一、CT诊断肾巨大血管平滑肌脂肪瘤一例(论文文献综述)
李洋,王慧智,姜薇,刘炆焱,刘静,周宇[1](2021)在《晚期妊娠合并巨大腹膜后肾外血管平滑肌脂肪瘤1例》文中提出目的探讨妊娠期腹膜后肾外血管平滑肌脂肪瘤(ERAML)的临床表现、诊治及保障母儿安全措施。方法回顾分析牡丹江医学院附属红旗医院1例晚期妊娠合并巨大腹膜后肾外血管平滑肌脂肪瘤患者的诊治过程。结果产科及普外科医师联台完成子宫下段剖宫产术+子宫肌瘤剥除术+腹腔后巨大肿物切除+左肾切除术,病理回报为腹膜后肾外血管平滑肌脂肪瘤,术后4月随访无复发迹象。结论妊娠期合并腹膜后肾外血管平滑肌脂肪瘤的患者肿瘤生长迅速,备孕期即应积极诊治,孕期在保障母儿安全的同时应尽可能避免肾单位的丢失。
黄忠江[2](2021)在《基于增强CT影像组学在预测肾透明细胞癌分级及与肾乏脂肪血管平滑肌脂肪瘤鉴别诊断的应用》文中研究指明第一部分基于增强CT影像组学在预测肾透明细胞癌核分级的应用目的:使用基于增强CT影像组学特征联合机器学习预测肾透明细胞癌(cc RCC)WHO/ISUP病理核分级。方法:回顾性分析术后病理证实的141例cc RCC患者,WHO/ISUP分级I-II级为低级别组共88例,III-IV级为高级别组共53例。动、静脉期CT图像手工勾画肿瘤感兴趣区,原始图像和滤波转换后共提取1706个组学特征,病例按7:3分为训练集和测试集,测试集数据经过Z-score归一化及通过PCC空间降维,使用方差分析筛选F值前17的特征分别建立逻辑回归模型,进行5倍交叉验证,选取交叉验证集AUC最高的模型为最佳模型,并对测试集进行验证效能。模型采用bootstrap法内部验证得到受试者工作特征(ROC)曲线分析计算ROC曲线下面积(AUC)值评估模型的诊断效能。分析临床特征确定独立预测因子并建立临床模型,利用所选独立预测因子和最佳组学模型预测值进行多因素二元Logistic回归建立综合模型并绘制列线图。以Hosmer-Lemeshow拟合优度检验评价综合的拟合度。绘制决策曲线评价综合模型的净获益。结果:最佳组学模型在训练集和测试集的AUC值分别为0.889(95%CI 0.803–0.957)和0.821(95%CI 0.699–0.917)。综合模型在训练集和测试集中AUC分别为0.891(95%CI 0.823-0.960)和0.823(95%CI 0.798-0.912),训练集和验证集综合模型的校正曲线具有良好的一致性,训练集和验证集综合模型的决策曲线也获得了良好的净获益。结论:结合临床特征与影像组学特征对cc RCC核分级具有较强的预测能力。第二部分基于CT增强图像组学特征鉴别均质肾透明细胞癌与肾乏脂肪血管平滑肌脂肪瘤目的:使用基于增强CT影像组学特征联合机器学习鉴别均质透明细胞癌与肾乏脂肪血管平滑肌脂肪瘤。方法:回顾性分析术后病理证实的均质透明细胞癌26例、肾乏脂肪血管平滑肌脂肪瘤22例,共48例。动、静脉期CT图像手工勾画肿瘤感兴趣区,原始图像和滤波转换后共提取1706个组学特征,数据经过Z-score归一化及通过PCC空间降维,使用方差分析筛选F值前6的特征建立LR模型,进行5倍交叉验证,选取交叉验证集AUC最高的模型为最佳模型。模型采用bootstrap法内部验证得到受试者工作特征(ROC)曲线分析计算ROC曲线下面积(AUC)值评估模型的诊断效能。分析临床特征确定预测因子并建立临床模型,利用临床所选预测因子和最佳组学模型预测值进行多因素二元Logistic回归建立综合模型并绘制列线图。以Hosmer-Lemeshow拟合优度检验评价列线图的拟合度。绘制决策曲线评价列线图的净获益。结果:最佳组学模型经bootstrap法内部验证模型AUC值为0.836(95%CI 0.701-0.927)。综合模型AUC值为0.869(95%CI 0.740-0.949),综合模型校正曲线具有良好的一致性,综合模型的决策曲线也获得了良好的净获益。结论:结合临床特征与影像组学特征具有较好的鉴别均质透明细胞癌与肾乏脂型血管平滑肌脂肪瘤能力。
江卫星[3](2021)在《预测肾癌病理类型和临床分期新指标以及人工智能在肾癌中的初步探索》文中认为●第一部分 肾细胞癌诊断的新思路和新指标探索●第一章 肿瘤最大直径和和最小直径的比值在术前诊断肾癌病理类型中的临床意义目的:多项影像学研究探讨和描述了用于区分肾细胞癌各个病理亚型的方法,但目前尚无肾癌原发瘤形态特征在区别肾癌病理类型中的价值和意义。本研究的主要目的是评估原发瘤最大直径和最小直径的比值(Ratio of maximum to minimum tumor diameter,ROD)在术前诊断肾细胞癌病理类型中的可行性及价值,以提高术前影像学诊断的准确性,更好地指导临床决策。方法:回顾性分析了 2015年1月至2019年12月间于中国医学科学院肿瘤医院(Cancer Hospital,Chinese Academy of Medical Sciences,CHCAMS)接受手术治疗的1661例肾癌患者。使用观测者操作特性曲线(Receiver operating characteristic,ROC)分析计算ROD的临界值,根据ROD临界值分别进行分组比较患者之间的临床和病理因素。采用Cox比例风险模型确定预测因素。结果:在透明细胞癌组(n=1477)和非透明细胞癌组(n=184)中,预测透明细胞癌的最佳ROD临界值为1.201(敏感性为90.7%,特异性为76.1,ROC曲线下的面积[Area Under the Curve,AUC]为0.827;p<0.001)。在非透明细胞癌组中,预测乳头状肾细胞癌的ROD临界值为1.092(敏感性为87.9%,特异性为40.5%,AUC为0.637;p=0.003)。与ROD<1.201组的患者相比,ROD≥1.201组中透明细胞癌患者的比例明显较高(85.8%vs 14.2%,p<0.001)。术前临床和影像学特征的多因素分析结果显示ROD≥1.201还是透明细胞癌病理类型的独立预测因素(相对危险度[odds ratio,OR]为3.061,95%置信区间[Confidence interval,CI]为2.179-4.300;p<0.001)。除此之外,ROD≥1.201组的肾癌患者具有较高比例的Fuhrman Ⅲ/Ⅳ级(91.2%vs 8.8%,p=0.014),肿瘤坏死(86.7%vs 13.3%,p=0.012)和肉瘤样分化(90.6%vs 9.4%,p<0.001)。结论:ROD可作为术前预测肾细胞癌患者病理类型的新指标,是诊断肾细胞癌的辅助手段。ROD预测肾透明细胞癌和乳头状肾细胞癌的最佳临界值分别为1.201和1.092。此外,ROD≥1.201与较高的Fuhrman,肉瘤样分化和肿瘤坏死均有关。但是,该结论尚有待于后续前瞻性的研究验证。