XiaoMi-AI文件搜索系统
World File Search Systemcomputed
使用基于感知损失的卷积神经网络
目的：这项研究旨在开发一种新的卷积神经网络深度学习（DL）技术，用于从计算机上进行自动化的脑组织分割（CT）扫描，并与磁共振成像（MRI）分割相比评估其性能。材料和方法：这项多中心回顾性研究收集了来自两个机构的199个健康个体的配对CT和MRI数据。将数据分为一个训练集（n = 100）和一个机构的内部测试集（n = 50），其中第二个机构的附加数据集（n = 49）用于外部验证。灰质（GM），白质（WM）和脑脊液（CSF）的地面真相面膜是从T1加权MR图像中赋予的。为三个大脑区域中的每个区域中的每个区域训练了基于U-NET的DL模型，并根据VGG19计算了感知损失。通过计算连续骰子系数（CDICE），联合会（IOU）和第95个百分位数Hausdorff距离（HD95）来评估模型性能。使用定位系数（R 2），类内相关系数（ICC）和Bland-Altman分析，将基于CT的分割的体积估计与MRI衍生体积进行了比较。结果：接受感知损失的DL网络与未经感知损失的训练相比，表现出色。体积分析表明，在内部/外部测试中，GM和WM分别为r 2 = 0.83/0.90和0.85/0.87之间的MRI衍生地面真相与基于CT的分割之间的一致性是r 2 = 0.83/0.90和0.85/0.87，而ICC = 0.91/0.94和0.92/0.93。在内部测试中，评估得分（没有感知损失与感知损失）为：CDICE = 0.717 vs. 0.765，HD95 = 6.641 mm，gm中的6.641 mm vs. 6.314 mm； CDICE = 0.730 vs. 0.767和HD95 = 5.841毫米，而Wm为5.644 mm； CDICE = 0.600 vs. 0.630和HD95 = 5.641毫米，而CSF中的5.362 mm，分别是分数。结论：提出的DL方法随着感知损失而增强，可改善CT图像的脑部分割。这种方法显示了有望作为基于MRI的分割的一种替代方法。
深度学习的工作流程，用于自动提取心脏纤维化中心脏计算机断层扫描上心房和心外膜脂肪组织的自动提取
抽象背景：计算机断层扫描（CT）图像上左心房（LA）和心外膜脂肪组织（EAT）体积的术前估计与心房颤动（AF）复发的风险增加有关。我们旨在设计一个基于学习的工作流程，以提供对心房，心包和饮食的可靠自动分割，并为未来在AF管理中的应用提供。方法：本研究招募了157例AF患者，他们在2015年1月至2017年12月在台北退伍军人综合医院之间接受了首次导管的消融。LA，右心庭（RA）和心包的三维（3D）U-NET模型用于开发用于总，LA-EAT和RA-EAT自动分割的管道。 我们将心包内的脂肪定义为组织，衰减在-190至-30 HU之间，并量化了总食物。 在心包内的LA或RA的扩张性内部边界和心内膜壁之间的区域用于检测归因于脂肪的体素，从而估计La-EAT和RA-EAT。 结果：LA，RA和心包分割模型的骰子系数分别为0.960±0.010、0.945±0.013和0.967±0.006。 3D分割模型与LA，RA和心包的地面真相良好相关（r = 0.99，所有人的P <0.001）。 我们提出的食品，LA-EAT和RA-EAT方法的骰子系数分别为0.870±0.027、0.846±0.057和0.841±0.071。 结论：我们提出的用于自动LA，RA和饮食分割的工作流程在CT图像上使用3D U-NETS对AF患者可靠。用于开发用于总，LA-EAT和RA-EAT自动分割的管道。我们将心包内的脂肪定义为组织，衰减在-190至-30 HU之间，并量化了总食物。在心包内的LA或RA的扩张性内部边界和心内膜壁之间的区域用于检测归因于脂肪的体素，从而估计La-EAT和RA-EAT。结果：LA，RA和心包分割模型的骰子系数分别为0.960±0.010、0.945±0.013和0.967±0.006。3D分割模型与LA，RA和心包的地面真相良好相关（r = 0.99，所有人的P <0.001）。我们提出的食品，LA-EAT和RA-EAT方法的骰子系数分别为0.870±0.027、0.846±0.057和0.841±0.071。结论：我们提出的用于自动LA，RA和饮食分割的工作流程在CT图像上使用3D U-NETS对AF患者可靠。
深度学习的工作流程，用于自动提取心脏纤维化中心脏计算机断层扫描上心房和心外膜脂肪组织的自动提取
