目的 探讨基于增强CT（CECT）的影像组学模型鉴别新辅助化疗联合免疫治疗（NACI）后食管鳞状细胞癌（ESCC）头侧癌旁组织与切缘组织的可行性。方法 回顾性收集2家医疗中心的188例接受NACI并经病理证实的ESCC病人的CECT特征和临床资料。将来自A中心的138例病人按7∶3的比例随机分为训练集（97例）和内部验证集（41例），来自B中心的50例病人作为外部验证集。采用3D-Slicer开源软件在CECT影像勾画4个头侧癌旁组织（P1、P2、P3和P4）与切缘组织（P5）的感兴趣区（ROI）（分别距肿瘤上缘1、2、3、4、5 cm），Pyrdiomics软件包提取影像组学特征。将4处头侧癌旁组织获得的特征分别与切缘组织特征进行配对，用以鉴别两者，即P1、P2、P3、P4组。采用单因素分析、最小绝对收缩和选择算子（LASSO）算法筛选训练集中的最优影像组学特征，构建Logistic回归模型。采用受试者操作特征（ROC）曲线下面积（AUC）评估影像组学模型的鉴别效能。结果 在训练集、内部验证集及外部验证集中，P1组模型的AUC分别为0.831、0.820、0.787，P2组模型的AUC分别为0.809、0.797、0.769。P1组、P2组模型均有较好的鉴别效能（均AUC>0.76），且P1组模型的AUC值均分别大于P2组模型。结论 基于增强CT影像组学模型对鉴别NACI后ESCC头侧癌旁组织（P1和P2）与切缘组织具有较好的效能。
目的 探讨基于基线增强CT和临床特征的列线图模型预测局部进展期食管胃结合部腺癌（AEG）对新辅助化疗（NAC）的反应性。方法 从2个医疗中心回顾性收集经内镜活检证实为AEG的168例病人的临床资料和增强CT影像，将中心1纳入的病人（134例）按7∶3的比例随机分为训练集（100例）和内部验证集（34例），中心2纳入的病人作为外部验证集（34例）。所有病人接受统一NAC方案及治疗前后增强CT检查。根据实体瘤疗效评价标准，将训练集病人按照治疗反应分为疾病控制组（71例）和疾病进展组（29例），并采用t检验、Mann-whitney U检验、 χ2检验和Fisher确切概率检验比较2组间临床资料的差异。将差异有统计学意义的特征纳入二元Logistic回归分析进行筛选以确定独立预测因素，基于这些因素构建列线图模型。采用受试者操作特征曲线下面积（AUC）、敏感度、特异度评价模型的预测效能，校准曲线评估模型的校正能力，决策曲线评估模型带来的临床净收益。结果 训练集中疾病控制组和疾病进展组间cT分期、大体肿瘤体积（GTV）、Siewert分型的差异均有统计学意义（均P<0.05），二元逻辑回归分析显示Siewert分型、cT分期、GTV为独立预测因素（均P<0.05）。基于上述独立预测因素构建列线图模型，该模型在训练集、内部验证集和外部验证集中AUC均>0.80，训练集中模型的AUC（0.841）和敏感度（0.935）最高，而特异度最低（0.652）。校准曲线显示预测概率与实际结果高度吻合，决策曲线显示该模型能带来净收益。结论 基于cT分期、GTV和Siewert分型构建的列线图模型能很好地预测局部进展期AEG对NAC的反应性。
目的 探讨基于原发灶及瘤周影像组学特征构建的机器学习模型在术前预测胃癌脉管浸润（LVI）中的价值。方法 回顾性收集148例经手术病理证实为胃癌病人的临床及影像资料，根据病理结果将病人分为LVI阳性组（79例）和阴性组（69例）。按7∶3的比例将病人随机分为训练集（103例）和测试集（45例）。基于原发灶及瘤周区域提取影像组学特征。最小绝对收缩和选择算子（LASSO）方法筛选最优影像组学特征，并计算影像组学评分（Rad-score）。将2组间差异有统计学意义的临床特征联合Rad-score进行多因素Logistic回归分析，筛选变量以构建机器学习模型。