• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      超聲影像組學(xué)對移植腎實質(zhì)性病變鑒別診斷的價值

      2023-07-06 06:47:12王天馳王眾牛寧寧唐纓
      天津醫(yī)藥 2023年6期
      關(guān)鍵詞:組學(xué)能量常規(guī)

      王天馳,王眾,牛寧寧,唐纓

      我國慢性腎臟病患者基數(shù)龐大[1],腎移植術(shù)為終末期腎病最有效的治療方法,年手術(shù)量已過萬例[2]。但術(shù)后并發(fā)癥常導(dǎo)致移植腎功能異常甚至喪失[3],影響手術(shù)成功率。移植腎實質(zhì)性病變主要分為急性排斥反應(yīng)(acute rejection,AR)和腎小管壞死(acute tubular necrosis,ATN)兩種[4],對兩者及時準(zhǔn)確的鑒別診斷將直接影響預(yù)后。移植腎穿刺活檢是確診組織學(xué)分型的“金標(biāo)準(zhǔn)”[5],但由于其有創(chuàng)、取樣局限等原因無法完全滿足臨床需求。超聲具有實時、高效的診斷優(yōu)勢,可以對移植腎形態(tài)、血供、腎周積液等情況進(jìn)行較為全面的評估,為術(shù)后監(jiān)測的首選方法。雖然常規(guī)灰階及多普勒超聲已經(jīng)在臨床廣泛應(yīng)用,但對移植腎實質(zhì)性病變組織學(xué)分型的鑒別診斷價值有限[6]。超聲影像組學(xué)作為一種新技術(shù),其不同于傳統(tǒng)的“視覺分析”,而是將超聲醫(yī)學(xué)與計算機科學(xué)相結(jié)合,即從超聲圖像數(shù)據(jù)中提取高通量的組學(xué)特征,并轉(zhuǎn)化成高維度數(shù)據(jù)空間,進(jìn)行數(shù)據(jù)挖掘,在一定程度上突破了常規(guī)超聲的局限性[7-8]。目前影像組學(xué)在腫瘤性質(zhì)鑒別、生存期預(yù)測等方面研究較多[9],對移植腎實質(zhì)性病變診斷價值研究較少。本研究旨在應(yīng)用超聲影像組學(xué),通過建立多種組學(xué)預(yù)測模型,與常規(guī)超聲診斷結(jié)果進(jìn)行對比,探討超聲影像組學(xué)鑒別診斷移植腎實質(zhì)性病變組織學(xué)分型的價值。

      1 對象與方法

      1.1 研究對象 選取2012 年8 月—2021 年3 月于天津市第一中心醫(yī)院就診的因血肌酐異常而行腎穿刺活檢的同種異體腎移植患者。納入標(biāo)準(zhǔn):(1)超聲資料記錄完整且圖像清晰。(2)活檢結(jié)果為AR或ATN。(3)血肌酐異常升高(男性:>104μmol/L,女性:>84μmol/L)。排除標(biāo)準(zhǔn):(1)超聲圖像上有刻度尺、體表標(biāo)記等影響圖像分析的標(biāo)記或其他冗余信息。(2)移植腎有囊腫等占位性病變。(3)移植腎積水或大量移植腎腎周積液。共納入186例,其中AR組135例,男82例,女53例,年齡26~71歲,平均(45.20±12.29)歲;ATN組51例,男30例,女21例,年齡32~70歲,平均(51.94±9.32)歲。2組年齡(t=1.919)、性別(χ2=0.057)差異無統(tǒng)計學(xué)意義(P>0.05)。

