基于多模态超声的决策树诊断模型对颈动脉斑块易损性的诊断价值.pdf

基金项目:2020 年河北省唐山市科学技术研究与发展计划项目(20150207C)作者单位:063000唐山,华北理工大学附属医院超声科(李宁、张树华、唐姗、解婷婷、刘阳、阚艳敏);300000天津市天津医院病理科(刘爱东)通信作者:阚艳敏,电子信箱:920983050 基于多模态超声的决策树诊断模型对颈动脉斑块易损性的诊断价值李宁张树华唐姗解婷婷刘阳阚艳敏刘爱东摘要目的构建基于多模态超声的缺血性脑卒中决策树诊断模型,为临床对颈动脉易损斑块的早期识别提供新的诊断思路。方法回顾性选取 2020 年 1 月 2022 年 2 月于华北理工大学附属医院住院的颈动脉斑块患者 113 例,其中症状组 60例、非症状组 53 例,所有患者均行常规超声(conventional ultrasound,CUS)、超声造影(contrast-enhanced ultrasound,CEUS)及剪切波弹性(shear wave elasticity,SWE)检查,并记录超声特征。比较两组患者超声特征的差异;分别构建基于 CUS、CEUS、SWE 及多模态超声的缺血性脑卒中决策树诊断模型,采用 10 折交叉验证法对诊断模型进行测试,并应用准确性、敏感度、特异性、阳性预测值及阴性预测值对其诊断效能进行评价。结果两组间斑块回声、是否有极低回声区、是否有钙化、斑块中部及远心段增强级别、斑块近心段,中部及远心段杨氏模量值比较,差异均有统计学意义(P 均 0.05);分别构建基于 CUS、CEUS、SWE 及多模态超声的缺血性脑卒中诊断模型,10 折交叉验证法显示误判率分别为 34.5%、44.2%、26.5%和 12.2%;对模型的诊断效能进行评价,其中基于多模态超声所建的缺血性脑卒中决策树诊断模型诊断准确性明显高于其他模型,为 92.0%,其敏感度、特异性、阳性预测值和阴性预测值分别为 90.7%、94.3%、15.91 和 0.09。结论应用多模态超声可以更准确地评估颈动脉斑块的易损性;通过构建基于多模态超声的缺血性脑卒中的决策树诊断模型,可以有效提高易损斑块的检出率,斑块中部的超声特征更能体现其稳定性。关键词颈动脉斑块易损性决策树多模态超声缺血性脑卒中中图分类号R445.1文献标识码ADOI 10.11969/j.issn.1673-548X.2023.07.026The Diagnostic Value of Decision Tree Diagnostic Model Based on Multimodal Ultrasound for the Vulnerability of Carotid Artery Plaques.LINing,ZHANG Shuhua,TANG Shan,et al.Department of Ultrasound,Affiliated Hospital of North China University of Technology,Hebei063000,ChinaAbstractObjectiveTo construct the decision tree diagnosis model of ischemic stroke based on multimodal ultrasound technology,and to provide a new diagnostic idea for the early identification of vulnerable carotid plaque.MethodsA total of 113 patients with carotidplaque hospitalized in Affiliated Hospital of North China University of Technology from January 2020 to February 2022 were retrospectivelyselected,and they were divided into symptom group(n=60)and non-symptom group(n=53).All the patients underwent convention-al ultrasound(CUS),contrast-enhanced ultrasound(CEUS)and shear wave elasticity(SWE),and the ultrasonic parameters were re-corded.The differences of ultrasonic characteristics between the two groups were compared.Decision tree diagnosis mode for ischemicstroke based on CUS,CEUS,SWE and multimodal ultrasound were