摘要
第一部分双能量CT图像在胃癌显示中的优化选择 目的探讨双能量CTMonoenergetic+算法在胃癌显示优化中的价值，为第二部分研究提供技术方面的支撑。 方法收集2021年10至2022月12月于南通大学第二附属医院行腹部双能量CT增强检查的胃癌确诊患者为研究对象，共48例。应用SyngoviaWorkstation后处理工作站，运用Mono+算法获得动脉期及静脉期40keV、50keV、60keV、70keV、80keV、90keV的单能量能级图像各6组，一共12组图像。分别将动脉期及静脉期100kVp和140kVp图像以系数0.5融合，获得动脉期及静脉期120kVp融合图像各1组，共2组图像。通过以上图像重建出层厚3mm、层间距3mm的横断面图像，用于主观及客观评估。分别对动脉期和静脉期的上述单能级和融合图像的图像质量进行客观定量分析，包括信噪比（signaltonoiseratio，SNR）和对比噪声比（contrasttonoiseratio，CNR）及主观总体评分（包括解剖细节和病灶显示）。采用单因素方差分析或Kruskal-WallsH检验对图像客观定量及主观总体评分进行统计学分析，以P＜0.05为差异有统计学意义。 结果 1.动脉期图像主观评分情况：40keV组5分占比最高，显著高于其他6组（P＜0.05），120kVp组5分占比高于60keV～90keV单能级图像组，差异有统计学意义（P＜0.05），而与50keV单能级图像相比差异无统计学意义（P＞0.05）。 2.静脉期图像主观评分情况：40keV组5分占比最高，显著高于其他6组（P＜0.05），120kVp组5分占比高于60keV～90keV单能级图像组，差异有统计学意义（P＜0.05），而与50keV单能级图像相比差异无统计学意义（P＞0.05）。 3.动脉期图像客观评分情况：7组图像中，120kVp组图像信噪比（SNR）最高，与其他组两两比较显示差异有统计学意义（P＜0.05）；40keV单能级图像SNR虽然高于其它单能级图像，但与其它单能级图像组（50～90keV）两两比较差异无统计学意义（P＞0.05）；50～90keV单能级图像组的SNR值，两两相比差异无统计学意义（P＞0.05）。40keV单能级图像对比噪声比（CNR）高于其他各组图像，与70、80、90keV两两比较显示差异有统计学意义（P＜0.05），与其它组比较差异不显著（P＞0.05）。50keV及常规120kVp与80、90keV两两比较显示差异有统计学意义（P＜0.05）。 4.静脉期图像客观评分情况：7组图像中，120kVp组图像SNR最高，与其他组两两比较显示差异有统计学意义（P＜0.05）；尽管40keV单能级图像SNR高于其它单能级图像，但与其它单能级图像组（50～90keV）两两比较差异无统计学意义（P＞0.05）；50～90keV单能级图像组的SNR值，两两相比差异无统计学意义（P＞0.05）。40keV单能级图像CNR高于其他各组图像，与70、80、90keV两两比较显示差异有统计学意义（P＜0.05），与其它组比较差异不显著（P＞0.05）。50kev及常规120kVp与70、80、90keV两两比较显示差异有统计学意义（P＜0.05）。 结论 双能量CTMono+算法获得的40keV单能级图像可以明显优化胃癌病灶的显示，有助于胃癌病灶的识别及观察。 第二部分双能量CT对胃癌术前T分期的诊断价值 目的探讨双能量CT多参数、最佳能级对胃癌术前T分期的诊断价值，以期帮助临床制定合适的治疗方案。 方法收集2021年10月至2022月12月于南通大学第二附属医院行腹部双能量CT增强检查的胃癌确诊患者为研究对象，共41例。