      1.2 常規(guī)超聲參數(shù)獲取及診斷 患者取仰臥位,平靜呼吸下暴露髂窩移植腎部位,采用SIEMENS Sequoia512彩色超聲診斷儀,選擇頻率范圍為2.0~5.0 MHz的凸陣探頭,測量移植腎長徑L(cm)、寬徑W(cm)及厚度T(cm),計算移植腎體積V=π/6×L×W×T(cm3)[10],留取移植腎長軸圖像。切換到頻譜多普勒模式,游標(biāo)測量葉間動脈收縮期峰值流速(peak systolic velocity,PSV)、舒張末期流速(end-diastolic flow rate,EDV),計算阻力指數(shù)(resistance index,RI)=[(PSV-EDV)/(PSV)]。能量多普勒(Power Doppler,PD)觀察移植腎能量信號分布情況。參照相關(guān)文獻(xiàn)[11]將移植腎能量多普勒圖譜分為5 級:0級,腎皮質(zhì)未見能量信號,主干見細(xì)窄能量信號分布,或完全沒有能量信號分布;Ⅰ級,能量信號顯示不足移植腎面積一半,腎皮質(zhì)未見能量信號,主干見斷續(xù)粗大或連續(xù)細(xì)窄的能量信號;Ⅱ級,能量信號充盈大部分移植腎,腎皮質(zhì)未見能量信號,主干見連續(xù)粗大的能量分布;Ⅲ級,能量信號基本充盈整個移植腎,腎皮質(zhì)血管呈斷續(xù)“細(xì)絨線狀”表現(xiàn),主干見粗大連續(xù)的能量信號;Ⅳ級,能量信號充盈整個移植腎,腎皮質(zhì)血流呈“絨線狀”,主干見粗大連續(xù)的能量信號,見圖1。由2位具有8年以上移植超聲診斷經(jīng)驗的醫(yī)師根據(jù)常規(guī)超聲參數(shù)進(jìn)行鑒別診斷,意見不一致時協(xié)商確定。

      Fig.1 Power Doppler grade of transplanted kidney圖1 移植腎能量圖分級

      1.3 影像組學(xué)圖像興趣區(qū)(ROI)獲取及特征提取 Suh transfer軟件搜索HIS病例系統(tǒng)中超聲記錄,選擇符合描記要求的DICOM格式二維長軸超聲圖像,導(dǎo)入AVIEW軟件,通過手動描記方法,將移植腎全部納入ROI 內(nèi),見圖2,提取并記錄ROI圖像的影像組學(xué)特征數(shù)據(jù)。

      拿出樂高玩具,開始拼插吧。這是最消耗時間的活,沒關(guān)系,十歲的我,有大把的時光可以消耗。直到拼得頭昏眼花、手指麻木,我才收手。扭頭一看,是幾箱芭比娃娃。它們陪伴了我?guī)啄辏贿^我已與它們?nèi)諠u疏遠(yuǎn)。

      Fig.2 Manually depict ROI with AVIEW software圖2 AVIEW軟件手工描繪ROI

      2.1 常規(guī)超聲診斷結(jié)果 AR 組移植腎體積大于ATN組(P<0.05),RI和能量圖分級差異無統(tǒng)計學(xué)意義,見表1。醫(yī)師組鑒別診斷敏感度為56.2%,特異度為60.7%,準(zhǔn)確度為57.5%,見表2。

      SAR雙通道對消系統(tǒng)工作于正側(cè)視,仿真參數(shù)如表1所示.設(shè)成像區(qū)域距離向范圍為[9900m,10100m],方位向范圍為[-110m,110m],場景中心坐標(biāo)為(10000,0).圖4為無干擾時SAR場景成像結(jié)果,其中在三角形標(biāo)記處設(shè)置散射波干擾機,坐標(biāo)為(9910,0),圖中長方形區(qū)域為特定散射區(qū)域.實驗過程中干擾機位置與散射區(qū)域不變.

      2.2.2 各模型診斷效能比較 選擇以上經(jīng)過篩選保留的6 個有效特征建立組學(xué)模型。隨機森林、支持向量機、邏輯回歸和K 近鄰法4 種模型的預(yù)測價值見表3、圖4。其中隨機森林模型的綜合表現(xiàn)最優(yōu)。

      2 結(jié)果

      1.4 影像組學(xué)模型建立及對比 使用Python3.0 編程軟件,對獲得的全部組學(xué)特征數(shù)據(jù)采用獨立樣本t檢驗進(jìn)行初次篩選,再通過調(diào)整最優(yōu)Lambda參數(shù),使用最小絕對值收斂和選擇算子(least absolute shrinkage and selection operator,LASSO)算法從已篩選特征中選擇最優(yōu)的有效特征,并利用隨機森林、K 近鄰法、邏輯回歸、支持向量機分類器建立預(yù)測模型。各模型以7∶3 為比例利用訓(xùn)練隊列(130 例)進(jìn)行學(xué)習(xí)訓(xùn)練,訓(xùn)練后的4 種模型分別對驗證隊列(56 例)進(jìn)行預(yù)測,采用5折交叉驗證策略分析各組學(xué)模型驗證隊列準(zhǔn)確度、敏感度、特異度及曲線下面積(AUC)。

      Tab.1 Comparison of conventional ultrasound parameter features between two groups表1 2組常規(guī)超聲特征參數(shù)比較

