目的基于MRI平扫T2WI和增强T1WI的影像组学特征值,探讨机器学习模型随机森林(random forest,RF)对子宫内膜癌肌层浸润深度预测价值。材料与方法回顾性分析行盆腔MRI平扫及增强检查并经手术病理证实为子宫内膜癌患者的影像资料114例(ⅠA期86例,ⅠB期28例),以4∶1的比例通过分层抽样的方法分为训练集和测试集。采用ITK-SNAP软件分别在矢状面平扫T2WI图像及多期增强T1WI图像第二时相进行手动逐层勾画ROI,分别对T2WI和增强T1WI数据集进行影像组学特征值提取(https://github.com/Radiomics/pyradiomics),并对随机森林模型进行训练和测试(http://scikit-learn.org/),采用ROC曲线评价预测效能。结果基于平扫T2WI图像特征值建立的RF模型预测子宫内膜癌肌层浸润深度在测试集的曲线下面积(AUC)为0.938,其准确度、敏感度、特异度分别为91.3%、87.5%、93.3%,模型中重要性排名前3位的特征分别为形状平坦度(shape flatness,SF)、灰度级带矩阵区域方差(GLSZMzonevariance,GLSZM-ZV)、灰度级长矩阵运行方差(GLRLM run variance,GLRLM-RV);基于增强T1WI图像建立的RF模型在测试集的AUC为0.818,准确度、敏感度、特异度分别为81.8%、100%、75.0%,模型中重要性排名前3位的特征分别为SF、灰度相关矩阵高灰度依赖程度(GLDM large dependencehighgraylevelemphasis,GLDM-LDHGLE)、灰度共生矩阵相关性(GLCM correlation)。结论基于MRI影像组学的随机森林模型在预测子宫内膜癌肌层浸润深度中具有较大应用潜力,其中基于平扫T2WI图像建立模型较增强T1WI显示出更大的诊断价值。
目的探讨PBL(Problem Based Learning)教学法结合PACS(图像存档和通信系统)在医学影像学专业实习带教中的应用效果。方法将2013级医学影像学专业专科班48名实习生分为实验组和对照组,每组24人,实验组采用PBL教学法结合PACS授课,对照组采用传统教学法。实习结束后通过理论知识、实践能力考核及问卷调查进行效果评价。结果实验组学生在基础知识、影像分析、报告书写、鉴别诊断方面明显优于对照组,差异均有显著性(P<0.05)。问卷调查显示,与对照组相比,实验组学习兴趣进一步增加、语言表达能力和沟通技巧得到提高,对教学满意度较高,两组比较差异具有显著性(P<0.05)。结论 PBL教学法结合PACS应用于医学影像学专业实习带教,进一步提高了教学质量,收到良好教学效果,值得推广。
