简介：摘要帕金森病(Parkinson's disease，PD)是以黑质纹状体多巴胺变性为特征的神经退行性疾病，临床表现有震颤、运动迟缓、僵硬等运动症状和焦虑、抑郁、认知功能障碍等非运动症状。震颤作为PD最常见的症状，其脑机制尚未完全明确，大约有四分之三的患者在疾病进展过程中出现震颤，且以震颤为主的PD被认为是疾病的早期阶段。脑刺激治疗如深部脑刺激(deep brain stimulation，DBS)、经颅磁刺激(transcranial magnetic stimulation，TMS)常用于PD的治疗与研究。近年来磁共振成像技术广泛用于PD诊疗方面的研究，能够从结构、功能等方面为早期诊断和疗效评估提供重要信息。本文对磁共振成像技术在以震颤为主PD的诊断及脑部刺激治疗效果评估方面的研究进展进行综述。

简介：摘要目的探讨级联VB-Net深度学习网络对扩散加权成像（DWI）中急性缺血性脑卒中缺血核心检出和分割的价值。方法回顾性分析2016年12月至2018年12月在河南省人民医院就诊的1 500例急性缺血性卒中患者的MRI资料。将1 500例患者的2 456个病灶依据采集时间按8∶1∶1分为训练集、验证集和测试集。首先在脑DWI图像（b=1 000 s/mm2）上对所有病灶的缺血核心进行手工分割，然后，构建级联VB-Net分割模型，并在测试集对缺血核心进行自动检出、分割和缺血核心体积计算。采用组内相关系数（ICC）评价手工分割与级联VB-Net分割模型测得缺血核心体积的一致性。将样本分为缺血核心体积较大组（缺血核心体积≥10 ml）与缺血核心体积较小组（缺血核心体积<10 ml），采用Mann-Whitney U检验比较两者Dice系数差异。结果测试集中，级联VB-Net分割模型对缺血核心的检出率为94.6%（234/257），Dice系数为0.76（0.68，0.84）。级联VB-Net分割模型［4.19（1.21，14.13）ml］与手工分割缺血核心体积［4.08（1.19，17.92）ml］的一致性高（ICC=0.97，P<0.001）。缺血核心体积较大组与缺血核心体积较小组Dice系数差异无统计学意义［分别为0.76（0.69，0.85），0.76（0.67，0.84），Z=-0.44，P=0.657］。结论级联VB-Net深度学习网络实现了急性缺血性脑卒中缺血核心的自动检出、分割及体积计算，与手工分割的一致性高，能够为治疗方案的选择提供辅助决策工具。

简介：摘要目的探讨基于扩散加权成像（diffusion weighted imaging, DWI）的单指数、分数微积分（fractional order calculus, FROC）模型和氟代脱氧葡萄糖正电子发射断层扫描（18F-fluorodeoxyglucose-positron emission tomography, 18F-FDG PET）在评估肺腺癌增殖状态中的价值。材料与方法选取经我院病理证实的64例肺腺癌患者，以Ki-67表达25%为界，＞25%为高Ki-67组，≤25%为低Ki-67组。所有患者在治疗前均行肺部18F-FDG PET/MR检查，其中DWI采取10个b值（0～1000 s/mm2）扫描。比较两组间表观扩散系数（apparent diffusion coefficient, ADC）、空间变量（a microstructural quantity, μ）、扩散系数（diffusion coefficient, D）、分数空间导数（fractional order parameter, β）、最大标准摄取值（maximum standardized uptake value, SUVmax）有无显著差异。通过多因素logistic回归分析Ki-67增殖状态的独立预测因素，采用受试者工作特征曲线（receiver operating characteristic curve, ROC）评估鉴别效能，并分析各参数与Ki-67之间的相关性。结果低Ki-67组的ADC、D、β显著大于高Ki-67组（P＜0.05），高Ki-67组的μ、SUVmax显著大于低Ki-67组（P＜0.05）。参数D和SUVmax曲线下面积分别为0.873和0.727，且多因素logistic回归显示D值（OR：0.421，95% CI：0.245～0.723，P=0.002）和SUVmax值（OR：1.022，95% CI：1.002～1.042，P=0.031）是Ki-67高表达的独立危险因素。ADC值和D值与Ki-67呈负相关（r=-0.361，r=-0.420），μ和SUVmax值与Ki-67呈正相关（r=0.369，r=0.527）。结论单指数、FROC模型和18F-FDG PET均是评估肺腺癌增殖状态的有效手段，其中FROC模型的D值具有最高的诊断效能。FROC模型为探索肿瘤组织微环境信息提供了新的视角，在无创评估肺腺癌增殖状态方面具有很大潜力，其临床应用前景广阔。