constructed respectively.The diagnostic model was tested by 10-foldcross validation method,and the accuracy,sensitivity,specificity,positive predictive value and negative predictive value were used to e-valuate its diagnostic efficacy.ResultsThere were significant differences in plaque echo,very low echo area,calcification,enhancementlevel of central and distal segments of plaque,Youngs modulus of proximal,central and distal segments of plaque between the two groups(P 0.05).CUS,CEUS,SWE and multimodal ultrasound were used to construct the diagnostic models of ischemic stroke,and 10-foldcross validation method showed that the misjudgment rates were 34.5%,44.2%,26.5%and 12.2%,respectively.The diagnostic effi-ciency of the model was evaluated,the diagnostic accuracy of the the multimodal ultrasound based decision tree diagnostic model for ische-mic stroke was significantly higher than that of other diagnostic models,and its value was 92.0%.The sensitivity,specificity,positivepredictive value and negative predictive value were 90.7%,94.3%,15.91 and 0.09,respectively.ConclusionThe application ofmultimodal ultrasound can more accurately evaluate the vulnerability of carotid plaque.By constructing the decision tree diagnosis model of031论著J Med Res,July 2023,Vol.52 No.7ischemic stroke based on multimodal ultrasound,the detection rate of vulnerable plaque can be effectively improved,and the ultrasoniccharacteristics in the middle of the plaque can better reflect its stability.Key wordsCarotid plaque;Vulnerability;Decision tree;Multimodal ultrasound;Ischemic stroke脑卒中是我国居民死亡的首要病因,而动脉粥样硬化易损斑块的破裂则是导致脑卒中的主要原因之一,因此,尽早识别斑块的易损性至关重要1,2。超声是颈动脉斑 块的主要 检 查 方 法,其 中 常 规 超 声(conventional ultrasound,CUS)、超声造影(contrast-enhanced ultrasound,CEUS)及 剪 切 波 弹 性(shearwave elasticity,SWE)技术等可以从斑块负荷、斑块硬度和成分、斑块内新生血管等多角度全面评估斑块的易损性3。本研究旨在通过构建基于多模态超声的缺血性脑卒中决策树诊断模型,并对其诊断效能进行评价,为临床对颈动脉易损斑块的早期识别提供新的诊断思路。对象与方法1.研究对象:回顾性选取 2020 年 1 月 2022 年2 月于华北理工大学附属医院住院的颈动脉斑块患者 113 例,其中男性 80 例,女性 33 例,患者年龄 43 78 岁,平均年龄为 61.62 8.60 岁,分为症状组(n=60)与非症状组(n=53)。纳入标准:症状组患者为近 6 个月内有斑块同侧缺血性脑卒中症状(一侧面部或肢体无力或麻木,语言障碍等),并经 CT 或 MRI检查证实为单侧前循环供血区缺血性梗死灶发作者4,5;CUS 检查斑块厚度2.5mm 者;斑块平行于颈动脉长轴生长且能配合完成 CEUS 检查及SWE 检查者6 8。