●第二章 肾细胞癌肾静脉癌栓漏诊的术前危险因素分析和评分模型的建立目的:根据前期我们对肾癌合并肾静脉癌栓(renal vein tumor thrombus,RVTT)患者的长期生存情况的分析时发现,一些RVTT患者在术前被漏诊。为提高临床医师术前RVTT诊断的准确性,也是对前期课题研究的进一步深入和延伸,我们对RVTT漏诊的肾癌患者的临床特点进行了回顾性分析和总结,探索了临床特征是否可作为RVTT漏诊诊断预测指标,以更好地指导临床决策,最大程度来提高围手术期的安全性。方法:回顾性分析了 CHCAMS 2000年1月至2015年12月期间经病理诊断合并有肾静脉癌栓的128例肾癌患者的临床资料。根据术前RVTT是否漏诊将患者分为漏诊组和未漏诊组,然后按照性别和年龄1:1的比例等统计学匹配原则在同一连续的时期内因肾癌行根治性肾切除的患者,作为无癌栓组。通过Kaplan-Meier方法进行生存分析估计。采用Cox比例风险模型识别风险因素。结果:在肾静脉癌栓的患者中RVTT的术前漏诊率为30.5%(39/128)。与无癌栓组相比,漏诊组患者倾向于有较大比例的肿瘤位于肾中部(56.4%vs 28.2%,p=0.012),肾静脉造影剂填充不良(46.2%vs 23.1%,p=0.032)和瘤周侧支血管形成(33.3%vs 7.7%,p=0.005),而这些临床特征在漏诊组和未漏诊组之间没有统计学差异。在多变量分析中,肿瘤最大直径、肿瘤位于肾中部、肾静脉造影剂充盈不佳以及具有侧支血管的肿瘤(OR:1.22、1.35、1.25、1.22;p=0.034、0.003、0.015 和 0.037)是RVTT漏诊的独立预测因子。根据最终的多变量模型,计算出肾静脉癌栓的漏诊评分模型,该模型的AUC为0.852(95%CI:0.77-0.94,p<0.001),模型评分为3分患者的敏感性和特异性分别为74.4%和84.6%。此外,漏诊组的患者预后比未漏诊组的患者相对较好,并且伴有瘤周侧支血管的患者是肾癌肾静脉癌栓患者生存时间短的独立预测指标(风险比率,[hazard ratio,HR]:1.15,95%CI:1.02-1.47;p=0.025)。结论:术前肾癌肿瘤直径较大,位于肾中部,伴有瘤周侧支血管以及肾静脉造影剂充盈不足时,诊断上应特别考虑合并肾静脉癌栓的可能性。模型评分为3分的患者提示RVTT诊断漏诊的可能性较高。●第三章 人工智能技术识别病理切片图像辅助诊断肾透明细胞癌的研究目的:计算机科学在医学发展中的运用越来越广泛,AI作为计算机学科的分支领域发展最为突出。随着数字病理学的出现,AI在实体肿瘤的病理研究中取得了突破性进展,但AI在肾细胞癌诊断研究中的应用尚处于起步阶段,我们首先在肾癌病理上进行AI尝试,以获得AI辅助肾癌诊断的初步经验。本研究通过收集肾透明细胞癌病理切片、全视野数字切片(digital whole slide images,WSI)建立、人工标注、计算机辅助诊断,尝试去建立识别肾透明细胞癌的AI模型,探索通过AI识别病理切片图像诊断肾透明细胞癌的可行性,提高临床医师的工作效率并在将来可能利用此技术建立肾透明细胞癌的预后判断模型。方法:回顾性收集了 CHCAMS 2016年1月至2016年12月期间收治的行手术治疗的95例肾透明细胞癌患者的病理切片资料。所有符合AI模型标准的病理切片先进行人工标注,然后通过扫描仪扫描获得WSI,WSI经过预处理提取感兴趣的区域(region of interest,ROI)。将病理切片分为训练集和测试集,训练集和测试集中的肿瘤切片和正常组织切片的比例约为3:1。训练集中将最高像素的WSI分割成固定大小的小图进行提取(分辨率为256×256)。随机提取正负样本数,正样本数集从每张肿瘤切片提取550张小图,负样本数集从每张病理切片中提取300张小图,用于训练模型。模型训练采用卷积神经网络(convolutional neutral network,CNN)和随机森林模型。模型的准确性通过ROC曲线来评价。结果:本研究共收集95例肾透明细胞癌患者的病理切片,合计663张,每例患者平均有7.6±2.7(范围:3-17)张切片,共包含有506张肿瘤切片和157张正常肾组织切片。训练集肿瘤切片200张,正常切片74张,共提取200870张小图,验证集肿瘤切片250张,正常切片63张,共提取39211张小图。根据训练集训练的CNN模型和随机森林模型,测试集在切片水平上进行识别,测试集中313张病理切片识别错误的肿瘤切片有11张,识别错误的正常切片有6张,总的准确率为94.6%(296/313),精准率为 97.6%(239/245),召回率为 95.6%(239/250)。生成的概率热图和人工标注的病理图像达到了很好的一致性。ROC曲线结果显示AUC达到0.9658(95%置信区间:0.9603-0.9713),特异性为 90.5%,敏感性为 95.6%。结论:利用人工智能识别病理切片诊断肾透明细胞癌具有可行性,本研究建立的肾透明细胞癌AI模型有较高的准确性,初步结果显示该技术值得进一步深入研究。●第二部分 肾细胞癌智能分期和预后学习模型的研究●第一章 人工智能技术识别病历文本资料诊断肾癌T分期以及辅助软件开发的可行性研究目的:AI技术在医学领域正蓬勃发展,但在肾癌领域研究报道较少。自然语言作为AI的一个分支,可将人类语言转化为计算机表达的形式,本研究的主要目的是探讨利用人工智能自然语言的方法自动诊断肾细胞癌T分期的可行性和准确性,并开发一项肾癌智能分期软件,验证其准确性。从而使肾癌病理分期规范化,合理指导术后辅助治疗和预后预测,并可能有利于在基层推广应用。方法:本研究回顾性收集2018年1月至2020年1月CHCAMS 200例肾癌患者作为训练组,并选取2015年1月至2017年12月性别、年龄、病理分期匹配的200例患者作为测试组,使用基于规则匹配和条件随机场两种人工智能自然语言处理方法对病理文本数据进行提取分析。采用Python=3.6和sklearn crfsuite=0.3.6进行开发信息抽取算法,并对两种方法的预测效果进行对比。使用微软Visual Studio Enterprise 2017(version 15.9.21)工具进行编写程序代码和软件开发。选取2020年1月至2021年1月中国医学科学院肿瘤医院200例肾癌病理报告进行开发软件结果验证。结果:基于规则匹配和条件随机场两种人工智能方法在测试组的准确率分别为99.0%和95.5%。测试组的方法性能评估中,规则匹配方法的准确率为99.0%,召回率为99.0%,F1-分数为99.0%。条件随机场方法的准确率为97.1%,召回率为95.5%,F1-分数为96.3%。基于肾癌T分期要素,软件核心代码编写包括肿瘤直径、肾周脂肪、肾窦脂肪、癌栓及肾周侵犯情况等,开发出自动诊断肾癌T分期的软件V1.0(登记号2020SR1527729)。自动诊断肾癌T分期软件对200例肾癌进行T分期,验证组的准确性为100%。结论:人工智能通过自然语言处理方法自动诊断肾癌T分期可行,且基于规则匹配的算法准确性较高,自动诊断肾癌的T分期软件准确性高,可用于临床指导和规范肾癌分期,且可推广应用。