      Tab.2 The diagnostic value of physician group for organizational credit type表2 醫(yī)師組對組織學(xué)分型的診斷價值

      已知電子遷移率μn與溫度呈負(fù)相關(guān),可以表示為是參考溫度,μ0是參考溫度T0下的電子遷移率,T是絕對溫度,m是溫度指數(shù),m大小在1~2之間。熱電壓UT與溫度呈正相關(guān),可以表示為。所以Iref與溫度T之間的關(guān)系可以表示為

      2.2.1 特征篩選結(jié)果 應(yīng)用AVIEW 軟件每幅圖像提取137個組學(xué)特征,經(jīng)過t檢驗和LASSO算法聯(lián)合篩選后,最終保留2D形狀-平坦度、一階-最小值、直方圖-最小值、直方圖-體素計數(shù)、梯度-標(biāo)準(zhǔn)差、灰度共生矩陣-集群陰影6個有意義的特征,特征系數(shù)分別為0.127 261、-0.991 61、-0.186 26、0.035 576、-0.060 932和-0.039 824,見圖3,其中除2D形狀-平坦度屬于形狀特征子集,其余5 個特征均屬于紋理特征子集。

      目前,研究調(diào)水引流生態(tài)環(huán)境效應(yīng)的手段主要是野外監(jiān)測,受風(fēng)浪和季節(jié)等因素的干擾,野外監(jiān)測難以構(gòu)建引水要素與受水湖泊水文、理化、生物環(huán)境間的對應(yīng)關(guān)系,無法回答引水流量、營養(yǎng)水平等要素對受水湖泊產(chǎn)生的直接生態(tài)環(huán)境效應(yīng),更無法定量預(yù)測引水要素的改變對受水湖泊生態(tài)環(huán)境的影響程度。而構(gòu)建室內(nèi)微宇宙湖泊生態(tài)系統(tǒng)則為回答這些問題提供了研究便利。

      Fig.3 Feature variable selection based on filtering algorithm圖3 基于篩選算法構(gòu)建模型的特征變量選擇

      1.5 統(tǒng)計學(xué)方法 采用Python 3.0 及SPSS 22.0 軟件進(jìn)行數(shù)據(jù)分析。計數(shù)資料以例(%)表示,符合正態(tài)分布的計量資料以表示,2組間比較采用獨立樣本t檢驗;等級資料比較采用秩和檢驗。P<0.05為差異有統(tǒng)計學(xué)意義。

      Tab.3 Analysis results of predictive effectiveness of each ultrasound radiomics model表3 各模型的預(yù)測效能分析結(jié)果

      Fig.4 ROC plots of each ultrasound radiomics model圖4 各組學(xué)模型ROC曲線

      3 討論

      AR 和ATN 作為常見的移植腎實質(zhì)性病變,發(fā)病時皆有肌酐升高、突然少尿,伴或不伴有發(fā)熱等癥狀[12],僅從臨床表現(xiàn)上不易進(jìn)行鑒別,而禁忌證的存在限制了活檢的應(yīng)用范圍,故尋找一種安全、準(zhǔn)確、高效的鑒別診斷方法是臨床亟需解決的問題。超聲作為一種成熟的無創(chuàng)檢查方法,技術(shù)日益進(jìn)步。本研究對比常規(guī)超聲方法與影像組學(xué)方法,并分析多種組學(xué)模型,探討超聲影像組學(xué)鑒別診斷移植腎實質(zhì)性病變組織學(xué)分型的價值。

      2.2 超聲影像組學(xué)預(yù)測模型

      常規(guī)超聲主要通過對移植腎體積形態(tài)、血流動力學(xué)等方面進(jìn)行分析,對組織學(xué)分型鑒別診斷價值有限,這主要是由于移植腎發(fā)生AR的典型超聲特征表現(xiàn)為移植腎體積增大,但因高效免疫抑制劑的普遍應(yīng)用,依據(jù)形態(tài)結(jié)構(gòu)作為診斷標(biāo)準(zhǔn)的價值逐漸降低[13]。而發(fā)生AR 和ATN 時均會有RI 升高、腎內(nèi)血流充盈減少的表現(xiàn)[14],故高值RI、能量信號減少等均不能成為有效鑒別特征。超聲影像組學(xué)是人工智能在超聲醫(yī)學(xué)中的具體應(yīng)用,其結(jié)果受主觀影響更小,診斷效能更高[15]。黃云霞等[16]以甲狀腺癌頸部淋巴結(jié)轉(zhuǎn)移為研究對象,將常規(guī)超聲診斷方法與超聲影像組學(xué)方法進(jìn)行診斷效能的對比,發(fā)現(xiàn)常規(guī)超聲方法診斷效能低于組學(xué)方法(AUC:0.714vs.0.793)。