采用7种机器学习算法[逻辑回归（LR）、极限梯度提升（XGBoost）、随机森林（RF）、高斯朴素贝叶斯（GNB）、支持向量机（SVM）、轻量级梯度提升机（LightGBM）和K-最近邻（KNN）]构建临床-影像组学模型。通过受试者操作特征（ROC）曲线分析模型的效能。采用校准曲线和决策曲线分析（DCA）评估模型的校准度和临床净获益。采用沙普利加和解释（SHAP）方法对预测模型提供可视化解释。结果 训练集中7种机器学习模型的AUC均大于0.650，其中RF模型的AUC（0.858）、敏感度（0.895）、准确度（0.776）均最高。校准曲线显示RF模型的Brier评分（0.153）最低，预测准确性最好。DCA显示风险阈值在0.30~0.70时，RF模型可获得更高的临床净获益。测试集中RF模型的诊断效能较稳定，AUC为0.821。SHAP分析显示了胃癌病人LVI风险相关的重要因素，并为个体预测提供了可视化的解释。结论 基于原发灶、瘤周影像组学特征及临床因素构建的RF模型在术前预测胃癌LVI状态中具有重要价值。
目的 基于深度学习方法训练模型，探讨其在CT平扫影像上完成全自动分割肾上腺的可行性。方法 回顾性收集行肾上腺CT平扫检查的病人1 200例。采用5折交叉验证法，将病人按8∶2的比例分为训练集（960例）和内部测试集（240例）；另外收集行肾上腺CT平扫检查病人81例作为独立测试集。基于nnU-Net框架分别构建2D nnU-Net和3D nnU-Net分割模型。采用Mann-Whitney U检验、 χ2检验对2组数据集之间的临床和CT影像特征进行比较。以内部测试集和独立测试集的Dice系数（DSC）、Hausdorff距离（HD）、平均对称表面距离（ASSD）、召回率（Recall）和精确度来客观评价模型的分割效能。由2名影像医师对独立测试集3D nnU-Net模型分割结果进行主观评价。结果 训练集+内部测试集和独立测试集之间一般资料比较，其差异均无统计学意义（均P>0.05）。在内部测试集和独立测试集上，2D 和3D nnU-Net模型对左、右侧肾上腺分割效能均较高。相比2D nnU-Net模型，3D nnU-Net模型的Dice系数、精确度均更高，HD、ASSD更低，召回率更高或相似。与2D nnU-Net模型相比，3D nnU-Net的分割效果与人工标注更接近。2名影像医师对3D nnU-Net模型在独立测试集中的分割预测结果进行主观评价，其中62.96%分割满意，37.04%分割不满意。结论 基于深度学习构建的肾上腺分割模型在平扫CT影像上全自动分割肾上腺具有可行性。
目的 探究基于能谱CT的影像组学机器学习模型及列线图在术前对结直肠癌（CRC）病人KRAS基因状态的鉴别效能。方法 回顾性纳入137例接受KRAS突变检测且术前行能谱CT检查的CRC病人（KRAS野生型70例，KRAS突变型67例），按7∶3比例随机分为训练集（95例）和测试集（42例）。在静脉期70 keV单能量增强CT影像上勾画病灶ROI，提取并筛选影像组学特征，并采用最小绝对收缩和选择算子（LASSO）回归系数计算影像组学评分（Rad-score）。建立6种模型，分别为基于支持向量机（SVM）、极端梯度提升（XGBoost）和逻辑回归（LR）的影像组学模型和联合模型（能谱CT影像特征+Rad-score）。通过受试者操作特征（ROC）曲线下面积（AUC）评估模型效能并采用DeLong检验进行比较。基于影像组学评分构建影像组学列线图，并在测试集验证。通过校准曲线、临床决策曲线和临床影响曲线分别评估列线图的校准度、临床净获益和临床有效率。结果 共筛选出8个影像组学特征和1个能谱参数。