低剂量CBCT扫描方案对宫颈癌图像质量及辐射剂量的影响
周新悦;张育娟;郝月;目的 探讨低剂量锥形束CT(CBCT)扫描方案对宫颈癌图像质量及辐射剂量的影响。方法 研究对象为2022年1月—2024年12月在某院进行放射治疗的96例宫颈癌患者,按照CBCT扫描参数的差异,分为超低剂量组(30例)、低剂量组(30例)与常规剂量组(36例),各组管电压设置均为120 kV,管电流分别设置为132 mAs、215 mAs以及675.8 mAs。分析不同剂量扫描参数对图像质量(空间分辨率、噪声、均匀度、低对比度分辨率、几何精度)的影响,测量不同扫描参数下患者辐射剂量的吸收情况,并进行方差分析。结果 3组不同扫描参数下,每组均可见清晰线对数4~6个,各组的空间分辨率、不同方向几何精度差异均不具有统计学意义(均P > 0.05)。但随着管电流的不断增加,各组噪声、均匀度、低对比度分辨率均随之降低,管电流从132 mAs增加至215 mAs,噪声降低约33.57%,均匀度降低约26.30%,低对比度分辨率降低约30.55%。管电流从215 mAs增加至675.8 mAs,噪声降低约35.61%,均匀度降低约12.68%,低对比度分辨率降低约19.91%。以上差异均具有统计学意义(均P<0.05);不同CBCT扫描参数下,宫颈癌患者辐射剂量表现为超低剂量组<低剂量组<常规剂量组,差异均具有统计学意义(P<0.05)。结论 降低CBCT扫描管电流参数不会影响宫颈癌患者图像空间分辨率与几何精度,对图像质量影响较小,同时可降低患者辐射所受额外剂量。
基于多组学与细胞模型探究PI3K/AKT/Cdkn1a/GPX4信号轴调控放射性心肌细胞铁死亡的分子机制
孙玉琪;赖家铭;蔡浩;李国权;目的 本研究旨在探讨PI3K/AKT/Cdkn1a/GPX4信号轴是否通过铁死亡途径参与放射性心脏损伤(Radiationinduced heart disease,RIHD)的发生。方法 建立20 Gy X射线照射的C57BL/6J小鼠RIHD模型;采用转录组测序联合FerrDb铁死亡基因集及加权基因共表达网络分析(Weighted gene co-expression network analysis,WGCNA)筛选RIHD铁死亡相关枢纽基因,利用KEGG富集分析明确关键通路;构建AC16心肌细胞RIHD模型,使用CCK-8及流式细胞术确定建模条件;运用RT-qPCR与Western blot验证心肌细胞中关键基因及通路的表达变化。结果 与对照组(C)相比,辐射组(R)小鼠心脏组织出现结构紊乱、变性等典型RIHD病理改变;生信分析筛选得到Cdkn1a与Ddit4为潜在核心基因,PI3K/AKT为关键通路;RIHD细胞模型的最佳构建条件为48 h和10 Gy;细胞实验证实,与对照组(0 Gy)相比,辐射组(10 Gy)心肌细胞Cdkn1a基因表达水平显著升高(P<0.01),PI3K/AKT信号通路磷酸化水平受到抑制(P<0.05),GPX4表达下调(P<0.05),心肌细胞发生铁死亡。结论 初步阐明PI3K/AKT/Cdkn1a/GPX4信号轴在调控RIHD心肌细胞铁死亡中的潜在作用,这为RIHD的防治提供了新的靶点和治疗思路。
核医学工作场所分级与分类方法的比较与应用
杨勇;高翔;居治豪;董海洋;白帆;曾利萍;目的 分析现有核医学工作场所分级与分类方法的区别与联系,为环境影响评价、技术审评等相关工作提供技术参考。方法 通过对比2种方法在应用对象、目的和计算方法上的不同,结合具体实例说明2种方法的使用方法,并分析两种方法之间的关系。结果 2种方法的使用对象、目的和方法均不同,甲、乙、丙分级主要用于确定核医学工作场所整体的行政监管等级,Ⅰ、Ⅱ、Ⅲ分类则关注内部场所或用房的硬件设施与工程防护要求。结论 2种方法相互补充,共同构成评价核医学工作场所的完整体系。
环境γ辐射剂量率自动监测数据统计与分析
高翔;李雪贞;曹乃家;白帆;闫首良;目的 对北京市2020—2024年环境γ辐射剂量率自动监测数据进行汇总与统计,分析监测数据主要影响因素,为管理和公众服务。方法 利用国控辐射环境自动监测站采集的数据进行统计分析。结果 5个环境站点2020—2024年γ剂量率年均值测值范围(60.9~90.3) nGy/h,年均值为71.4 nGy/h,标准差11.3 nGy/h,均在当地本底统计涨落范围内,单站点γ剂量率E > A > D > B > C。结论 各站点γ辐射水平稳定,监测结果与站点所在的周围环境密切相关。
基于DCE-MRI影像组学构建并验证预测乳腺癌HER-2状态的机器学习模型
张艳;朱志坚;韩济华;骆红蕾;宋亚颀;黄伟;目的 本研究旨在应用机器学习算法分析动态增强磁共振(DCE-MRI)影像组学特征,构建并验证乳腺癌HER-2状态的预测模型。方法 研究纳入2020—2022年间初治的272例女性乳腺癌患者的DCE-MRI图像,通过3D-Slicer软件手动分割ROI并提取影像组学特征。所有患者按4∶1随机分配为训练集和验证集。采用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)算法在训练集上进行特征筛选,随后使用6种机器学习算法构建预测模型,并通过内部交叉验证比较各模型性能。选择性能最佳的模型,在训练集上构建模型,并在验证集上评估模型性能,评估指标包括AUC、灵敏度、特异度、精准度和召回率。结果 训练集和测试集患者的临床资料无显著差异。LASSO算法共筛选出5个特征值。在训练集上运用这5个特征构建6种机器学习模型,并使用装袋法内部交叉验证每个模型的预测性能。XGBoost模型的AUC均值最高(0.696),其次为RF模型(0.690);XGBoost模型的精确度均值最高(0.756),其次为LR模型和RF模型。因此XGBoost是最优预测模型。使用XGBoost算法在训练集上构建HER-2预测模型,并将其运用于验证集,计算预测模型在验证集上的AUC、精准度、敏感度及特异度,并分别绘制ROC曲线、精准召回曲线、校准曲线及决策曲线。结论 本研究基于DCE-MRI影像组学特征构建并评估了预测乳腺癌HER-2状态的不同机器学习模型。其中,XGBoost算法表现最优,有望成为术前无创性预测HER-2状态的新手段,为临床个体化诊治提供可靠依据。
下载中心
访问了统计
今日访问量: 34