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
使用计算机断层扫描图像评估心血管疾病中深度学习模型的公平性：数据和代码透视
摘要。在过去五年中，大多数变化在过去的十年中，对医学中AI应用的兴趣已大大增加。最近，使用计算机断层扫描（CT）图像的深度学习算法在心血管疾病（CVD）的预测和分类中的应用显示出令人鼓舞的结果。但是，在这一研究领域的显着进步与与可发现性（F），可访问性（a），互操作性（I），可重复使用性（R）相关的不同挑战有关。这项工作的目的是确定反复出现的缺失的公平相关特征，并评估用于预测/诊断CT图像中心血管疾病的数据和模型的公平程度。我们使用RDA（研究数据联盟）公平数据成熟度模型和Fairshake工具包评估了数据和模型的公平性。这一发现表明，尽管预计AI会为复杂的医疗问题带来破碎的解决方案，但数据/元数据/代码的可发现性，可访问性，互操作性和可重复性仍然是一个杰出的挑战。
人工智能（增强型超分辨率生成对抗网络）用于冠状动脉计算机断层扫描血管造影中的钙化消散：可行性研究
摘要：背景：冠状动脉中存在严重钙化始终对冠状动脉计算机断层扫描血管造影 (CCTA) 评估冠状动脉狭窄程度构成挑战，因为钙化斑块会产生晕影伪影。我们的研究目的是使用先进的人工智能（增强型超分辨率生成对抗网络 [ESRGAN]）模型来抑制 CCTA 中的晕影伪影，并确定其对改善 CCTA 对钙化斑块的诊断性能的影响。方法：对接受 CCTA 和侵入性冠状动脉造影 (ICA) 的 50 名患者的 184 个钙化斑块进行分析，测量原始 CCTA 上的冠状动脉管腔，以及三组 ESRGAN 处理的图像，包括 ESRGAN-高分辨率 (ESRGAN-HR)、ESRGAN-平均值和 ESRGAN-中值，以 ICA 为参考方法确定灵敏度、特异性、阳性预测值 (PPV) 和阴性预测值 (NPV)。结果：与使用 ESRGAN 中位数的原始 CCTA 相比，ESRGAN 处理的图像提高了所有三条冠状动脉（LAD-左前降支、LCx-左回旋支和 RCA-右冠状动脉）的特异性和 PPV，导致 LAD 的最高值为 41.0%（95% 置信区间 [CI]：30%，52.7%）和 26.9%（95% CI：22.9%，31.4%）；LCx 为 41.7%（95% CI：22.1%，63.4%）和 36.4%（95% CI：28.9%，44.5%）；RCA 为 55%（95% CI：38.5%，70.7%）和 47.1%（95% CI：38.7%，55.6%）；而原始 CCTA 的相应值分别为 21.8% (95% CI: 13.2%、32.6%) 和 22.8% (95% CI: 20.8%、24.9%)；12.5% (95% CI: 2.6%、32.4%) 和 27.6% (95% CI: 24.7%、30.7%)；LAD、LCx 和 RCA 分别为 17.5% (95% CI: 7.3%、32.8%) 和 32.7% (95% CI: 29.6%、35.9%)。在所有三条冠状动脉中，原始 CCTA 和 ESRGAN 处理的图像对灵敏度和 NPV 没有显著影响。在 RCA 水平上，ESRGAN 中值图像的受试者工作特征曲线下面积最高，原始 CCTA 和 ESRGAN-HR、平均值和中值图像对应的值分别为 0.76（95% CI：0.64, 0.89）、0.81（95% CI：0.69, 0.93）、0.82（95% CI：0.71, 0.94）和 0.86（95% CI：0.76, 0.96）。结论：这项可行性研究表明，ESRGAN 处理的图像在提高 CCTA 对钙化斑块患者的诊断价值方面具有潜在价值。
磁共振成像 (MRI) 和计算机断层扫描 (CT) 扫描 - 服务地点 - 商业和个人交换医疗政策
非癌性肌肉骨骼疾病 注意：在急诊室、观察室、紧急护理中心或住院期间进行的程序无需授权。 用于审查的医疗记录文件 健康服务的福利覆盖范围由会员特定福利计划文件和可能要求覆盖特定服务的适用法律决定。可能需要医疗记录文件来评估会员是否符合覆盖的临床标准，但不保证覆盖所要求的服务；请参阅标题为“用于审查的医疗记录文件”的协议。 适用代码 以下程序和/或诊断代码列表仅供参考，可能并不全面。本政策中的代码列表并不意味着代码描述的服务是覆盖的或不覆盖的健康服务。健康服务的福利覆盖范围由会员特定福利计划文件和可能要求覆盖特定服务的适用法律决定。包含代码并不意味着任何报销权利或保证索赔支付。其他政策和指南可能适用。
使用低剂量计算机断层扫描
