目的 通过整合多种静息态功能磁共振成像(rs-fMRI)生物标志物构建自闭症谱系障碍（ASD）机器学习诊断模型，以实现ASD的精准诊断。方法 纳入自闭症脑成像数据交换（ABIDE）数据库中1 420例5~18岁受试者的rs-fMRI数据，计算rs-fMRI的6种生物标志物，包括静息状态功能连接（FC）、低频振幅（ALFF）、分数低频振幅（fALFF）、局部一致性（ReHo）、度中心性（DC）及体素镜像同伦连接（VMHC），经单因素方差分析（P<0.05）筛选差异变量，再通过方差膨胀因子（VIF）降低多重共线性和前向特征选择确定重要特征子集后，构建逻辑回归（LR）、极限梯度提升（XGBoost）、轻量级梯度提升机（LightGBM）、支持向量机（SVM）以及被动攻击分类器（PAC）5种机器学习模型，以ABIDEⅠ为训练集，ABIDEⅡ为外部验证集评估模型效能。绘制受试者操作特征（ROC）曲线，并通过曲线下面积（AUC）、准确度、精确度和F1分数来评估模型效能。采用鲁棒性分析评估模型稳定性。结果 共筛选出185个重要特征，包括170个FC特征、6个DC特征、5个ALFF特征、3个fALFF特征、1个VMHC特征。在整合多种rs-fMRI生物标志物特征的5种机器学习模型中，LR模型诊断效能最高（在训练集中的AUC为85.97%，准确度79.59%，精确度79.82%，F1分数79.52%；在外部验证集中的AUC为85.14%，准确度为77.97%，精确度为78.01%，F1分数为77.98%），且鲁棒性分析验证模型效能波动小，泛化稳定性优异。结论 整合多种rs-fMRI生物标志物的机器学习模型，可作为ASD神经影像学诊断的有效工具，为ASD早期筛查提供潜在的技术支持。

目的 探讨不同情绪症状亚型功能性便秘（FC）病人静息态功能MRI（rs-fMRI）的二维低频振幅（2DALFF）差异，旨在寻找能够反映情绪状态的影像学标志物。方法 前瞻性纳入71例FC病人和42例健康对照，收集受试者临床资料、焦虑自评量表（SAS）、抑郁自评量表（SDS）及rs-fMRI数据。基于SAS和SDS量表评分，采用K-means聚类方法将FC病人分为伴焦虑/抑郁状态组（FCAD，39例）和不伴焦虑/抑郁状态组（FCNAD，32例）。使用DPABISurf工具包对rs-fMRI数据进行预处理，生成双侧大脑半球的2DALFF图；并以2DALFF分析中存在差异的脑区作为种子点，进一步行左、右半球静息态功能连接（RSFC）分析。采用单因素协方差分析比较3组间2DALFF与RSFC的差异（经蒙特卡洛模拟校正，顶点水平P<0.001，聚类水平P<0.025/半球，迭代10 000次），并对差异脑区进行LSD-t事后两两比较（Bonferroni校正，P<0.016）。通过受试者操作特征（ROC）曲线评估差异脑区2DALFF值对FCAD与FCNAD的鉴别效能。采用偏相关分析评估脑功能参数与量表评分的相关性（Bonferroni校正，P<0.001 8）。结果 右侧边缘网络-颞极4区与右侧默认网络-顶叶3区的2DALFF值差异具有统计学意义（P<0.025）。右侧默认网络-顶叶3区2DALFF值鉴别FCAD与FCNAD的曲线下面积（AUC）为0.830；以该脑区作为种子点进行全脑RSFC分析，组间差异脑区分布于默认网络、感觉运动网络、额顶网络和腹侧注意网络（P<0.025）。右侧默认网络-顶叶3区2DALFF值与SAS评分呈显著负相关（r=-0.391，P=0.000 7）。结论 FCAD病人2DALFF异常脑区位于右侧 (非优势) 半球。右侧默认网络-顶叶3区2DALFF值对鉴别FCAD与FCNAD具有较高的诊断效能，与多个脑网络存在异质性功能连接，同时该脑区与情绪状态具有相关性，可能作为FCAD病人潜在治疗靶点的影像学标志物。