排除标准:因斑块内钙化、患者配合差等原因,超声图像显示效果不佳者;对鸡蛋、牛奶等过敏无法行 CEUS 者;患者本人或家属拒绝参加此研究者。2.临床资料的收集:记录患者的年龄、性别、体重指数(body mass index,BMI)、是否吸烟及饮酒,是否患有高血压、糖尿病、高脂血症、冠心病,是否有脑血管疾病家族史。3.超声数据的收集:应用日本佳能 Aplio i800 超声仪,探头 i18LX5,频率(5 18)MHz。造影剂使用意大利 Bracco 公司生产的声诺维(Sono Vue)。CUS 检查:受检者取平卧位,探头自颈总动脉起始处向上横切及纵切连续扫查颈动脉全程,选择最厚的可疑责任斑块用于观察和分析,于斑块清晰显示时冻结图像,在斑块长轴切面分为近心段、中部、远心段(图 1)。记录斑块位置(以斑块大部分所处位置为斑块定位,包括颈总动脉、颈总动脉分叉、颈内动脉)、长度、厚度、回声(均质低回声、均质等回声、不均质回声)、钙化(有、无)、极低回声区(有、无)、溃疡(有、无)等。易损斑块的 CUS 特征为溃疡型斑块、斑块内部具有低回声或低至无回声特征9。图 1斑块长轴切面分段示意图CEUS 检查:经肘静脉团注 1.6ml 声诺维,继以5.0ml 0.9%氯化钠溶液快速冲注,实时观察并连续存储图像,陆续补充造影剂 0.8ml 保证浓度。对目标斑块进行缓慢匀速的横、纵切面扫查,分别记录斑块近心段、中部、远心段的增强特点。增强级别判读标准:0 级:斑块内无增强;1 级:斑块内见点状增强;2 级:斑块见多个点状或 1 2 条线样增强;3 级:斑块内见大面积线状增强,贯穿或大部分贯穿斑块10。易损斑块的 CEUS 特征为动态移动的高回声光点从外膜到斑块内,提示斑块内存在新生血管9。SWE 检查:于短轴斑块最厚处切换至长轴并启动剪切波模式,嘱患者屏气,保持图像清晰且探头不施压,待图像稳定后冻结图像,在斑块长轴方向分段测量杨氏模量值(近心段、中部、远心段)。同一切面测量 3 次,取平均值。斑块杨氏模量值越小,质地越软,易损性越高7。所有操作均由一名高年资医生独立完成,同时临床资料的收集由另一名医生独立完成。本研究通过华北理工大学附属医院医学伦理学委员会批准(伦理学审批号:2020155)。4.统计学方法:应用 SPSS 26.0 统计学软件对数据进行统计分析。计量资料以均数 标准差(x s)表示,组间比较采用独立样本 t 检验或近似 t 检验;计数资料以例数(百分比)n(%)表示,组间比较采用 2检验或 Fisher 确切概率法。采用决策树 2自动交互检测算法建立预测缺血性脑卒中模型,并对其诊断效能进行评价,以 P 0.05),详见表 1。表 1两组患者的基线资料比较n(%),x s项目症状组(n=60)非症状组(n=53)t/2P年龄(岁)62.50 10.0161.23 7.860.7450.458BMI(kg/m2)24.51 3.5625.18 4.07-0.9370.351性别0.3980.528男性44(73.3)36(67.9)女性16(36.4)17(32.1)吸烟3.4910.061是43(71.7)29(54.7)否17(28.3)24(45.3)饮酒0.2960.587是21(35.0)16(30.2)否39(65.0)37(69.8)高血压3.3680.066是33(55.0)20(37.7)否27(45.0)33(62.3)糖尿病1.5830.208是12(20.0)16(30.2)否48(80.0)37(69.8)高脂血症2.9770.084是9(15.0)15(28.3)否51(85.0)38(71.7)冠心病-0.212是5(8.3)1(1.9)否55(91.7)52(98.1)家族史-0.331是7(11.7)3(5.7)否53(88.3)50(94.3)采用 Fisher 确切概率法 2.超声参数比较:(1)CUS 参数比较:两组患者在斑块回声、是否有极低回声区、是否有钙化方面差异均有统计学意义(P 均 0.05),详见表 2。(2)CEUS 参数比较:两组患者在斑块中部及远心段增强级别方面比较,差异均有统计学意义(P 均 0.05),详见表 3。(3)SWE 参数比较:两组患者在斑块近心段、中部、远心段杨氏模量值方面比较,差异均有统计学意义(P均 0.05),详见表 4。表 2两组患者的 CUS 参数比较n(%),x s项目症状组(n=60)非症状组(n=53)t/2P厚度(mm)2.93 1.153.02 1.03-0.4620.645长度(mm)19.25 7.6017.87 5.131.1160.267位置0.3540.838颈总动脉15(25.0)12(22.6)颈总动脉分叉39(65.0)37(69.8)颈内动脉6(10.0)4(7.6)回声10.7410.005均质低回声11(18.3)1(1.9)均质等回声13(21.7)7(13.2)不均质回声36(60.0)45(84.9)溃疡-0.059有5(8.3)0(0)无55(91.7)53(100.0)极低回声25.139 0.001有25(41.7)1(1.9)无35(58.3)52(98.1)钙化有36(60.0)42(79.2)4.8750.041无24(40.0)11(20.8).