      特征提取及篩選是實現(xiàn)組學(xué)的關(guān)鍵步驟[17]。研究表明,構(gòu)建模型時若不進(jìn)行特征篩選,會導(dǎo)致模型過度擬合,降低模型穩(wěn)定性[18]。本研究使用“t檢驗+LASSO算法”聯(lián)合篩選方法,從137個特征中最終篩選了6個有效特征。由于紋理特征對分子或微環(huán)境尺度下的異質(zhì)細(xì)胞敏感性較高[19],有效特征中有5 個屬于紋理特征子集,僅有1 個屬于形狀特征子集。

      影像組學(xué)模型種類豐富,Zhang 等[20]通過對11種特征篩選器和8 種分類器進(jìn)行組合,總結(jié)了88 種組學(xué)模型。目前的研究多是通過構(gòu)建單個組學(xué)預(yù)測模型進(jìn)行組學(xué)價值分析,少有對不同模型性能差異的討論。本研究通過使用“t檢驗+LASSO 算法”的特征篩選方法結(jié)合K 近鄰法、邏輯回歸、支持向量機、隨機森林等分類器建立4 種組學(xué)模型。結(jié)果顯示4 種模型診斷效能并不相同,其中由于隨機森林是通過訓(xùn)練多個決策樹進(jìn)行預(yù)測,對于復(fù)雜問題具有較好的預(yù)測性能[21],故隨機森林模型診斷效果最好,AUC為0.931,敏感度97.6%,特異度80.0%,準(zhǔn)確度85.8%。Parmar 等[22]評估了不同特征篩選情況下12 種分類器對肺癌患者的預(yù)測能力,結(jié)果顯示,隨機森林分類器診斷效能最高(AUC 為0.66),與本研究結(jié)果相同。胡艷等[23]基于MRI 的常規(guī)T2加權(quán)成像序列,采用放射影像組學(xué)方法對卵巢上皮腫瘤進(jìn)行分類預(yù)測,亦發(fā)現(xiàn)不同的組學(xué)模型最終效能并不相同。本研究局限性:(1)本研究為單中心回顧性研究,樣本量較少。(2)ROI 使用手動描記方法,效率較低。

      綜上所述,超聲影像組學(xué)作為一種將醫(yī)學(xué)與工學(xué)交叉融合的新方法,相比于常規(guī)超聲,可以獲取更多的圖像信息特征,診斷效果更好,應(yīng)用前景廣闊。不同的模型構(gòu)建方案會對組學(xué)預(yù)測結(jié)果產(chǎn)生重要影響,需要研究人員根據(jù)研究任務(wù)對模型預(yù)測能力進(jìn)行權(quán)衡,選擇適合目標(biāo)問題的方法進(jìn)行建模。

      猜你喜歡
      組學(xué)能量常規(guī)
      常規(guī)之外
      能量之源
      緊急避孕不是常規(guī)避孕
      口腔代謝組學(xué)研究
      基于UHPLC-Q-TOF/MS的歸身和歸尾補血機制的代謝組學(xué)初步研究
      詩無邪傳遞正能量
      中華詩詞(2017年4期)2017-11-10 02:18:29
      別受限于常規(guī)
      常規(guī)培養(yǎng)在幼兒教育中的作用
      西藏科技(2015年3期)2015-09-26 12:11:06
      代謝組學(xué)在多囊卵巢綜合征中的應(yīng)用
      開年就要正能量
      都市麗人(2015年2期)2015-03-20 13:32:31
      鸡泽县| 静海县| 雷州市| 綦江县| 老河口市| 集贤县| 迁安市| 驻马店市| 长武县| 磐安县| 商洛市| 全南县| 昆明市| 桐庐县| 信宜市| 临城县| 兴国县| 搜索| 富顺县| 青河县| 江安县| 都安| 喀喇沁旗| 连江县| 廉江市| 贵阳市| 梓潼县| 丰顺县| 云浮市| 西充县| 盐边县| 彭阳县| 柞水县| 玉门市| 堆龙德庆县| 嘉兴市| 河曲县| 武威市| 西林县| 永春县| 五台县|