目的 评估低密度脂蛋白胆固醇/高密度脂蛋白胆固醇（LDL-C/HDL-C）比值联合冠状动脉周围脂肪衰减指数（FAI）对2型糖尿病（T2DM）病人经皮冠状动脉介入治疗（PCI）术后支架内再狭窄（ISR）的预测价值。方法 回顾性纳入接受PCI治疗、术前行冠状动脉CT血管成像（CCTA）检查且术后接受有创冠状动脉造影（ICA）随访的T2DM病人185例（共有216处靶病变）。病人分为ISR组（44例）和非ISR组（141例）。测量靶病变处FAI并计算LDL-C/HDL-C比值。使用最大选择Log-rank检验确定FAI、LDL-C/HDL-C比值的最佳截断值。采用Kaplan-Meier方法分析无事件生存率，并用Log-rank检验比较不同亚组间的生存差异。采用Cox回归分析筛选ISR危险因素，并据此构建3个ISR预测模型（模型1：基于临床危险因素；模型2：在模型1中加入 LDL-C/HDL-C比值；模型3：在模型2中加入FAI），计算Harrell C统计量（C指数）、连续净重分类指数（NRI）、综合判别指数（IDI）及时间依赖性受试者操作特征（ROC）曲线下面积（AUC），综合评估各模型的预测效能。采用DeLong检验比较各模型的 C 指数，使用Bootstrap重抽样（B=1 000）比较模型的NRI和IDI。结果 所有病人的中位随访时间19.88（12.30，40.87）个月，ISR发生率为23.78%。FAI与LDL-C/HDL-C比值预测ISR的最佳截断值分别为-67.64 HU与2.06；双阳性组（2项均>截断值）病人发生ISR的风险显著高于双阴性组或单阳性组病人（Log-rank检验，P<0.001）。多因素分析显示高血压（HR=2.01）、FAI增高（HR=1.08）及LDL-C/HDL-C比值增大（HR=1.40）是T2DM病人ISR的独立危险因素（均P<0.05）。模型3的预测效能显著优于模型2（C指数：0.81和0.78，Z=3.07，P=0.048；NRI=0.78，IDI=0.67，均P=0.001）。模型3在1年、3年和5年的AUC分别为0.91、0.76和0.89。结论 在传统临床危险因素基础上联合LDL-C/HDL-C比值与FAI可显著提升对ISR的预测效能，为T2DM病人PCI术后ISR风险评估提供增量预后价值。

目的 探讨基于乳腺X线影像组学逻辑回归（LR）模型联合临床及X线特征预测腋窝淋巴结（ALN）转移的可行性与应用价值。方法 回顾性收集2家医院行乳腺X线检查且经手术病理证实的女性乳腺癌病人共355例。将一家医院的病人（279例）按照7∶3比例随机分为训练集（195例）和验证集（84例）；另一家医院同期收集的病人（76例）作为外部测试集。根据ALN病理结果将全部病人分为ALN转移组（142例）与非转移组（213例）。对乳腺X线影像组学特征进行特征降维及筛选，采用LR分类器构建基于影像组学特征的LR模型，基于输出概率值计算影像组学评分（Radscore）。分析病人的实验室结果、影像T分期，肿块最大径、形态、边缘、密度等，筛选出差异有统计学意义的临床及乳腺X线指标。采用多因素Logistic回归筛选出ALN转移的独立预测因素，并联合Radscore构建组合模型。采用受试者操作特征（ROC）曲线评估模型的预测效能。采用DeLong检验比较各模型AUC值的差异。采用校准曲线评估预测效能较高的模型的拟合优度，并联合决策曲线分析其临床净收益。结果 共筛选出10个最优影像组学特征，用于构建LR模型，并计算Radscore。CA153、影像T分期、肿块最大径是ALN转移的独立预测因子，分别用于构建临床模型、X线特征模型、联合Radscore构建的组合模型。组合模型预测ALN转移的AUC值与敏感度均最高（DeLong检验均P<0.001）。组合模型及LR模型预测ALN转移与实际临床观察结果间具有良好的一致性，且均具有较高的临床净获益。结论 基于乳腺影像组学的LR模型及组合模型可于术前准确预测ALN转移，辅助个体化诊疗决策。