●第二章 基于SEER数据库的人工智能机器学习算法预测肾细胞癌预后的研究目的:机器学习算法是人工智能技术的重要属支领域,但关于报道机器学习研究肾细胞癌的文献较少。本研究的主要目的是评估机器学习算法对肾癌患者生存预测的适用性,同时比较不同机器学习方法的差异性,为将来对不同数据库或大数据的肾癌预后研究提供理论支持。方法:本研究从SEER数据库中收集2004年至2015年符合入组标准的肾癌患者。根据入组标准筛选出4组数据进行尝试分析。数据采用Standard,Normalise以及Min Max Scaler三种预处理方法。六种机器学习模型用于预测患者5年生存率,包括支持向量机、贝叶斯方法、决策树模型、随机森林模型、神经网络模型、XGBoost模型。十字交叉验证法评估不同模型的稳定性,ROC曲线和C指数校正曲线用于评估模型的准确性。使用Kaplan-Meier方法评估生存情况。结果:本研究收集美国SEER数据库2004年至2015年间共计192912例肾癌患者。Min Max Scaler预处理更有益于支持向量机模型的训练;贝叶斯方法、决策树模型、随机森林模型和XGBoost基于单棵决策树或多棵决策树或者数据频率的提升方法对于数据预处理不敏感;Standard预处理适用于神经网络模型。删除缺失数据的数据集中,各模型对数据识别效果较差,以神经网络和XGBoost模型准确性较高,AUC分别为66.6%和67.0%。删除缺失数据及生存时间不足5年的数据集中,以随机森林、神经网络和XGBoost学习模型准确性高,AUC分别为80.8%、81.5%和81.8%。删除只缺失肿瘤直径以missForest填补缺失的数据集中,以神经经网络和XGBoost准确性高,AUC分别为69.8%和71.4%。删除只缺失肿瘤直径以missForest填补缺失和删除生存时间不足5年的数据集中,以随机森林、神经网络和XGBoost准确性高,AUC分别为84.1%、84.7%和84.8%。结论:人工智能机器学习算法可用于预测肾癌预后。我们建立的预测肾癌患者5年生存率的机器学习模型中,以神经网络和XGBoost模型准确性较高。鉴于数据集的局限性和复杂性,机器学习算法可以作为辅助工具对较大数据集和其中包含的复杂数据进行分析和处理。
陈心朋[4](2021)在《巨大肾错构瘤行机器人辅助腹腔镜保留肾单位手术的单中心经验》文中研究说明目的:通过机器人辅助腹腔镜保留肾单位手术在治疗巨大肾错构瘤(>7cm)患者中的应用,总结其手术适应症及技巧把握。方法:纳入2014年10月至2020年1月在我中心接受腹腔镜或机器人辅助腹腔镜保留肾单位手术治疗,术后病理明确为巨大肾错构瘤的患者,回顾性分析入组患者住院期间的临床资料及随访情况。结果:接受腹腔镜(LPN)或机器人辅助腹腔镜保留肾单位手术(RAPN)治疗且术后病理明确为巨大肾错构瘤的患者,共有40例,患者均顺利完成手术。机器人组和腹腔镜组的临床资料如下:两组患者性别、年龄、体质指数、肿瘤直径等一般资料差异无统计学意义(P>0.05)。RAPN组和LPN组手术时间分别为(179.17±34.17)min、(146.32±25.76)min,术中出血量分别为(116.67±61.55)ml、(192.14±47.52)ml,术后-术前血肌酐变化分别为(12.36±9.18)umol/L、(23.08±7.62)umol/L,总费用分别为(6.72±0.41)万元、(5.62±1.08)万元,差异有统计学意义(P<0.05)。两组患者的术后病理均证实为肾血管平滑肌脂肪瘤;术后电话随访(6-52)月,平均随访20.5月,手术侧均无复发;两组患者的术后并发症,其中腹腔镜组有1例患者出现术后活动性出血,行输血及栓塞治疗后好转。结论:本研究表明,对于巨大肾错构瘤的患者,接受机器人辅助腹腔镜保留肾单位手术治疗,在严格评估机器人腹腔镜手术适应症、掌握手术技巧指导下。相较于常规腹腔镜,机器人辅助腹腔镜同样能取得良好的肿瘤控制,且更好的保护肾功能,但总费用较高。
李张群[5](2021)在《肾上皮样血管平滑肌脂肪瘤临床诊治分析及研究进展》文中研究表明目的:作为一种具有潜在恶性且临床罕见的PEcoma,eAML误诊率极高,目前临床医师对该疾病的相关诊治经验尚且不足。本文旨在通过对eAML的临床特征、诊断、治疗及预后进行分析与探讨,以期提高对该疾病的认识及临床诊疗水平。方法:回顾性分析在2010年8月-2020年5月在我院收治的12例eAML患者的临床资料,对eAML患者的临床特征进行分析,包括临床表现、影像学检查、病历特征、治疗及随访,并结合查阅复习国内外相关文献,总结了该疾病的诊断、鉴别、预后、治疗和展望。结果:12例eAML患者中,男性3例,女性9例,平均年龄43.1岁,均为单发肿块;8例症状为腰腹部疼痛不适,余4例无明显症状,于体检中发现,其中一例出现肿瘤破裂出血。12例患者中仅1例术前诊断考虑囊性肾癌或eAML,5例术前被诊断为肾癌,5例诊断为错构瘤,1例考虑为脂肪肉瘤。泌尿系彩超提示高回声/等回声/低回声团块,边界清晰;增强CT示肿块呈圆形或椭圆形,多数为稍高密度、混杂密度影,增强明显,部分呈现网格状强化,病灶内见畸形或粗大血管影;1例患者行MRI示短T1、T2信号,脂肪抑制后呈低信号,增强后病灶内血管强化影。ECT肾动态显像示患处肾脏有不同程度的肾小球滤过功能受损。肿瘤测量最大径2.4~21.5cm。平均肿瘤最大径8.2cm,6例患者行经后腹腔镜下肾癌根治术,4例患者行保留肾单位的经后腹腔镜下肾部分切除术,2例患者分别因急诊手术及肿瘤体积巨大行开放肾切除术。7例肾全切标本中,6例出现肿瘤侵袭性生长,肿瘤侵犯集合系统、肾包膜、肾皮质或肾髓质。光镜下肿瘤细胞呈梭形或上皮样(多角形),其间大量厚壁血管及数量不等的脂肪组织交错排列而成,可见局灶坏死、出血表现。免疫组化提示HMA-45、Melan-A、SMA、Vim呈阳性,CK阴性,Ki67小于5%。随访时间3至56个月不等,暂未发现复发或远处转移。结论:EAML在临床上罕见,女性患者患病率较高,症状与肿块大小关系密切。影像学上表现多样,可以对疾病的初步诊断起到一定帮助,明确诊断有赖于病理和免疫组化。光镜下出现特征性的上皮样细胞或梭形细胞,细胞核大,胞浆丰富,嗜酸性,可见病理性核分裂像。肿瘤专一性表达HMA-45,Melan-A和SMA。基因检测对于eAML的鉴别、肿瘤分型、靶向化疗药的使用上具有潜在价值。外科手术是eAML治疗的首选,随访结果没有患者出现不良预后,证实手术治疗能够为eAML带来良好的预后,但相关病例报道提示eAML可出现转移及复发,转移性eAML可在化疗、免疫治疗、TAE等诸多治疗手段上获益。考虑到eAML潜在恶性,仍建议长期密切随访。
