Eleti, S.C.Shelmerdine,O.J.Arthurs,et al.

摘要患有與SARS-CoV-2 暫時相關(guān)的兒科炎癥綜合征（PIMS-TS），也稱為兒童多系統(tǒng)炎癥綜合征的兒童，除了其他非特異性癥狀外，還會出現(xiàn)腹痛。盡管已有PIMS-TS 相關(guān)的初步的影像特征報道，但關(guān)于其超聲特征的持續(xù)時間仍然未知。目的描述PIMS-TS 初診時的超聲表現(xiàn)和隨訪時的腹部超聲特征。資料與方法對2020 年4 月—2021 年6 月期間出現(xiàn)疑似PIMS-TS 臨床特征的兒童和年輕人進行了回顧性研究。記錄和審閱最初就診時的超聲特征和隨訪改變。使用描述性統(tǒng)計方法并計算觀察者間差異。結(jié)果在140 例疑似PIMS-TS 的兒童和年輕人中，120 例確診為PIMS-TS[中位年齡9（7，12）歲；其中男65 例]，102 例在就診時接受了腹部超聲檢查。120 例病人中以PIMS-TS 為唯一異常表現(xiàn)有109 例（91%），其中的104 例（95%）有腹部癥狀。102 例病人中有86例（84%）的超聲檢查異常，其中65 例病人有腹水表現(xiàn)，是最常見的腹部異常（14%；95%CI：7%~20%），16 例病人出現(xiàn)腸系膜炎癥（16%；95%CI：9%~23%）；所有這些病人都出現(xiàn)腹部癥狀。在腸壁增厚的病人中，遠端和末端回腸受累最多（14例病人中有8 例，57%）。在6 個月的隨訪中，出現(xiàn)腹部癥狀的病人從56 例減少至7 例（13%）。38 例病人接受了超聲隨訪，表現(xiàn)為腸道炎癥的病人在隨訪短于2 個月時從27 例減少至3 例(11%；95%CI：-1%~23%)，在隨訪長于2 個月時從17 例病人減少至0（0%)。結(jié)論在就診時接受超聲檢查的102 例PIMS-TS 病人中，14 例(14%)腹部超聲檢查發(fā)現(xiàn)腸道炎癥，16 例(16%)發(fā)現(xiàn)腸系膜水腫。所有超聲異常表現(xiàn)在2 個月后均消失。

原文載于Radiology，2022，303（1）：173-181.

朱琳譯 于紅校

○胸部成像

CT 檢查中哮喘病人黏液阻塞與3He-MRI 局部通氣受限相關(guān)(DOI:10.19300/j.2022.r0413)

Mucus Plugs in Asthma at CT Associated with Regional Ventilation Defects at 3He-MRI（DOI:10.1148/radiol.2021204616）

D.G.Mummy, E.M.Dunican, K.J.Carey, M.D.Evans, B.M.Elicker,J.D.N.Jr,et al.

摘要哮喘病人氣道黏液阻塞與急性加重頻率、嗜酸性粒細胞增多和肺功能降低相關(guān)。黏液阻塞與超極化氣體MRI觀察到的空間重疊通氣異常之間的關(guān)系尚未有定量評估指標。目的評估不同支氣管肺段的CT 黏液栓評分與超極化3He-MRI 分段通氣受限百分率（VDP）的相應(yīng)測量值之間的區(qū)域相關(guān)性。資料與方法該項符合HIPAA 的前瞻性觀察隊列的二次分析中納入2012 年12 月—2015 年8 月期間嚴重哮喘研究項目（SARP）Ⅲ（NCT01760915）的病人并接受了超極化3He-MRI 檢查來確定節(jié)段性VDP。CT 上的黏液阻塞由2 名判讀者分別進行評分，只有當2 名判讀者意見一致時才認為黏液阻塞。然后使用控制病人間可變性的線性混合效應(yīng)模型來評估阻塞段與非阻塞段VDP 的差異。結(jié)果共評估44例哮喘病人[平均（47±15）歲；女29 例]：輕度至中度哮喘19例，重度哮喘25 例。44 例病人中有8 例共49 個支氣管肺段觀察到黏液栓。含有黏液栓的中位節(jié)段VDP 為25.9%（7.3%，38.3%），而無阻塞的中位節(jié)段VDP 為1.4%（0.1%，5.2%），P＜0.001。同樣，該模型估計黏液阻塞的節(jié)段VDP 為18.9%（95%CI：15.7～22.2），而無黏液阻塞的節(jié)段VDP 為5.1%（95%CI：3.3～7.0）（P＜0.001）。有1 個或多個黏液栓的病人中位全肺VDP 為11.1%（7.1%，18.9%），而沒有黏液栓的病人中位全肺VDP 為3.1%（1.1%，4.4%）（P＜0.001）。結(jié)論CT 氣道黏液阻塞與超極化3He-MRI 上同一支氣管肺段通氣減少相關(guān)，提示黏液阻塞可能是哮喘通氣受限的重要原因。

原文載于Radiology，2022，303（1）：184-190.68Ga-FAPI 和18F-FDG PET/CT 在進展期肺癌評估中的比較(DOI:10.19300/j.2022.r0414)

馬偉玲譯 于紅校

Comparison of 68Ga-FAPI and 18F-FDG PET/CT in the Evaluation of Advanced Lung Cancer （DOI:10.1148/radiol.211424）

L.Wang,G.Tang,K.Hu,X.Liu,W.Zhou,H.Li.et al.