利用LiverVNC软件，测量胃癌、正常胃壁、胃癌周围脂肪组织碘值（IC），同时测量同层面主动脉IC，计算标准化碘值（NIC）。利用Mono+技术，在最佳能级图像上测量动、静脉两期病灶的CT值，计算动、静脉期差值△CT。应用SyngoviaWorkstation后处理工作站获得静脉期胃癌病灶能谱曲线，计算能谱曲线斜率。将患者分为T1-3组和T4组，比较两组临床基线资料、双能量CT影像学特征的差异性。应用二项Logisitc回归分析胃癌术前T分期诊断的相关影像学特征，并将其构建Nomogram诊断模型，通过ROC曲线、Hosmer-Lemeshow拟合优度检验、校准曲线、决策曲线分析（decisioncurveanalysis,DCA）等评价Nomogram模型对胃癌术前T分期的诊断价值。 结果 1.临床基线资料在组间的差异性：T4组肿瘤最大径、低分化比率、淋巴结转移率、肿瘤标志物异常率显著高于T1-3组（P＜0.05）。其它基线资料组间差异无统计学意义（P＞0.05）。 2.双能量CT多参数在组间的差异性：T4组动、静脉期病灶IC、周围脂肪IC、病灶NIC、周围脂肪NIC显著高于T1-3组（P＜0.05）；T4组静脉期病灶NIC差值、周围脂肪IC差值、周围脂肪NIC差值显著高于T1-3组（P＜0.05），病灶IC差值组间不显著（P＞0.05）；T4组静脉期能谱曲线斜率显著高于T1-3组（P＜0.05）。 3.40keV单能图像病灶CT值及△CT值在组间的差异性：T4组静脉期病灶CT值显著高于T1-3组（P＜0.05）。动脉期病灶CT值以及△CT值差异不显著（P＞0.05）。 4.T分期诊断相关影像学特征分析：单因素无条件回归方程分析结果显示，动、静脉期病灶NIC差值、动、静脉期周围脂肪NIC差值、静脉期40keVCT值、静脉期能谱曲线斜率是诊断T分期的相关影像学特征（P＜0.05）；多因素无条件回归方程分析结果显示，动、静脉期周围脂肪NIC差值是诊断T分期的独立影像学特征（P＜0.05）。 5.T分期的Nomogram诊断模型构建：依据Logistic回归分析结果，将诊断T分期的相关影像学特征（动、静脉期病灶NIC差值、动、静脉期周围脂肪NIC差值、静脉期40keVCT值、静脉期能谱曲线斜率）构建诊断模型，将构建的诊断模型用Nomogram可视化。 6.T分期的Nomogram诊断模型评估：ROC结果显示，Nomogram诊断模型的AUC为0.986（95%CI:0.961-1.000）（P＜0.01），Nomogram预测模型显示出较好的诊断效能，而且其AUC高于动、静脉期病灶NIC差值、静脉期40keVCT值、静脉期能谱曲线斜率单独诊断时的AUC（Z=3.16,P＜0.01;Z=2.76,P＜0.01;Z=2.87,P＜0.01）。Nomogram预测模型AUC与动、静脉期周围脂肪NIC差值的AUC比较差异不显著（Z=1.36,P=0.17）；Nomogram诊断模型诊断曲线与校准曲线吻合度较好，Hosmer-Lemeshow拟合优度检验结果显示，2=3.82，P=0.87，P＞0.05，表明预测模型诊断效果良好；DCA分析结果显示，当该Nomogram模型诊断胃癌T分期的概率阈值为0.00~0.99时，患者都能得到更多的净获益，而且曲线下面积较大，适合临床应用。 结论 胃癌T4期患者在双能量CT多个碘摄取相关参数以及静脉期能谱曲线斜率方面显著高于T1-3期患者。T4期患者静脉期病灶CT值显著高于T1-3期患者。动、静脉期病灶NIC差值及周围脂肪NIC差值、静脉期40keVCT值、静脉期能谱曲线斜率等影像学特征构建的Nomogram诊断模型对T4分期具有很好的诊断价值。
NETL