石博文[6](2021)在《基于多b值DWI成像的多模型在肾乏脂血管平滑肌脂肪瘤与肾透明细胞癌中的应用》文中指出目的:探讨基于多b值扩散加权成像(diffusion weighted imaging,DWI)的分数阶微积分模型(fractional order calculus model,FROC)、体素内不相干运动模型(intravoxel incoherent motion model,IVIM)和扩散峰度成像(diffusion kurtosis imaging,DKI)对肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)病理分级的诊断价值。材料与方法:62例经病理证实的ccRCC在术前行常规T2WI扫描,在此基础行多b值DWI成像(0~3000s/mm2)。测量表观扩散系数(ADC)、FROC模型相关参数扩散系数(Dfroc)、与组织异质性相关参数(分数阶参数β)、微观结构数量(μ),DKI模型相关参数平均扩散率(MD)和平均峰度(MK),IVIM模型相关参数真扩散系数(D、伪扩散系数(D*)和灌注分数(f),并比较这些参数在高低级别ccRCC之间的差异,应用ROC曲线分析其对ccRCC病理分级的诊断价值。结果:高级别ccRCC的ADC、Dfroc、β、D和MD均明显低于低级别ccRCC(P<0.05),μ和MK明显高于低级别ccRCC(P<0.05),而D*(P=0.922)和f(P=0.217)在高、低分级ccRCC中无显着差异,其中μ具有最好的诊断效能(AUC=0.843),其次为Dfroc(AUC=0.837)、β(AUC=0.803)、MK(AUC=0.781)、ADC(AUC=0.744)、D(AUC=0.727)和MD(AUC=0.712),当联合参数μ、D和β时,诊断效率提高,AUC可达0.887。结论:扩散相关参数ADC、Dfroc、β、μ、MD、MK及D可定量鉴别高、低级别ccRCC。灌注相关参数D*和f均无统计学意义。其中FROC参数μ对鉴别高低级别ccRCC的价值最高,特别是当μ结合D和β时。另外我们还发现,与DKI和IVIM相比,FROC扩散模型对高、低级别ccRCC的诊断效果最好。目的:探讨基于多b值扩散加权成像(diffusion weighted imaging,DWI)的分数阶微积分模型(fractional order calculus model,FROC)对肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)和肾乏脂肪血管平滑肌脂肪瘤(fat-poor angiomyolipoma,fpAML)的鉴别诊断价值。材料与方法:经病理证实的43例ccRCC患者和16例fp AML患者在术前行常规T2WI扫描,在此基础行多b值DWI成像(03000s/mm2)。测量表观扩散系数(ADC)、FROC模型相关参数扩散系数(Dfroc)、与组织异质性相关参数(分数阶参数β)、微观结构数量(μ),并比较这些参数在ccRCC与fp AML之间的差异,应用ROC曲线分析这些参数对ccRCC与fp AML的诊断价值。结果:ccRCC的ADC、Dfroc、β值均显着高于fp AML(P<0.001),分别为(1.92±0.41)×10-3mm2/s与(1.28±0.43)×10-3mm2/s、(1.49±0.32)×10-3mm2/s与(0.94±0.22)×10-3mm2/s、(0.61±0.12)与(0.49±0.14),而ccRCC的μ值显着低于fpAML(P<0.001),为(7.94±1.13)×10-3mm与(8.51±0.32)×10-3mm。ADC、Dfroc、β、μ值鉴别ccRCC和fp AML的ROC曲线下面积(AUC)分别为0.855、0.912、0.758及0.823,将FROC参数Dfroc、β、μ三者联合时诊断效能达到最高,AUC为0.929,敏感度为93.0%、特异度为87.0%。结论:扩散相关参数ADC、Dfroc、β、μ可定量鉴别ccRCC和fpAML,其中FROC参数Dfroc对鉴别ccRCC和fp AML的价值最高,将FROC参数Dfroc、β、μ三者联合时诊断效能进一步提高。
徐美[7](2021)在《腹部超声造影在鉴别低回声肾血管平滑肌脂肪瘤与肾透明细胞癌中的应用价值》文中研究表明目的探讨腹部超声造影在鉴别低回声肾血管平滑肌脂肪瘤与肾透明细胞癌中的应用价值。方法 67例经手术病理证实的肾肿块患者作为研究对象,均行腹部超声造影。分析所有患者的手术病理结果及超声造影表现,比较肾透明细胞癌与低回声肾血管平滑肌脂肪瘤患者的超声造影增强模式及超声造影诊断的准确性。结果 67例肾肿块患者中, 51例为肾透明细胞癌, 16例为低回声肾血管平滑肌脂肪瘤。其中低回声肾血管平滑肌脂肪瘤内部均质,血管发育畸形,微血管较少,血流阻力高,且为厚壁血管,流速缓慢。超声造影显示,肾透明细胞癌以快进快退为主,占比47.06%;低回声肾血管平滑肌脂肪瘤以快进慢退为主,占比75.00%。肾透明细胞癌快进快退占比47.06%高于低回声肾血管平滑肌脂肪瘤的0,而快进慢退占比23.53%低于低回声肾血管平滑肌脂肪瘤的75.00%,差异有统计学意义(P<0.05)。两者同进同退、慢进快退和慢进慢退占比比较差异无统计学意义(P>0.05)。超声造影诊断肾透明细胞癌的准确率为92.16%,与低回声肾血管平滑肌脂肪瘤的93.75%比较,差异无统计学意义(P>0.05)。结论腹部超声造影在鉴别低回声肾血管平滑肌脂肪瘤与肾透明细胞癌中具有重要意义,可为临床治疗提供依据。
许晴[8](2020)在《IVIM、DKI及ASL技术在肾透明细胞癌中的诊断价值》文中提出第一章IVIM和DKI评价肾透明细胞癌恶性程度的价值目的:探讨研究磁共振体素内不相干运动(intravoxel incoherent motion,IVIM)和扩散峰度成像(diffusional kurtosis imaging,DKI)对肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)恶性程度的诊断价值。材料与方法:回顾性分析2017年10月至2019年7月本院经术后病理确诊的60例ccRCC患者,根据Fuhrman核分级法分为低级别组(Ⅰ+Ⅱ)和高级别组(Ⅲ+Ⅳ)。采用美国GE Discovery MR 750 3.0T MR成像仪,所有病人在常规T2WI扫描基础上采集了 IVIM和DKI检查。将IVIM和DKI的图像导入GE Advantage Workstation 4.6工作站,采用Functool处理软件进行后处理。IVIM序列测量的参数为:表观扩散系数(ADC)、真扩散系数(D)、伪扩散系数(D*)和灌注分数(f)。DKI序列测量的参数为:平均扩散率(MD)和平均峰度(MK)。感兴趣区域(regions of interest,ROIs)的放置原则:以T2WI为参照,放置在肿瘤实性部分,避开坏死、囊变、出血、血管、水肿和钙化。