目的 探讨妊娠晚期正常胎儿肺发育超声参数随孕龄的变化规律，分析各参数与孕龄的相关性强弱，并探讨胎儿妊娠晚期肺发育超声多参数的正常参考值范围。方法 回顾性纳入妊娠30~41⁺⁶周的孕妇300例，根据孕龄分为30~31⁺⁶周、32~33⁺⁶周、34~35⁺⁶周、36~37⁺⁶周、38~39⁺⁶周、40~41⁺⁶周共6组，每组50例。采用二维超声测量胎儿肺发育的相关参数，包括胎儿主肺动脉（MPA）内径、右肺面积、右肺周长；彩色多普勒超声获取MPA血流速度曲线参数，包括搏动指数（PI）、阻力指数（RI）、加速时间（AT）、射血时间（ET）及AT/ET。采用单因素方差分析比较各孕龄组间超声参数的差异，通过Pearson相关分析各参数与孕龄的相关性，并绘制回归曲线。分析超声各参数在妊娠晚期不同阶段的正常参考值范围。结果 各孕龄组间PI、AT、AT/ET、MPA内径、右肺面积和右肺周长差异均有统计学意义（均P<0.05），RI和ET的差异无统计学意义（均P>0.05）；其中胎儿PI与孕龄呈极强负相关（r=-0.811，P<0.001），AT、AT/ET、MPA内径、右肺面积和右肺周长与孕龄呈强正相关（r=0.658、0.675、0.663、0.761、0.759，均P<0.001）。进一步的研究结果显示，随着孕龄的增加，PI总体呈下降趋势，AT、AT/ET、MPA内径、右肺面积和右肺周长总体呈上升趋势。结论 超声多参数评估可有效反映妊娠晚期胎儿肺发育情况。本研究初步探讨了妊娠晚期胎儿肺发育多项超声参数的变化规律，可能为临床无创性评估胎儿肺发育情况提供客观的影像学依据。

目的 探讨基于MRI的瘤体和瘤周影像组学特征联合临床因素构建的模型在鉴别软组织肿瘤（STT）良恶性中的临床价值。方法 回顾性纳入来自2个医疗中心经病理证实为STT的病人。将中心1病人（295例）按7∶3的比例随机分为训练集（206例）与内部验证集（89例），将中心2病人（106例）作为外部测试集。基于脂肪抑制T₂WI（FS-T₂WI）与对比增强T₁WI（CE-T₁WI）序列提取瘤体及瘤周影像组学特征。采用多层感知机（MLP）算法分别构建瘤体影像组学模型、瘤周影像组学模型与瘤体-瘤周影像组学模型，并通过沙普利加和解释（SHAP）方法解释各特征对模型鉴别的贡献。联合性能最佳的影像组学模型与筛选出的临床因素构建联合模型。采用受试者操作特征（ROC）曲线及曲线下面积(AUC)评价模型效能，通过校准曲线分析模型预测概率与实际发生率之间的校准程度，并采用决策曲线分析（DCA）评估模型在不同阈值概率范围内的临床净获益。结果 最终选出 8个瘤体特征和9个瘤周特征，由其构建的瘤体-瘤周影像组学模型效能在3个组学模型中最佳，在训练集、内部验证集与外部测试集中AUC 分别为0.941、0.876和0.836。将瘤体-瘤周影像组学模型与临床因素（年龄与肿瘤最大径）整合构建的联合模型效能进一步提高，在训练集、内部验证集与外部测试集中AUC 分别为0.969、0.902和0.851。SHAP方法进一步揭示了每个特征对模型输出结果的贡献。DCA和校准曲线显示联合模型具有较好的临床净效益和拟合优度。结论 瘤体-瘤周影像组学模型联合临床因素所构建的联合模型，是一种无创且较为准确鉴别良恶性STT的方法，具有较高的临床价值。