骨质疏松症是一种全身性疾病，其特征是骨矿物质密度降低（BMD）和微体系结构的全身丧失，导致脆弱性骨折（1）。骨质疏松症已成为老年人口中的一种常见疾病，影响了全球超过2亿人（2）。由于骨质疏松症在早期阶段是无症状的，因此早期诊断在防止这种疾病引起的骨质疏松性骨折中起着至关重要的作用（3）。BMD测量是诊断骨质疏松症的主要基础之一。双能X射线被认为是测量BMD的标准技术（4）。定量计算机断层扫描（QCT）是测量BMD的另一种经过临床验证的方法，也可以提供结构信息（5）。QCT提供了更准确的BMD测量值，与双能X射线吸收测定法（DXA）不同，它不容易受到诸如髋关节或脊柱的严重退化变化，血管钙化，口服对比以及某些食物或饮食补充的因素，某些含量高矿物质和元素（6-8）。但是，QCT仍然有几个局限性，例如对专用软件和幻影的需求，训练有素的技术人员较少，并且经常需要校准。另外，即使使用通常包括L1和L2的标准扫描协议，QCT中的辐射剂量也明显高于DXA（9）。如今，在肺气肿检测，肺癌筛查，肝脏脂肪变性评估等（10-12）中建议使用低剂量计算机断层扫描（LDCT）。基于此，胸部与上腹部LDCT扫描相结合，经常用于物理检查中。在BMD测量中支持低辐射剂量QCT的可行性（13,14），在LDCT扫描中获得的图像涵盖了L1和L2 Spine，可用于使用专用QCT软件的BMD测量，而无需额外的成本和暴露（15）。根据许多研究，使用从标准CT扫描获得的取消骨的计算机断层扫描值（CT）值计算，其相关系数在0.399至0.891之间（16）。但是，除了不同的内部椎体
动脉粥样硬化成像定量计算机断层扫描（AI -QCT）指导在随机对照保护试验中转介到侵入性冠状动脉血管造影
8。Budoff MJ，Dowe D，Jollis JG等。64-多探测器行冠状动脉层析成像血管造影的诊断性能，用于评估没有已知冠状动脉疾病的个体的冠状动脉狭窄：前瞻性多中心精度的结果（冠状动脉层析术评估，对受侵入性冠状动脉造影的个体的个体评估）试验。JACC。 2008; 52：1724- 1732。 9。 Knuuti J，Wijns W，Saraste A等。 2019 ESC诊断和管理慢性冠状动脉综合征指南。 EUR HEART j。 2020; 41：407 -477。 10。 Chang HJ，Lin Fy，Gebow D等。 使用CCTA与直接转介的选择性转介的个人转介有关可疑CAD的侵入性冠状动脉血管造影。 JACC。 2019; 12：1303 -1312。 11。 Scanlon PJ，Faxon DP，Audet AM等。 ACC/AHA冠状动脉血管造影指南。 美国心脏病学院/美国心脏协会实践指南（冠状动脉血管造影委员会）的报告。 与心脏血管造影和干预协会合作开发。 JACC。 1999; 33：1756- 1824。 12。 Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。JACC。2008; 52：1724- 1732。9。Knuuti J，Wijns W，Saraste A等。2019 ESC诊断和管理慢性冠状动脉综合征指南。EUR HEART j。 2020; 41：407 -477。 10。 Chang HJ，Lin Fy，Gebow D等。 使用CCTA与直接转介的选择性转介的个人转介有关可疑CAD的侵入性冠状动脉血管造影。 JACC。 2019; 12：1303 -1312。 11。 Scanlon PJ，Faxon DP，Audet AM等。 ACC/AHA冠状动脉血管造影指南。 美国心脏病学院/美国心脏协会实践指南（冠状动脉血管造影委员会）的报告。 与心脏血管造影和干预协会合作开发。 JACC。 1999; 33：1756- 1824。 12。 Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。EUR HEART j。2020; 41：407 -477。10。Chang HJ，Lin Fy，Gebow D等。 使用CCTA与直接转介的选择性转介的个人转介有关可疑CAD的侵入性冠状动脉血管造影。 JACC。 2019; 12：1303 -1312。 11。 Scanlon PJ，Faxon DP，Audet AM等。 ACC/AHA冠状动脉血管造影指南。 美国心脏病学院/美国心脏协会实践指南（冠状动脉血管造影委员会）的报告。 与心脏血管造影和干预协会合作开发。 JACC。 1999; 33：1756- 1824。 