每个ROI测量三次并取其平均值。采用SPSS(version22.0)进行统计分析。用Mann-Whitney U检验比较各参数值(ADC、D、D*、f、MK、MD)在高低级别ccRCC之间的差异。应用ROC曲线分析各参数值对鉴别高低级别ccRCC的诊断效能。结果:其中低级别组37例(中位年龄52岁;年龄范围:31-63岁),高级别组23例(中位年龄:61.5岁;年龄范围:38-81岁)。高级别ccRCC的ADC、D、MD值明显低于低级别ccRCC(P<0.05)。高级别ccRCC的MK值明显高于低级别ccRCC(P<0.05)。两组间D*、f差异无统计学意义(P>0.05)。在区分高低级别ccRCC中,曲线下面积由大到小依次为MD(AUC=0.888)、ADC(AUC=0.796)、D(AUC=0.780)、MK(AUC=0.736)、f(AUC=0.582)和 D*(AUC=0.533)。结论:扩散相关参数(ADC、D、MD、MK)可有效鉴别低、高级别的ccRCC,其中MD可能是诊断ccRCC分级的最佳参数。第二章ASL技术在肾透明细胞癌和乏脂型血管平滑肌脂肪瘤鉴别诊断中的价值目的:探讨动脉自旋标记(arterial spin labeling,ASL)灌注成像在肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)与乏脂型血管平滑肌脂肪瘤(angiomyolipoma,AML)鉴别诊断中的应用价值。材料与方法:回顾性分析经手术病理证实且术前行肾脏ASL检查的29例ccRCC与9例乏脂型AML患者的影像资料。将ASL图像导入GE ADW4.6工作站,采用Functool处理软件进行后处理。测量肿瘤灌注值(TBF)、对侧正常皮质(RM)灌注值及对侧正常髓质(RC)灌注值;以RM和RC作为参照进行肿瘤TBF标准化后,ASL得到两个标准化血流量(nTBF(RC)=TBF/BFRC、nTBF(RM)=TBF/BFRM)。采用 SPSS(version22.0)软件进行统计分析。采用独立样本t检验比乏脂型AML与ccRCC间TBF、nTBF(RC)、nTBF(RM)的差异。应用受试者工作特征曲线(ROC)分析各参数值对鉴别乏脂型AML与ccRCC的价值。结果:ccRCC组TBF值、nTBF(RC)值和nTBF(RM)值均显着高于乏脂型AML组(270.49±78.88vs146.68±47.21,1.22±0.26vs0.74±0.14,3.13±0.94vs1.77±0.55;P<0.05)。TBF、nTBF(RC)和 nTBF(RM)值的 ROC 曲线下面积分别为 0.931、0.964、0.900。三种指标的AUC值无显着性差异。TBF鉴别乏脂型AML和ccRCC的最佳截断值为204.22 ml/100g/min,敏感度和特异性分别为79.31%和100%。nTBF(RC)鉴别两组的最佳截断值为0.94,敏感度和特异性分别为93.10%和100%。nTBF(RM)鉴别两组的最佳截断值为2.3,敏感度和特异性分别为82.76%和88.89%。结论:ASL技术作为无创的影像手段对鉴别乏脂型AML和ccRCC有较高的临床价值。第三章ASL技术评价肾透明细胞癌恶性程度的价值目的:探讨动脉自旋标记(ASL)技术评价肾透明细胞癌(ccRCC)恶性程度的价值。材料与方法:回顾性选取2018年1月至2019年1月本院经术后病理确诊的36例肾透明细胞癌患者的ASL结果,且均经Fuhrman分级,其中低级别组(Ⅰ+Ⅱ)19例,高级别组(Ⅲ+Ⅳ)17例。测量肿瘤灌注值(TBF)、对侧正常皮质(RM)灌注值及对侧正常髓质(RC)灌注值;以RM和RC作为参照进行肿瘤TBF标准化后,ASL得到两个标准化血流量(nTBF)[nTBF(RC)=TBF/BFRC、nTBF(RM)=TBF/BFRM]。不同病理分级间各参数的差异采用Mann-whitney检验,应用ROC曲线分析TBF值与nTBF值预测ccRCC术前分级的价值。结果:高级别组的TBF值、nTBF(RC)值与nTBF(RM)值均高于低级别组(242.42±39.26vs184.93±54.83,1.31±0.28vs0.94±0.22,3.44±1.35vs2.22± 1.32),差异均有统计学意义(P 均<0.05),TBF、nTBF(RC)、nTBF(RM)值评估 ccRCC 术前分级的 ROC曲线下面积分别为0.826、0.906和0.770。TBF鉴别高、低级别ccRCC的最佳临界值为203.78ml/100g/min,敏感度与特异度分别为72.7%和88.2%。nTBF(RC)鉴别高、低级别ccRCC的最佳临界值为1.06,敏感度与特异度分别为77.3%和94.1%。nTBF(RM)鉴别高、低级别ccRCC的最佳临界值为2.08,敏感度与特异度分别为54.5%和 94.1%。结论:ASL技术可以很好的鉴别高、低级别ccRCC,为ccRCC术前分级的新型无创性影像手段,对肾功能不全的患者以及治疗后随访有重要价值。
郑尧[9](2020)在《基于MRI的深度学习卷积神经网络在鉴别肾实质肿瘤病理分型中的应用》文中研究指明[目的]探讨基于MRI T2加权脂肪抑制序列图像的卷积神经网络(CNN)应用于鉴别不同类型肾脏实质肿瘤的可行性及诊断效能。[材料与方法]回顾性分析2015年5月至2018年8月我院186例术前接受了双肾MRI扫描并经病理证实的肾脏实质肿瘤患者(共186个病灶),其中透明细胞癌74例,乳头状细胞癌39例,嫌色细胞癌43例,血管平滑肌脂肪瘤30例。从PACS中拷贝这些患者的T2加权脂肪抑制序列MRI图像,使用ITK-SNAP软件手动对感兴趣区(ROI)进行勾画。将勾画后的图像进行预处理,应用CNN方法建立深度学习模型。将预处理后得到的6501个ROI图像块作为模型的训练集,其余460个ROI图像块作为测试集。绘制ROC曲线对模型进行评价,并计算其准确率、精度、敏感度、特异度、F1分数及曲线下面积(AUC)。[结果]该模型的总准确率(overallaccuracy,OA)、平均准确率(average accuracy,AA)和宏平均AUC(macro-average AUC)值分别为71%、86%和0.90。不同分型(透明细胞癌、乳头状细胞癌、嫌色细胞癌以及血管平滑肌脂肪瘤)的AUC值分别为 0.92,0.87,0.88 和 0.93。[结论]该研究表明基于MRI T2WI序列的深度学习卷积神经网络应用于鉴别不同类型肾实质肿瘤具有可行性,且具有较高的诊断效能。[目的]探讨基于动态对比增强MRI的卷积神经网络(CNN)应用于鉴别不同类型肾脏实质肿瘤的可行性。[材料与方法]回顾性分析2015年5月至2018年8月我院149例术前接受了双肾DCE-MRI扫描并经病理证实的肾脏实质肿瘤患者(共149个病灶),其中肾透明细胞癌71例、嫌色细胞肾细胞癌36例、乳头状肾细胞癌14例,肾血管平滑肌脂肪瘤28例。