摘要
本文主要从以下几个部分展开论述： 第一部分 多参数超声在结内弥漫性大B细胞淋巴瘤诊断中的应用 目的：探讨多参数超声在原发性结内弥漫性大B细胞淋巴瘤（DLBCL）的诊断中的作用。 方法：本研究回顾性分析了96例经病理明确诊断为DLBCL (51例)或良性淋巴结（45例）的患者，共96个淋巴结。所有患者在进行超声引导下粗针穿刺活检或手术切除活检前均行常规超声（US）、剪切波弹性成像 (SWE)和超声造影(CEUS)检查。分析3种超声检查方法在DLBCL与良性淋巴结、DLBCL的不同分型和分期方面是否有统计学差异。绘制受试者操作曲线(ROC)，获得SWE和CEUS定量指标的诊断阈值，并评价不同检查方法的疗效。 结果：单变量分析显示， DLBCL与良性淋巴结之间有16项参数差异有统计学意义。多变量分析显示，两组间长径/短径 (L/S)、皮质回声、最大弹性(MAX-SWE)、峰值时间 (TP)、PI-BI (△I)和强化方式差异有统计学意义，生发中心组与非生发中心组的MAX-SWE差异有统计学意义，局限期DLBCL与进展期DLBCL的血流类型、到达时间 (AT)和峰值时间 (TP)差异有统计学意义。多模超声鉴别诊断DLBCL和良性淋巴结的曲线下面积(AUC)为0.963。 结论：多参数超声能够初步区分良性淋巴结与DLBCL，而且在明确DLBCL的分型、分期中有一定的应用价值，能够协助临床医生对患者进行合理的诊断和治疗。 第二部分 应用多参数超声评估弥漫性大B细胞淋巴瘤治疗效果 目的：应用多参数超声评估弥漫性大 B 细胞淋巴瘤（ DLBCL ）进行R-CHOP/CHOP治疗的效果。 方法：对50例DLBCL在R-CHOP/CHOP治疗前和治疗中期采用多参数超声进行评估。依据PET-CT将临床反应包括缓解(CR)组和非缓解 (非CR) 组。另外选取同期34名同年龄段的正常健康体检成年人为对照组。比较治疗前后DLBCL组和正常淋巴结组、CR组和非CR组间多参数超声参数是否有差异。 结果：化疗前与对照组、化疗中与对照组、化疗前与化疗中期的多参数超声成像参数对比，结果显示化疗前-对照组最大内径(D)、L/S、PSV、BI、Grad、Area、TTP、△T差异有统计学意义；化疗中期与对照组PI、BI、TTP差异有统计学意义；化疗前与化疗中期最大内径(D)、L/S、RI、E-mean、E-max、Grad、Area、△I差异有统计学意义。CR组化疗前与对照组、化疗中与对照组、化疗前与化疗中期的多参数超声成像参数对比，结果显示CR组化疗前与对照组最大内径(D)、L/S、PSV、E-mean、E-max、BI、△I、△T、Grad、Area、TTP差异有统计学意义；化疗中期与对照组PI、BI、△I差异有统计学意义；化疗前与化疗中期最大内径(D)、E-max、PI、△I、Grad、Area差异有统计学意义。非CR组化疗前与对照组、化疗中与对照组、化疗前与化疗中期的多参数超声成像参数对比，结果显示化疗前与对照组最大内径(D)、L/S、RI、E-mean、E-max、BI、△I、Grad、Area差异有统计学意义；非CR组化疗中期与对照组BI、△I、ATM、TTP差异有统计学意义；非CR组化疗前与化疗中期L/S、E-mean、E-max、BI差异有统计学意义。 结论：本研究的结果表明，多参数超声分析是一种有用的，客观的成像方法，能够用于评估DLBCL淋巴结化疗前后的治疗反应。 第三部分 基于超声图像影像组学特征的列线图在预测弥漫性大B细胞淋巴瘤患者总生存期中的应用 目的：探讨基于超声图像的影像组学和临床特征的列线图（Nomogram）预测原发性弥漫性大 B 细胞淋巴瘤 (DLBCL) 患者总生存期 (OS)的有效性。 方法：本研究对145例来自三个临床中心确诊为DLBCL患者进行回顾性分析，他们被分为训练集（n=78）、内部验证集（n=33）、外部验证集（n=34）。首先，临床预测变量通过单变量和多变量Cox回归分析确定，根据结果建立临床模型（模型1）。然后，基于从常规超声图像中提取的影像组学特征，构建影像组学特征模型（模型2），并计算影像组学评分（Rad-Score）。最后，结合 Rad-score和临床特征建立了一个综合模型（模型 3）。接受者操作特征曲线 (ROC) 用于评估模型 1、模型 2 和模型 3 的性能。基于模型 3，构建DLBCL患者的 1 年、3 年及 5 年 OS的预后模型。通过构建一致性指数（C-index）和校准曲线来验证列线图的预测性能。决策曲线分析 (DCA) 用于评估临床使用中的列线图。 结果：根据多变量分析，最终选择 3 个临床特征和 Rad-score 构建模型 3，其对 DLBCL 患者 OS 的预测价值优于训练中的模式 1 和模型 2（AUC，0. 891 vs. 0.779 vs.0.756），内部验证集（AUC，0.868 vs. 0.713，vs.0.756）和外部验证集（AUC，914 vs. 0.866，vs.0.789）。训练集、内部验证集和外部验证集列线图的C-index分别为 0.734[95%CI 0.709-0.768）]、0.738[95%CI （0.719-0.747）]和0.679[95%CI（0.619-0.727）]。决策曲线分析表明，基于模型 3 的列线图比其他两个模型在临床上更有应用价值。 结论：基于超声影像组学的Nomogram是进行精准预测 DLBCL患者OS的有用工具，可以帮助临床医生进行个性化的生存预测、从而选择个性化临床治疗方法。
NETL