12。 Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。Chang HJ，Lin Fy，Gebow D等。使用CCTA与直接转介的选择性转介的个人转介有关可疑CAD的侵入性冠状动脉血管造影。JACC。 2019; 12：1303 -1312。 11。 Scanlon PJ，Faxon DP，Audet AM等。 ACC/AHA冠状动脉血管造影指南。 美国心脏病学院/美国心脏协会实践指南（冠状动脉血管造影委员会）的报告。 与心脏血管造影和干预协会合作开发。 JACC。 1999; 33：1756- 1824。 12。 Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。JACC。2019; 12：1303 -1312。11。Scanlon PJ，Faxon DP，Audet AM等。ACC/AHA冠状动脉血管造影指南。美国心脏病学院/美国心脏协会实践指南（冠状动脉血管造影委员会）的报告。与心脏血管造影和干预协会合作开发。JACC。 1999; 33：1756- 1824。 12。 Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。JACC。1999; 33：1756- 1824。12。Abbara S，Blanke P，Maroules CD等。 SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。 J Cardiovasc Comput Tomogr。 2016; 10：435 -449。 13。 2020; 14：124 -130。Abbara S，Blanke P，Maroules CD等。SCCT绩效和获取冠状动脉层析成像血管造影的指南：心血管计算机断层扫描指南委员会的报告。J Cardiovasc Comput Tomogr。2016; 10：435 -449。13。2020; 14：124 -130。Choi AD，Parwani P，Michos ED等。 全球社交媒体对第14届心血管计算机断层扫描科学会议的反应。 J Cardiovasc Comput Tomogr。 14。 Choi AD，Thomas DM，Lee J等。 2020 SCCT培训心脏病学和放射学学员作为独立从业者（II级）和高级从业人员（III级）心血管计算机断层扫描中：心血管计算机断层扫描学会的声明。 Radiolo Cardioth Imag。 2021; 3：e200480。 15。 Choi AD，Marques H，Kumar V等。 CT通过人工智能评估动脉粥样硬化，狭窄和血管形态（澄清）：多个中心，国际研究。 J Cardiovasc。 Comput Tomogr。 2021; 15（6）：470 -476。 16。 Williams MC，Earls JP，Hecht H.动脉粥样硬化斑块的定量评估，最近的进度和当前局限性。 J Cardiovasc Comput Tomogr。 2022; 16（2）：124 -137。 17。 Griffin WF，Choi AD，Riess J，Marques H，Chang HJ，Credence研究人员，Earls J.P. AI对CT冠状动脉血管造影的冠状动脉狭窄评估，与定量冠状动脉造影和分数流动储备进行比较；一项信誉试验子研究。 JACC心脏曲线成像。 2023; 16（2）：193- 205。 18。 美国核心脏病学会。 报销和编码程序。 2020。https://www.asnc.org/coding_reimbursement19。 Douglas PS，Hoffmann U，Patel MR等。 n Engl J Med。 20。Choi AD，Parwani P，Michos ED等。全球社交媒体对第14届心血管计算机断层扫描科学会议的反应。J Cardiovasc Comput Tomogr。14。Choi AD，Thomas DM，Lee J等。 2020 SCCT培训心脏病学和放射学学员作为独立从业者（II级）和高级从业人员（III级）心血管计算机断层扫描中：心血管计算机断层扫描学会的声明。 Radiolo Cardioth Imag。 2021; 3：e200480。 15。 Choi AD，Marques H，Kumar V等。 CT通过人工智能评估动脉粥样硬化，狭窄和血管形态（澄清）：多个中心，国际研究。 