根据术后病理的不同类型将患者分为四组。从PACS中拷贝这些患者的DCE-MRI图像,从中选择皮髓质晚期、实质期及排泄期三期图像进行配准,使用ITK-SNAP软件手动对感兴趣区(ROI)进行勾画。将勾画后的图像进行预处理,应用CNN方法建立深度学习模型。将预处理后得到的14066个立方ROI图像块作为模型的训练集,其余1626个立方ROI图像块作为测试集。对模型的准确率、精度、敏感度、特异度、F1分数及ROC曲线下面积(AUC)进行计算。[结果]该模型的总体准确率(overall accuracy,OA)、平均准确率(average accuracy,AA)和宏平均 AUC(macro-average AUC)值分别为 75%、88%和 0.90。不同分型(透明细胞癌、嫌色细胞癌、乳头状细胞癌以及血管平滑肌脂肪瘤)的F1分数分别为0.79,0.74,0.78和0.72,不同分型(透明细胞癌、嫌色细胞癌、乳头状细胞癌以及血管平滑肌脂肪瘤)的AUC值分别为0.94,0.89,0.93和0.84。[结论]该研究表明基于动态对比增强MRI的卷积神经网络(CNN)应用于鉴别不同类型肾脏实质肿瘤具有可行性。
陈超[10](2015)在《肾脏肿瘤的CT灌注成像磁共振扩散加权成像和灌注加权成像研究》文中研究表明目的:通过对不同病理类型肾脏肿瘤进行320排动态容积CT灌注成像,评价肾脏肿瘤的血流动力学变化,探讨其对肾脏肿瘤的鉴别诊断和预后评估价值。材料与方法:对211例超声或常规CT检查可疑肾脏肿瘤患者于术前行320排动态容积CT灌注成像,经术后病理证实:透明细胞癌(Clear cell renal cell carcinoma, CCRCC)165例、乳头状肾细胞癌(Papillary renal cell carcinoma, PRCC)11例、嫌色细胞癌(Chromophobe renal cell carcinoma, CRCC)19例、乏脂肪血管平滑肌脂肪瘤(Angiomyolipoma with minimal fat, AML with minimal fat)16例。将肾脏肿瘤分为:CCRCC组、PRCC组、CRCC组、AML with minimal fat组、RCC组,统计分析肾皮质和肿瘤的灌注参数:等效血容量(Equivalent blood volume, Equiv BV)、表面渗透性(Permeability surface-area product, Ps)、血流量(Blood flow, BF)。对比分析正常肾皮质和肿瘤的灌注值、不同病理类型肿瘤间的灌注值。结果:正常肾皮质、CCRCC、PRCC、CRCC、AML with minimal fat、RCC的Equiv BV值分别是93.1±16.1、76.0±21.7、27.23±8.7、41.9±17.6、53.5±14.9、69.9±25.4 (ml/100 g).正常肾皮质、CCRCC、PRCC、CRCC、AML with minimal fat、RCC的Ps值分别是199.9+90.0、96.0+63.4、57.7+27.3、58.8±39.7、87.4±35.4、90.2±61.4 (ml/100 g/min)。正常肾皮质、CCRCC、PRCC、CRCC、AML with minimal fat、RCC的BF值分别为284.7±60.0、243.7±100.3、62.3±40.7、117.8±66.8、187.0+84.5、221.2±109.2(ml/100 g/min)。肾脏肿瘤的灌注值与正常肾皮质的灌注值间的差异均有统计学意义(均为P<0.001);肾细胞癌组的Equiv BV值明显高于乏脂肪血管平滑肌脂肪瘤组的Equiv BV值(P=0.003);透明细胞癌组的Equiv BV和BF值均较乳头状肾细胞癌组高(均为P<0.001);透明细胞癌组的三个灌注参数值均较嫌色细胞癌组高(Equiv BV:P<0.001; Ps:P=0.003; BF:P<0.001);透明细胞癌组的Equiv BV值均较乏脂肪血管平滑肌脂肪瘤组高(P<0.001);乳头状肾细胞癌组的BF值明显低于乏脂肪血管平滑肌脂肪瘤组(P=0.011);嫌色细胞癌组的Ps值明显低于乏脂肪血管平滑肌脂肪瘤组(P=0.047)结论:320排动态容积CT灌注成像能定量评价正常肾组织和肾肿瘤的血流动力学状况,有助于肾细胞癌和乏脂肪血管平滑肌脂肪瘤的鉴别诊断、肾细胞癌亚型的鉴别诊断。目的:评价ADC值和PWI参数在肾脏肿瘤诊断及鉴别诊断中的应用价值。材料与方法:选取70例经手术病理证实的肾脏肿瘤患者(透明细胞癌50例、乳头状细胞癌4例、嫌色细胞癌10例、乏脂肪血管平滑肌脂肪瘤3例、其它病理类型3例),将肿瘤分为透明细胞癌组(n=50)、非透明细胞癌组(n=20)、嫌色细胞癌组(n=10);均于术前行常规上腹部MRI检查和常规DWI检查,DWI b值取0、600 s/mm2。测量肾脏肿瘤的ADC值,并比较透明细胞癌组和非透明细胞癌组的ADC值差异、透明细胞癌组和嫌色细胞癌组的ADC值差异。选取51例经手术病理证实的肾脏肿瘤患者(透明细胞癌35例、乳头状细胞癌3例、嫌色细胞癌7例、乏脂肪血管平滑肌脂肪瘤3例、其它病理类型3例),均于术前行基于T1对比增强磁共振灌注扫描,分为肾脏肿瘤组(n=51)、透明细胞癌组(n=35)和非透明细胞癌组(n=16)。测量肿瘤的半定量参数:峰值强化百分比、达峰时间、排泄率、时间-信号强度曲线类型;比较透明细胞癌组和非透明细胞癌组两组的差异。测量肾脏正常实质和肿瘤的定量参数:转运常数(Ktrans)、速率常数(Kep)及血管外细胞外间隙体积百分数(Ve),比较正常肾实质和肿瘤组的灌注值差异;比较透明细胞癌组和非透明细胞癌组的灌注值差异。对半定量参数和定量参数的相关性进行分析,对比分析ROC曲线,对半定量参数和定量参数进行联合试验。结果:透明细胞癌实性部分的ADC值显着高于非透明细胞癌的实性部分(P<0.001)。嫌色细胞癌实性部分的ADC值明显低于透明细胞癌实性部分(P<0.001)。透明细胞癌组的峰值强化百分比明显高于非透明细胞癌组(P<0.001)。透明细胞癌组时间-信号强度曲线快出型为22例,非快出型13例;非透明细胞癌组快出型为5例,非快出型为11例,两者分布的差异有统计学意义(P=0.036)。肿瘤组的Ktrans、Kep均低于正常肾实质(均为P<0.001);透明细胞癌组的Ktrans、Kep均高于非透明细胞癌组(Ktrans:P=0.035; Kep:P=0.010)。半定量参数和定量参数间无明显的相关性(均为P>0.05)。峰值强化百分比鉴别诊断透明细胞癌组和非透明细胞癌组的曲线下面积与Ktrans相比,差异有统计学意义(Z=2.091,P<0.05)。半定量参数和定量参数联合诊断时,串联试验的特异度、并联试验的灵敏度均高于0.90。