在测试集中，基于LR的联合模型效能最优，AUC为0.891，高于由SVM、XGBoost和LR构建的影像组学模型（AUC分别为0.796，0.787和0.812；均P<0.05）及由SVM、XGBoost构建的联合模型（AUC分别为0.889和0.873；均P<0.05）。列线图模型在训练集和测试集中的AUC分别为0.987和0.916，校准曲线显示训练集拟合良好，测试集拟合逊色于训练集。临床决策曲线和临床影响曲线显示列线图具有良好的临床净收益和临床有效率。结论 基于静脉期能谱CT及其影像组学构建的LR模型和列线图在术前预测CRC的KRAS基因状态中具有一定的参考价值，可为临床提供参考信息。
目的 比较超弧刀（Hyperarc）、容积调强弧形治疗（VMAT）、调强放射治疗（IMRT）、三维适形放射治疗（3DCRT）治疗多发脑转移瘤的剂量学和效果差异。方法 前瞻性选取168例多发脑转移瘤病人，随机分为4组（n=42），分别采用Hyperarc、VMAT、IMRT和3DCRT技术设计治疗计划。采用单因素方差分析、Kruskal-Wallis检验、卡方检验比较4组病人的临床资料及治疗有效率，并比较4组间计划靶区剂量学参数[均匀性指数（HI）、适形度指数（CI）、梯度指数（GI）]，危及器官剂量[双侧晶体及脑干的最大剂量（Dmax）和平均剂量（Dmean）]、机器跳数和出束时间。结果 Hyperarc组的治疗有效率高于VMAT组、IMRT组和3DCRT组（P<0.05）；与其他3组相比，Hyperarc组病人计划靶区HI、GI以及双侧晶体及脑干Dmax、Dmean均较低，计划靶区的Dmean和CI均更高（均P<0.05）；VMAT组和IMRT组病人计划靶区HI、GI，以及双侧晶体及脑干Dmax、Dmean均低于3DCRT组（均P<0.05），计划靶区Dmean和CI高于3DCRT组（P<0.05）；Hyperarc组机器跳数和出束时间均低于VMAT组、IMRT组，但高于3DCRT组（均P<0.05）。结论 在多发脑转移瘤病人的放射治疗中，Hyperarc技术的靶区剂量学分布以及对危及器官的保护具有优势。
2024年美国心脏协会（AHA）颁布了心脏结节病（CS）的诊断与管理科学声明，系统阐释了CS这一以非坏死性肉芽肿性炎症为特征的浸润性心肌病的诊疗框架。声明强调，多模态影像学技术是CS诊断的核心支柱。本文聚焦声明核心内容，重点解读CS多模态影像技术的临床应用价值及诊断标准，以及心脏MR（CMR）与PET的协同诊疗策略，以期为临床实践提供精准影像评估路径。
静息态功能连接梯度（FCG）是一种大脑功能连接（FC）分析方法，已广泛用于多种神经精神疾病的研究。FCG研究可采用功能连接矩阵构建、相似性矩阵构建、降维以及梯度对齐等方法，揭示大脑的拓扑结构并反映大脑内功能连接连续性的变化模式。概述FCG的各种方法，并就其在阿尔茨海默病（AD）、精神分裂症、重度抑郁症（MDD）、孤独症谱系障碍（ASD）及癫痫等疾病中的应用进展作一综述。
功能性便秘（FC）是一种常见的功能性胃肠道疾病，与脑肠异常交互有关。脑MRI技术能够无创、客观且定量地揭示FC相关脑区和拓扑网络的结构和功能异常，同时提供多维度的特征信息。就脑结构MRI和静息态功能MRI对FC脑肠交互的评估，以及情绪亚型相关脑功能改变和脑影像遗传学研究进行综述。
难治性癫痫的诊疗难度大且预后欠佳。一体化PET/MRI结合了PET和MRI两种成像模态的优势，可同步呈现结构、功能及分子水平信息，能够为难治性癫痫病人提供更全面客观的诊疗依据。简述一体化PET/MRI的显像原理，并就其在难治性癫痫术前精准定位和预后随访评估中的临床应用进行综述。