J Cardiovasc。 Comput Tomogr。 2021; 15（6）：470 -476。 16。 Williams MC，Earls JP，Hecht H.动脉粥样硬化斑块的定量评估，最近的进度和当前局限性。 J Cardiovasc Comput Tomogr。 2022; 16（2）：124 -137。 17。 Griffin WF，Choi AD，Riess J，Marques H，Chang HJ，Credence研究人员，Earls J.P. AI对CT冠状动脉血管造影的冠状动脉狭窄评估，与定量冠状动脉造影和分数流动储备进行比较；一项信誉试验子研究。 JACC心脏曲线成像。 2023; 16（2）：193- 205。 18。 美国核心脏病学会。 报销和编码程序。 2020。https://www.asnc.org/coding_reimbursement19。 Douglas PS，Hoffmann U，Patel MR等。 n Engl J Med。 20。Choi AD，Thomas DM，Lee J等。2020 SCCT培训心脏病学和放射学学员作为独立从业者（II级）和高级从业人员（III级）心血管计算机断层扫描中：心血管计算机断层扫描学会的声明。Radiolo Cardioth Imag。2021; 3：e200480。15。Choi AD，Marques H，Kumar V等。 CT通过人工智能评估动脉粥样硬化，狭窄和血管形态（澄清）：多个中心，国际研究。 J Cardiovasc。 Comput Tomogr。 2021; 15（6）：470 -476。 16。 Williams MC，Earls JP，Hecht H.动脉粥样硬化斑块的定量评估，最近的进度和当前局限性。 J Cardiovasc Comput Tomogr。 2022; 16（2）：124 -137。 17。 Griffin WF，Choi AD，Riess J，Marques H，Chang HJ，Credence研究人员，Earls J.P. AI对CT冠状动脉血管造影的冠状动脉狭窄评估，与定量冠状动脉造影和分数流动储备进行比较；一项信誉试验子研究。 JACC心脏曲线成像。 2023; 16（2）：193- 205。 18。 美国核心脏病学会。 报销和编码程序。 2020。https://www.asnc.org/coding_reimbursement19。 Douglas PS，Hoffmann U，Patel MR等。 n Engl J Med。 20。Choi AD，Marques H，Kumar V等。CT通过人工智能评估动脉粥样硬化，狭窄和血管形态（澄清）：多个中心，国际研究。J Cardiovasc。 Comput Tomogr。 2021; 15（6）：470 -476。 16。 Williams MC，Earls JP，Hecht H.动脉粥样硬化斑块的定量评估，最近的进度和当前局限性。 J Cardiovasc Comput Tomogr。 2022; 16（2）：124 -137。 17。 Griffin WF，Choi AD，Riess J，Marques H，Chang HJ，Credence研究人员，Earls J.P. AI对CT冠状动脉血管造影的冠状动脉狭窄评估，与定量冠状动脉造影和分数流动储备进行比较；一项信誉试验子研究。 JACC心脏曲线成像。 2023; 16（2）：193- 205。 18。 美国核心脏病学会。 报销和编码程序。 2020。https://www.asnc.org/coding_reimbursement19。 Douglas PS，Hoffmann U，Patel MR等。 n Engl J Med。 20。J Cardiovasc。Comput Tomogr。2021; 15（6）：470 -476。16。Williams MC，Earls JP，Hecht H.动脉粥样硬化斑块的定量评估，最近的进度和当前局限性。J Cardiovasc Comput Tomogr。2022; 16（2）：124 -137。17。Griffin WF，Choi AD，Riess J，Marques H，Chang HJ，Credence研究人员，Earls J.P. AI对CT冠状动脉血管造影的冠状动脉狭窄评估，与定量冠状动脉造影和分数流动储备进行比较；一项信誉试验子研究。JACC心脏曲线成像。2023; 16（2）：193- 205。