结论:常规DWI能够反映透明细胞癌、非透明细胞癌的ADC值差异,ADC值能够较好地反映肿瘤的病理生理特征,有助于肾脏肿瘤的诊断和鉴别。PWI可用于肾脏肿瘤的鉴别,半定量参数不能取代定量参数直接反映肿瘤的生理学信息,峰值强化百分比的诊断效能高于Ktrans;半定量参数和定量参数的联合应用可提高肾脏肿瘤的鉴别诊断价值。目的:对比CTPI、常规DWI和PWI鉴别诊断肾脏肿瘤的价值。材料与方法:对33例肾肿瘤患者于术前同时行CTPI和常规DWI检查,术后病理证实:透明细胞癌27例、乳头状细胞癌1例、嫌色细胞癌5例,分为透明细胞癌组(n=27)和非透明细胞癌组(n=6);对比分析ROC曲线,对比两种检查方法鉴别诊断肾脏肿瘤的效能;对两种方法进行联合试验。对51例肾肿瘤患者于术前同时行常规DWI和PWI检查,术后病理证实:透明细胞癌35例、乳头状细胞癌3例、嫌色细胞癌7例、乏脂肪血管平滑肌脂肪瘤3例、神经内分泌肿瘤1例、肾细胞肉瘤样癌1例、肾盂癌1例,分为透明细胞癌组(n=35)和非透明细胞癌组(n=16);对比分析ROC曲线,对比两种检查方法鉴别诊断肾脏肿瘤的效能;对两种方法进行联合试验。对14例肾肿瘤患者于术前同时行CTPI、常规DWI和PWI检查的14例肾脏肿瘤患者,术后病理证实:透明细胞癌12例、嫌色细胞癌2例;对CTPI参数与DWI参数、CTPI参数与PWI参数、DWI与PWI参数的相关性进行分析。结果:CTPI和常规DWI各参数ROC分析:ADC、Equiv BV、Ps、BF的曲线下面积均大于0.90,均具有很高的诊断价值;CTPI和DWI联合诊断时,并联试验鉴别透明细胞癌和非透明细胞癌的灵敏度均大于0.90。常规DWI和PWI各参数ROC分析中:ADC鉴别诊断的曲线下面积(0.93)明显大于Ktrans (0.69)和Kep(0.73),差异有统计学意义(均为P<0.05);DWI和PWI联合诊断鉴别透明细胞癌和非透明细胞癌时,串联试验的特异度均高于0.90,并联试验的灵敏度均高于0.89。CTPI参数与DWI参数、CTPI参数与PWI参数、DWI与PWI参数存在显着相关性(均为P<0.05)。结论:在鉴别诊断透明细胞癌和非透明细胞癌时,CTPI与DWI的诊断效能相仿,BV、Ps、BF可能是影响肾肿瘤ADC值的因素;ADC较Ktrans和Kep的诊断效能高;任两种检查方法联合应用时,可提高肾脏肿瘤的鉴别诊断价值。CTPI、常规DWI和PWI各参数间存在一定的相关性。
二、CT诊断肾巨大血管平滑肌脂肪瘤一例(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、CT诊断肾巨大血管平滑肌脂肪瘤一例(论文提纲范文)
(1)晚期妊娠合并巨大腹膜后肾外血管平滑肌脂肪瘤1例(论文提纲范文)
1 病例资料 |
1.1 病史 |
1.2 辅助检查 |
1.3 诊治过程 |
1.4 病理诊断 |
2 讨论 |
2.1 病因及临床特点 |
2.2 诊断及鉴别诊断 |
2.3 治疗 |
(2)基于增强CT影像组学在预测肾透明细胞癌分级及与肾乏脂肪血管平滑肌脂肪瘤鉴别诊断的应用(论文提纲范文)
中文摘要 |
英文摘要 |
常用缩写词中英文对照表 |
前言 |
第一部分 基于增强CT影像组学在预测肾透明细胞癌核分级的应用 |
1 材料与方法 |
1.1 研究对象 |
1.2 CT图像采集 |
1.3 CT图像分析及特征提取 |
1.4 特征筛选与组学预测模型建立 |
1.5 临床特征分析 |
1.6 建立综合模型绘制列线图 |
1.7 统计学分析 |
2 结果 |
2.1 特征筛选与组学模型建立 |
2.2 临床预测模型建立 |
2.3 模型比较与绘制综合模型列线图 |
3 讨论 |
第二部分 基于CT增强图像组学特征鉴别均质肾透明细胞癌与肾乏脂肪血管平滑肌脂肪瘤 |
1 材料与方法 |
1.1 研究对象 |
1.2 CT图像采集 |
1.3 CT图像分析及特征提取 |
1.4 特征筛选与组学预测模型建立 |
1.5 临床特征分析 |
1.6 建立综合模型绘制列线图 |
1.7 统计学分析 |
2 结果 |
2.1 特征筛选与组学模型建立 |
2.2.临床预测模型建立 |
2.3 模型比较与绘制综合模型列线图 |
3 讨论 |
结论 |
参考文献 |
综述 医学影像与影像组学中在肾肿瘤中的应用 |
综述参考文献 |
致谢 |
个人简介 |
(3)预测肾癌病理类型和临床分期新指标以及人工智能在肾癌中的初步探索(论文提纲范文)
英文缩略词 |
序 |
中文摘要 |
Abstract |
第一部分 肾细胞癌诊断的新思路和新指标探索 |
●引言 |
●第一章 肿瘤最大直径和最小直径比值在术前诊断肾癌病理类型中的临床意义 |
●前言 |
●资料与方法 |
1. 病例和临床资料 |
2. 研究病例入组标准 |
3. 研究病例排除标准 |
4. 研究分组 |
5. 影像学ROD评估 |
6. 统计分析方法 |
●结果 |
1. 所有入组肾癌患者一般临床资料 |
2. 预测肾癌组织学亚型ROD的临界值筛选 |
3. 肾癌患者的ROD与临床病理特征的相关性 |
4. 术前因素预测肾透明细胞癌的分析 |
●讨论 |
●小结 |
●第二章 肾细胞癌肾静脉癌栓漏诊的术前危险因素分析和评分模型的建立 |
●前言 |
●资料与方法 |
1. 研究目的及临床病例资料 |
2. 研究入组标准 |
3. 研究排除标准 |
4. 研究分组 |
5. 术前评估和手术计划 |
6. 统计分析方法 |
●结果 |
1. 根据肾静脉癌栓分类的患者临床资料特征 |
2. 肾静脉癌栓漏诊预测模型的建立 |
3. 不同组间临床因素与预后的相关性 |
●讨论 |
●小结 |
●第三章 人工智能技术识别病理切片图像辅助诊断肾透明细胞癌的研究 |
●前言 |
●资料与方法 |
1. 病理资料收集 |
2. 研究入组标准 |
3. 研究排除标准 |
4. 研究方法 |
5. 统计分析 |
●结果 |
1. 一般临床资料 |
2. 根据模型热图特征训练随机森林模型 |
3. 模型测试结果 |
●讨论 |
●小结 |
第二部分 肾细胞癌智能分期和预后学习模型的研究 |
●引言 |
●第一章 人工智能技术识别病历文本资料诊断肾癌T分期以及辅助软件开发的可行性研究 |
●前言 |
●资料与方法 |
1. 临床资料收集 |
2. 研究入组标准 |
3. 研究排除标准 |
4. 研究方法 |
5. 统计分析 |
●结果 |
1. 肾癌手术患者的临床病理特征 |
2. 测试组结果分析 |
3. 辅助软件开发结果分析 |
●讨论 |
●小结 |
●第二章 基于SEER数据库的人工智能机器学习算法预测肾细胞癌预后的研究 |
●前言 |
●资料与方法 |
1. 数据资料收集 |
2. 数据准备 |
3. 数据预处理 |
4. 数据分析 |
●结果 |
1. 收集患者的一般资料 |
2. 预处理结果分析 |
3. 模型训练结果验证分析 |
●讨论 |
●小结 |