目的 分析基于MRI的深度学习模型在膝关节骨关节炎（KOA）中的预测价值。方法 回顾性纳入因膝关节疼痛、晨僵等症状行膝关节MRI检查的病人305例，其中男174例、女131例，平均年龄（62.35±6.10）岁。将病人按照7∶3的比例随机分为训练集（214例）和验证集（91例）。根据KOA诊断标准，将训练集分为KOA组（128例）和非KOA组（86例），验证集分为KOA组（55例）和非KOA组（36例）。采用Pyradiomics 3.0.1软件提取半月板MRI影像组学特征，最小绝对收缩和选择算子（LASSO）回归分析法、10折交叉验证法筛选出训练集中的预测KOA的最优影像组学特征，据此分别构建随机森林（RF）、支持向量机（SVM）、梯度提升决策树（XGBoost）预测模型。采用受试者操作特征（ROC）曲线评估预测模型效能，并计算其曲线下面积（AUC）、敏感度和特异度。采用DeLong检验比较不同预测模型AUC值的差异。采用校准曲线、决策曲线分析评估预测模型校准度和临床实用性。结果 共筛选出9个预测KOA的最优影像组学特征，包括一阶统计特征2个、纹理特征4个、形态学特征1个、小波变换衍生特征2个。ROC曲线结果显示，训练集和验证集中XGBoost预测模型的AUC值均高于RF、SVM预测模型（均P<0.05）。校准曲线结果显示，训练集和验证集中，RF、SVM、XGBoost预测模型预测概率与实际观察值一致性良好。决策曲线分析结果显示，在较为广泛的阈值概率内（训练集0.05~0.82，验证集0.03~1.00），XGBoost预测模型具有更高的临床净获益。结论 基于MRI半月板自动分割构建的XGBoost预测模型具有良好的预测效能，有望成为辅助KOA早期诊断与临床决策的可靠定量化工具。

2型糖尿病（T2DM）相关认知功能障碍的早期识别与机制探究是当前研究热点。多模态MRI能够通过结构MRI、动脉自旋标记（ASL）、扩散张量成像（DTI）及其衍生技术、静息态功能MRI（rs-fMRI）以及定量磁化率成像（QSM）等多种技术，从脑宏观形态结构改变、血管损伤、白质微结构损伤与类淋巴系统功能失调、脑网络连接异常与铁沉积等多维度揭示该病神经病理机制。本文综述MRI在T2DM相关认知障碍中的研究进展，以期为临床诊断与治疗提供影像学依据。

儿童心脏CT（CCT）是临床诊断儿童心血管疾病的重要检查手段，但其辐射安全性一直是临床关注的重点。随着人工智能技术的发展，深度学习重建（DLR）技术已被应用于低剂量心脏成像，其在降低影像噪声、提升空间分辨率、减少辐射剂量及对比剂用量等方面展现出了显著的应用价值。本文就DLR的技术原理和优势，及其在低剂量儿童CCT中体模试验及临床应用的研究进展进行综述。

肿瘤浸润淋巴细胞（TIL）是乳腺癌肿瘤免疫微环境中的关键组成部分，其水平与病人预后、新辅助化疗疗效及免疫治疗疗效密切相关。传统病理学方法评估TIL存在主观性强、有创、耗时久等局限；数字病理结合人工智能可提高TIL评估的客观性和可重复性，并为影像学模型提供较为可靠的病理参照。相比之下，影像学方法能够较为全面地反映TIL在肿瘤组织中分布的时空异质性。影像组学、生境成像、深度学习及多任务学习等新兴方法能够一定程度上突破传统方法的局限，为乳腺癌精准诊疗提供新的思路和依据。本文就医学影像及人工智能在乳腺癌TIL评估中的研究进展进行综述。