18。美国核心脏病学会。报销和编码程序。2020。https://www.asnc.org/coding_reimbursement19。Douglas PS，Hoffmann U，Patel MR等。 n Engl J Med。 20。Douglas PS，Hoffmann U，Patel MR等。n Engl J Med。20。冠状动脉疾病的解剖学与功能测试的结局。2015; 372：1291- 1300。Marwick Th，Cho I，ÓHartaighB，Min JK。 找到心脏导管实验室的守门人。 JACC。 2015; 65：2747- 2756。 21。 Lucas FL，Siewers AE，Malenka DJ，Wennberg de。 诊断 - 治疗性级联反应：冠状动脉血管造影，冠状动脉搭桥手术手术和经皮冠状动脉干预。 循环。 2008; 118：2797-2802。Marwick Th，Cho I，ÓHartaighB，Min JK。找到心脏导管实验室的守门人。JACC。 2015; 65：2747- 2756。 21。 Lucas FL，Siewers AE，Malenka DJ，Wennberg de。 诊断 - 治疗性级联反应：冠状动脉血管造影，冠状动脉搭桥手术手术和经皮冠状动脉干预。 循环。 2008; 118：2797-2802。JACC。2015; 65：2747- 2756。21。Lucas FL，Siewers AE，Malenka DJ，Wennberg de。 诊断 - 治疗性级联反应：冠状动脉血管造影，冠状动脉搭桥手术手术和经皮冠状动脉干预。 循环。 2008; 118：2797-2802。Lucas FL，Siewers AE，Malenka DJ，Wennberg de。诊断 - 治疗性级联反应：冠状动脉血管造影，冠状动脉搭桥手术手术和经皮冠状动脉干预。循环。2008; 118：2797-2802。
计算机断层扫描测量治疗前细胞外体积分数对腹部神经母细胞瘤原发病灶对术前化疗反应的影响
目的：回顾性研究治疗前计算机断层扫描（CT）测量的细胞外体积分数（ECV）对腹部神经母细胞瘤原发灶对术前化疗反应的影响。方法：回顾性纳入75例腹部神经母细胞瘤患者。治疗前在平扫和平衡期CT图像上确定原发灶和主动脉的感兴趣区域，并测量其平均CT值。根据患者血细胞比容和平均CT值计算ECV。检查ECV与原发灶体积减少之间的相关性。生成受试者工作特征曲线以评估ECV对原发灶非常好的部分反应的预测性能。结果：原发病灶体积缩小与 ECV 呈负相关（r = -0.351，p = 0.002），部分反应极好的原发病灶 ECV 较低（p < 0.001）。ECV 预测原发病灶部分反应极好的曲线下面积为 0.742（p < 0.001），95% 置信区间为 0.628 至 0.836。最佳截断值为 0.28，灵敏度和特异性分别为 62.07% 和 84.78%。结论：CT 图像上治疗前 ECV 的测量与腹部神经母细胞瘤原发病灶对术前化疗的反应具有显著相关性。
增强双能计算机断层扫描的定量参数，用于区分肺癌与固体肺结节中的良性病变
Results: The independent factors for differentiating lung cancers from benign solid pulmonary nodules included diameter, Lung-RADS categorization of diameter, volume, Zeff in arterial phase (Zeff_A), IC in arterial phase (IC_A), NIC in arterial phase (NIC_A), Zeff in venous phase (Zeff_V), IC in venous phase (IC_V), and NIC in venous phase （NIC_V）（全p <0.05）。由直径和NIC_V组成的IC_V，NIC_V和组合模型表现出良好的诊断性能，AUC为0.891、0.888和0.893，它们优于直径，直径，直径，体积，体积，Zeff_a和Zeff_A和Zeff_V（Zeff_A和Zeff_V（所有p <0.001））的直径分类。IC_V，NIC_V和组合模型的灵敏度高于IC_A和NIC_A的灵敏度（全部p <0.001）。与IC_V（P = 0.869）或NIC_V（P = 0.633）相比，组合模型没有增加AUC。