参考文献 |
附录 |
附表 |
附图 |
基金资助 |
已发表与学位论文相关的英文论文 |
其他学术成果(博士期间) |
文献综述 人工智能在肾细胞癌诊断中的研究现状 |
参考文献 |
致谢 |
(4)巨大肾错构瘤行机器人辅助腹腔镜保留肾单位手术的单中心经验(论文提纲范文)
中文摘要 |
Abstract |
引言 |
资料与方法 |
结果 |
讨论 |
结论 |
参考文献 |
致谢 |
附录A |
附录B 个人简历及科研情况 |
附录C 综述 肾错构瘤治疗的进展与展望 |
参考文献 |
(5)肾上皮样血管平滑肌脂肪瘤临床诊治分析及研究进展(论文提纲范文)
附录一 英文缩略词释义表 |
附录二 12例上皮样血管平滑肌脂肪瘤病例资料汇总表 |
摘要 |
Abstract |
1 前言 |
2 材料与方法 |
2.1 临床材料 |
2.2 研究方法 |
3 结果与讨论 |
3.1 结果 |
3.1.1 流行病学 |
3.1.2 临床特征 |
3.1.3 影像学表现 |
3.1.4 手术方式 |
3.1.5 病理学 |
3.1.6 免疫组化 |
3.1.7 随访及预后 |
3.2 讨论 |
3.2.1 流行病学 |
3.2.2 临床表现 |
3.2.3 影像学 |
3.2.4 影像学鉴别诊断 |
3.2.5 组织病理及免疫组化 |
3.2.6 病理学鉴别诊断 |
3.2.7 治疗 |
3.2.8 预后及展望 |
3.2.9 局限性 |
3.3 结论 |
参考文献 |
文献综述 肾上皮样血管平滑肌脂肪瘤的研究进展 |
参考文献 |
致谢 |
(6)基于多b值DWI成像的多模型在肾乏脂血管平滑肌脂肪瘤与肾透明细胞癌中的应用(论文提纲范文)
中文摘要 |
英文摘要 |
前言 |
第一部分 基于多b值DWI的多模型成像技术评价肾透明细胞癌恶性程度的临床应用价值 |
材料与方法 |
1.一般资料 |
2.检查方法及扫描参数 |
3.图像处理 |
4.统计学分析 |
结果 |
1.高低级别ccRCC的影像学表现 |
2.高低级别ccRCC各参数的比较及ROC曲线分析 |
讨论 |
结论 |
参考文献 |
第二部分 FROC 技术在肾透明细胞癌和肾乏脂肪血管平滑肌脂肪瘤鉴别诊断中的价值 |
资料与方法 |
1.一般资料 |
2.检查方法及扫描参数 |
3.图像处理 |
4.统计学方法 |
结果 |
1.ccRCC与 fpAML的影像学表现 |
2.ccRCC与 fpAML各参数的比较及ROC曲线分析 |
讨论 |
结论 |
参考文献 |
综述 磁共振功能成像在鉴别诊断肾透明细胞癌与肾乏脂肪血管平滑肌脂肪瘤中的应用研究进展 |
参考文献 |
攻读学位期间发表论文情况 |
致谢 |
(7)腹部超声造影在鉴别低回声肾血管平滑肌脂肪瘤与肾透明细胞癌中的应用价值(论文提纲范文)
1 资料与方法 |
1.1 一般资料 |
1.2 方法 |
1.3 观察指标 |
1.4 统计学方法 |
2 结果 |
2.1 手术病理结果及超声造影表现 |
2.2 肾透明细胞癌与低回声肾血管平滑肌脂肪瘤患者的超声造影增强模式比较 |
2.3 超声造影诊断准确性比较 |
3 讨论 |
(8)IVIM、DKI及ASL技术在肾透明细胞癌中的诊断价值(论文提纲范文)
摘要 |
Abstract |
符号说明 |
研究背景 |
参考文献 |
第一章 IVIM和DKI评价肾透明细胞癌恶性程度的价值 |
1 前言 |
2 材料和方法 |
3 结果 |
4 讨论 |
参考文献 |
第二章 ASL技术在肾透明细胞癌和乏脂型血管平滑肌脂肪瘤鉴别诊断中的价值 |
1 前言 |
2 资料与方法 |
3 结果 |
4 讨论 |
参考文献 |
第三章 ASL技术评价肾透明细胞癌恶性程度的价值 |
1 前言 |
2 资料与方法 |
3 结果 |
4 讨论 |
参考文献 |
综述 肾肿瘤的影像学研究进展 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(9)基于MRI的深度学习卷积神经网络在鉴别肾实质肿瘤病理分型中的应用(论文提纲范文)
中英文缩略词 |
中文摘要 |
英文摘要 |
第一部分 基于MRI T2WI序列的深度学习卷积神经网络在鉴别肾实质肿瘤病理分型中的应用 |
前言 |
材料与方法 |
1 研究对象筛选 |
2 检查仪器 |
3 实验方法与统计 |
实验结果 |
讨论 |
结论 |
参考文献 |
第二部分 探索性研究基于DCE-MRI的人工智能技术在肾实质肿瘤病理分型中的应用 |
前言 |
材料与方法 |
1 研究对象筛选 |
2 检查仪器 |
3 实验方法 |
实验结果 |
讨论 |
结论 |
参考文献 |
在校期间发表文章 |
文献综述 |
参考文献 |
致谢 |
个人简历 |
(10)肾脏肿瘤的CT灌注成像磁共振扩散加权成像和灌注加权成像研究(论文提纲范文)
摘要 |
Abstract |
缩略词表 |
前言 |
第一部分:肾脏肿瘤的320排CTPI研究 |
一、资料与方法 |
二、结果 |
三、讨论 |
第二部分:肾脏肿瘤的DWI和PWI研究 |
一、资料与方法 |
二、结果 |
三、讨论 |
第三部分:肾脏肿瘤的CTPI、DWI和PWI的对比研究 |
一、资料与方法 |
二、结果 |
三、讨论 |
综述 |
参考文献 |
在读期间发表论文和科研情况说明 |
致谢 |
四、CT诊断肾巨大血管平滑肌脂肪瘤一例(论文参考文献)
- [1]晚期妊娠合并巨大腹膜后肾外血管平滑肌脂肪瘤1例[J]. 李洋,王慧智,姜薇,刘炆焱,刘静,周宇. 牡丹江医学院学报, 2021(05)
- [2]基于增强CT影像组学在预测肾透明细胞癌分级及与肾乏脂肪血管平滑肌脂肪瘤鉴别诊断的应用[D]. 黄忠江. 山西医科大学, 2021(01)
- [3]预测肾癌病理类型和临床分期新指标以及人工智能在肾癌中的初步探索[D]. 江卫星. 北京协和医学院, 2021(02)
- [4]巨大肾错构瘤行机器人辅助腹腔镜保留肾单位手术的单中心经验[D]. 陈心朋. 蚌埠医学院, 2021(01)
- [5]肾上皮样血管平滑肌脂肪瘤临床诊治分析及研究进展[D]. 李张群. 福建医科大学, 2021(02)
- [6]基于多b值DWI成像的多模型在肾乏脂血管平滑肌脂肪瘤与肾透明细胞癌中的应用[D]. 石博文. 大连医科大学, 2021(01)
- [7]腹部超声造影在鉴别低回声肾血管平滑肌脂肪瘤与肾透明细胞癌中的应用价值[J]. 徐美. 中国现代药物应用, 2021(02)
- [8]IVIM、DKI及ASL技术在肾透明细胞癌中的诊断价值[D]. 许晴. 扬州大学, 2020
- [9]基于MRI的深度学习卷积神经网络在鉴别肾实质肿瘤病理分型中的应用[D]. 郑尧. 北京协和医学院, 2020(05)
- [10]肾脏肿瘤的CT灌注成像磁共振扩散加权成像和灌注加权成像研究[D]. 陈超. 第二军医大学, 2015(07)