胃癌的微卫星不稳定（MSI）状态会显著影响病人的治疗方式及预后，CT和MRI等影像学方法为MSI状态预测提供了新思路，通过分析影像定量参数或提取影像特征构建模型，可在术前无创预测MSI状态，从而为病人个体化治疗方案的选择提供依据。本文就多模态影像技术、影像组学及深度学习在胃癌MSI状态预测中的研究进展进行综述。

肿瘤血管生成在软组织肉瘤（STS）进展中起关键作用。动态对比增强MRI（DCE-MRI）、体素内不相干运动（IVIM）、扩散峰度成像（DKI）、血氧水平依赖功能MRI（BOLD-fMRI）、氢质子MR波谱 （¹H-MRS）等MRI技术，通过整合结构与功能信息，能够无创性定量分析肿瘤微血管灌注和通透性、细胞密度、代谢等微观特征，反映STS血管生成状态。就MRI技术在STS血管生成评估中的应用进展予以综述。

软组织肿瘤（STT）病理类型复杂、异质性强。功能MRI（fMRI）具有量化水分子扩散、血流灌注、代谢特征等优势，是目前STT 诊疗中的常用技术，包括扩散加权成像（DWI）、体素内不相干运动（IVIM）、磁共振波谱（MRS）等。本文综述了fMRI在肿瘤细胞增殖、血管生成、代谢重编程等微观机制中的研究价值，其在 STT良恶性鉴别、术前分期、疗效评估与预后预测中的应用，以及基于fMRI的影像组学与深度学习在STT诊疗中的应用进展。

钙化软骨区（CCZ）的病理重塑与早期骨关节炎（OA）的发生发展密切相关。超短回波时间（UTE）成像技术突破常规MRI对短T₂组织信号采集的限制，实现了CCZ的在体可视化。本文介绍CCZ的结构特征及其在OA早期的病理重塑机制，总结UTE及其衍生序列在CCZ形态学和定量评估中的研究进展，并探讨其在OA早期诊断、风险评估及疗效监测中的应用价值。

颈椎后纵韧带骨化（OPLL）是一类以后纵韧带异位增生并骨化为特征的慢性退变性疾病。人工智能（AI）技术基于X线、CT及MRI等影像数据，可构建多种机器学习和深度学习模型，显著提升OPLL的诊疗效率，已应用于病变自动检测、骨化范围定量评估、关键影像参数测量及术后预后预测等方面，对OPLL精准诊疗具有良好的应用前景。本文就AI在OPLL影像自动分析及术后预测中的应用进展予以综述。

目的 探讨跖趾关节（MTPJ）跖板正常解剖及损伤的MRI表现。方法 回顾性纳入28名MTPJ跖板正常的健康志愿者（56足）和75例（75足）经手术或随访证实的MTPJ跖板损伤病人，对所有志愿者和损伤病人进行冠状面、矢状面及横断面T₁WI和质子密度加权脂肪抑制（PDWI-FS）序列MRI平扫。分析 MTPJ跖板的正常解剖、跖板损伤的MRI表现。结果 28名健康志愿者MTPJ跖板的T₁WI和PDWI-FS序列均表现为椭圆形或条带状均匀低信号。75例MTPJ跖板损伤的病人中，第1 MTPJ跖板损伤60例，第2-5 MTPJ跖板损伤15例（第2跖板部分撕裂3例，第2跖板完全撕裂7例，第3跖板完全撕裂3例，第4和5跖板完全撕裂各1例）；第1 MTPJ跖板中央区、籽骨间韧带及跖籽韧带损伤PDWI-FS影像表现为纤维断裂、边缘模糊、局部异常高信号，第1 MTPJ籽骨-趾骨韧带及第2-5跖板部分撕裂的PDWI-FS影像表现为韧带形态不规整，韧带内信号增高，纤维局部连续性中断，第1 MTPJ籽骨-趾骨韧带及第2-5跖板完全撕裂的PDWI-FS影像表现为韧带连续性中断，撕裂口贯穿韧带全层。结论 MRI可清晰显示MTPJ跖板损伤的影像学特征，明确损伤部位、范围和程度，可为MTPJ跖板损伤的早期发现及精准治疗提供科学的解剖学和影像学依据。