心力衰竭（HF）是常见心血管疾病之一，心脏磁共振（CMR）以高分辨率和无辐射等优势成为HF诊断的理想手段。快速应变编码（fast-SENC）技术是一种用于区域心肌功能测量的CMR技术，能快速准确评估心肌应变，通过生成不同颜色的编码可直接显示心肌在收缩和舒张过程中的变形情况；此外，该技术还能敏感地识别不同临床阶段HF病人的心功能异常，并为其诊断和预后评估提供可靠的影像学依据。就fast-SENC技术在HF中的应用进展予以综述。
冠状动脉CT血管成像为冠状动脉疾病诊断、临床治疗决策、疗效评估和预后预测的首选无创影像检查方法。冠状动脉CT血管成像可对斑块性质和管腔狭窄程度进行评价，还能获得一些反映冠状动脉血流储备、冠状动脉周围脂肪炎症、左室心肌应变、左室心肌纤维化和左室心肌灌注的定量参数。针对这些定量的衍生参数在冠状动脉疾病中的应用进行综述。
超快速动态对比增强（UF-DCE）MRI凭借成像速度快、时间分辨率高，且能获得丰富的血流动力学参数的优势已用于乳腺癌的早期筛查、鉴别诊断、新辅助化疗疗效预测及预后评估。就UF-DCE MRI的技术原理、在乳腺癌诊疗中的应用以及UF-DCE MRI中的人工智能应用等各项研究进展进行综述。
早期诊断和准确评估肾脏损伤程度对慢性肾脏病（CKD）的治疗和预后具有重要意义。影像组学可通过深度挖掘医学影像中的信息，高通量地提取大量人眼无法识别的定量特征从而构建模型，对CKD进行诊断和分期，并评估肾功能和肾脏纤维化程度。就基于超声、MRI、CT的影像组学在CKD诊断及评估中的研究进展进行综述。
骨质疏松症（OP）的早期筛查和监测是预防脆性骨折发生的关键。水脂分离成像（IDEAL-IQ、3D mDixon Quant）、椎体骨质量（VBQ）评分、超短回波时间（UTE）、高分辨MRI（HR-MRI）、体素内不相干运动（IVIM）、动态增强MRI（DCE-MRI）和磁共振集合序列等多种MRI定量技术在评估OP病人骨髓脂-水组成、骨小梁微结构、骨髓微循环灌注及生物物理特性方面均具有较好的效能。就以上MRI定量技术在OP中的研究进展予以综述。
动脉粥样硬化（AS）的精准诊断和治疗是提高病人生存率的关键。目前通过集合靶向、示踪、治疗一体化的纳米材料可以获取更详细的影像学信息，实现精准靶向、局部治疗，在提高疗效的同时降低系统性治疗的毒副作用，对诊断及治疗AS有很好的应用前景。就一体化纳米材料在对AS不同病理阶段应用的研究进展予以综述。
体脂率是衡量个体体内脂肪量的重要指标。超声作为一种安全、无创的检查方法，不仅可直观检测脂肪层厚度，有效区分皮下与内脏脂肪，还可通过多位点脂肪厚度的定量测量评估体脂率。合理选择测量位点非常有利于提高体脂率估测的准确性。就超声测量皮下脂肪和腹内脂肪的潜在价值、可重复性以及在体脂率评估中的应用进行综述。
影像学评估对结直肠癌根治性手术后病人的随访具有重要作用。成纤维细胞激活蛋白抑制剂(FAPI)作为新兴的核素显像剂，其摄取不受糖代谢的影响，能提供更高的肿瘤背景比，更易发现复发病灶，尤其在非FDG亲和型肿瘤、腹膜转移及小病灶检测中具有较大优势。就FAPI PET/CT在结直肠癌根治术后复发及转移评估中的应用进展进行综述。
头颈部血管性病变是导致脑卒中等严重健康问题的主要因素之一，其病理进程与血流动力学异常密切关联。计算流体力学（CFD）通过构建病人特异性三维血管模型，可量化分析血管几何参数及血流动力学特征，可用于了解头颈部动脉粥样硬化和颅内动脉瘤的病理机制，并在预测病变进展、制定治疗策略中发挥重要作用。现就CFD在头颈部血管性病变中的应用进展作一综述。
梅尼埃病（MD）的诊断常采用经静脉注射钆对比剂来完成内耳MR成像。合理选择钆对比剂、优选扫描序列、调整成像参数及影像后处理方案等，可以改善MD病人内耳MRI的成像质量，降低钆对比剂风险。现就经静脉注射钆对比剂内耳MR对比成像的现状及优化方法进行综述，以期为临床更好地应用该技术提供依据。