摘要鎵68（68Ga）標記的成纖維細胞活化蛋白抑制劑（FAPI）現(xiàn)已作為一種有前景的腫瘤顯像劑。目的比較68Ga-FAPI PET/CT 與氟18（18F）標記的氟代氧葡萄糖（FDG）PET/CT 在肺癌中的評估。資料與方法前瞻性納入2020 年9月—2021 年2 月期間同時接受68Ga-FAPI 和18F-FDG PET/CT 檢查的肺癌病人。使用配對t 檢驗或Wilcoxon 符號秩檢驗比較2 種模態(tài)成對陽性病變間的示蹤劑攝取，比較最大標準化攝取值（SUVmax）和靶本底比值（TBR）。結(jié)果對34 例參與者[中位年齡64（46，80）歲；男20 例]進行了評估。在視覺評估中，68Ga-FAPI PET/CT 和18F-FDG PET/CT 在原發(fā)性腫瘤的勾畫和肺、肝和腎上腺可疑轉(zhuǎn)移的檢測中表現(xiàn)出相似的性能。原發(fā)性和復發(fā)性肺腫瘤中的代謝腫瘤體積在2 種模態(tài)間沒有差異（平均值分別為11.6 和10.8；P=0.68）。但是，與18FFDG PET/CT 相比，68Ga-FAPI PET/CT 在對淋巴結(jié)（356∶320）、腦（23∶10）、骨（109∶91）和胸膜（66∶35）成像中可顯示更多可疑的轉(zhuǎn)移灶。在半定量評估中，68Ga-FAPI PET/CT 的原發(fā)性或復發(fā)性腫瘤、陽性淋巴結(jié)、骨病變和胸膜病變的SUVmax和TBR 均高于18F-FDG PET/CT（均P＜0.01）。盡管腦轉(zhuǎn)移中68Ga-FAPI 和18F-FDG 的SUVmax沒有差異（平均SUVmax：9.0和7.4，P=0.32），但68Ga-FAPI 的TBR 高于18F-FDG（平均值：314.4 和1.0，P=0.02）。結(jié)論68Ga-FAPI PET/CT 在肺癌分期方面可能優(yōu)于18F-FDG PET/CT，特別是在檢測腦、淋巴結(jié)、骨和胸膜轉(zhuǎn)移方面。

原文載于Radiology，2022，303（1）：191-199.

任華譯 于紅校

深度學習重建為超低劑量胸部CT 更好地檢測肺結(jié)節(jié)(DOI:10.19300/j.2022.r0415)

Deep Learning Reconstruction Shows Better Lung Nodule Detection for Ultra-Low-Dose Chest CT（DOI：10.1148/radiol.210551）

B.Jiang,N.Li,X.Shi,S.Zhang,J.Li,G.H.deBock,et al.

摘要超低劑量（ULD）CT 可以促進大規(guī)模肺癌篩查的臨床實施，同時最大限度地減少輻射劑量。然而，傳統(tǒng)的圖像重建方法與低劑量采集中的影像噪聲有關(guān)。目的比較ULDCT 中深度學習圖像重建（DLIR）和自適應(yīng)統(tǒng)計迭代重建-V（ASIR-V）的影像質(zhì)量和肺結(jié)節(jié)檢測情況。資料與方法該前瞻性研究納入2020 年4—6 月期間接受平掃ULDCT（0.07 或0.14 mSv，類似于單次胸片）和胸部增強CT（CECT）的病人。ULDCT 影像通過濾過反投影（FBP）、ASIR-V 和DLIR 重建。對肺組織進行三維分割以評估影像噪聲。放射科醫(yī)生使用基于深度學習的結(jié)節(jié)評估系統(tǒng)來檢測和測量結(jié)節(jié)，并識別與惡性腫瘤相關(guān)的影像特征。采用Bland-Altman分析和重復測量的方差分析評估ULDCT 影像和CECT 影像之間的差異。結(jié)果共納入203 例病人[平均年齡（61±12）歲；男129 例]，共1 066 個結(jié)節(jié)。其中，0.07 mSv 掃描100 次，0.14 mSv 掃描103 次。CECT 及ULDCT 掃描的FBP、ASIRV-40%水平、ASIR-V-80%水平（ASIR-V-80%）、中強度DLIR和高強度DLIR（DLIR-H）重建影像的平均肺組織噪聲分別為46±4、59±4、56±4、53±4、54±4 和51±4 HU（P＜0.001）。FBP重建、ASIR-V-80%和DLIR-H 的結(jié)節(jié)檢出率分別為62.5%（666/1 066）、73.3%（781/1 066）和75.8%（808/1 066）（P＜0.001）。Bland-Altman 分析顯示在FBP、ASIR-V-80%和DLIR-H重建影像上的長徑與CECT 的百分比差異分別為9.3%（95%CI：8.0~10.6）、9.2%（95%CI：8.0~10.4）和6.2%（95%CI：5.0~7.4）（P＜0.001）。結(jié)論與自適應(yīng)統(tǒng)計迭代重建-V 相比，深度學習影像重建降低了ULD 胸部CT 影像的噪聲，提高了結(jié)節(jié)檢出率和測量精度。

原文載于Radiology，2022，303（1）：202-212.

朱慧媛譯 于紅校

說明：

①本專欄內(nèi)容為Radiology 最近兩期部分科學性論著摘要的中文譯文。 原文DOI 由RSNA 提供。

②本刊盡量采取了與原文一致的體例（如，原作者姓名的書寫方式、小欄目的順序等）。 對于原文中提到的新技術(shù)名詞，如尚無規(guī)范的中文名詞對應(yīng)，則在文中直接引用英文原文，以便于讀者查閱。