采用 Fisher 确切概率法表 3两组患者的 CEUS 参数比较n(%)增强级别症状组(n=60)非症状组(n=53)2P近心段6.7170.078 0 级3(5.0)10(18.9)1 级13(21.7)8(15.1)2 级35(58.3)31(58.5)3 级9(15.0)4(7.5)中部23.126 0.001 0 级1(1.6)8(15.1)1 级10(16.7)15(28.3)2 级31(51.7)29(54.7)3 级18(30.0)1(1.9)远心段12.6610.005 0 级3(5.0)12(22.6)1 级12(20.0)9(17.0)2 级29(48.3)28(52.8)3 级16(26.7)4(7.6)表 4两组患者的 SWE 参数比较(x s)杨氏模量值症状组(n=60)非症状组(n=53)tP近心段24.57 19.0046.49 26.57-4.985 0.001中部27.35 16.5448.45 23.58-5.438 0.001远心段31.25 18.6045.88 22.51-3.734 0.001.采用近似 t 检验 3.缺血性脑卒中决策树诊断模型的构建及诊断效能评价:(1)决策树诊断模型构建:以超声参数为自变量,以是否为缺血性脑卒中为因变量,构建基于CUS、CEUS、SWE 及多模态超声的缺血性脑卒中模型,其根节点分别为斑块内是否有极低回声区、斑块中部增强级别、斑块中部杨氏模量值、斑块中部杨氏模量值;10 折 交 叉 验 证 法 显 示 其 误 判 率 分 别 为34.5%、44.2%、26.5%和12.2%,详 见 图2 图5。231论著J Med Res,July 2023,Vol.52 No.7图 2基于常规超声决策树模型图 3基于超声造影决策树模型图 4基于剪切波弹性决策树模型(2)决策树模型诊断效能评价:对决策树模型的诊断效能进行评价,结果显示,基于多模态超声所建立模型的综合诊断效能最好,详见表 5。讨论决策树是一种简单且应用广泛的预测方法,该方法不仅解决了传统回归模型中不能处理非线性和高图 5基于多模态超声决策树模型331医学研究杂志 2023 年 7 月第 52 卷第 7 期论著表 5基于单一及多模态超声所建决策树模型的诊断效能评价项目准确性(%)敏感度(%)特异性(%)阳性预测值阴性预测值CUS68.141.798.121.950.59CEUS61.930.098.115.780.71SWE79.676.783.04.510.28多模态超声92.090.794.315.910.09度相关数据的难题,还同时考虑了缺失值,避免了部分传统参数检验的局限性,可以有效提高模型的预测能力,为临床疾病的诊断及鉴别诊断提供依据11,12。目前关于应用决策树模型对颈动脉斑块易损性进行识别的研究较少,本研究拟通过建立基于单一及多模态超声技术的缺血性脑卒中决策树预测模型,为临床诊断及管理提供依据。本研究中症状组斑块的 CUS 特征主要表现为不均质回声、斑块内含有极低回声区及钙化,与王秀玲等13和 Hutcheson 等14的研究一致,主要病理基础为易损斑块内富含脂质成分并存在坏死核心,存在于纤维帽部分的钙化引起纤维帽的破裂风险增加,诱发斑块出血。国内外研究表明,应用 CEUS 识别颈动脉斑块中的新生血管数量并进行分级,可以精准识别易损斑块8,15。本研究中症状组与非症状组斑块超声造影级别比较,差异有统计学意义,主要原因为随着颈动脉内中膜的增厚直至斑块的形成,其耗氧量逐渐增加,生理性新生血管无法维持斑块内的氧供,诱发病理性新生血管大量生成,并因此加剧了斑块内炎性细胞因子的循环、脂质核心的扩张及蛋白酶活化,导致斑块内出血及破裂风险增加。SWE 通过检测其在组织中的传播速度,并得到杨氏模量值反映组织的硬度,组织硬度越大,其传播速度就越快。本研究中症状组斑块杨氏模量值明显小于非症状组,表明易损斑块组硬度较低,分析其原因为易损斑块内新生血管、炎性细胞及脂质成分较多,组织成分相对疏松16。决策树的原理为基于某种规则建立用于分类的一种树结构,其中根节点作为树的一级分支,起着至关重要的作用17。基于此,本研究中斑块内是否有极低回声区、斑块中部增强级别、斑块中部杨氏模量值、斑块中部杨氏模量值在易损斑块的鉴别诊断中发挥着重要作用,其中斑块中部超声特征的频次最高,可以作为优先观察指标,分析其原因为:斑块内新生血管主要是在低氧刺激下由外膜的滋养血管芽生而来,随着时间的延长逐渐向血管内膜下生长,并随着斑块厚度的增加而增多,且本研究所选取斑块最厚处均大部分位于斑块中部,因此斑块中部的超声特征可以客观 地 反 映 斑 块 整 体 的 稳 定 性18。这 与 王 练妹19的研究结果“斑块内应力随高度而增大,斑块脱落概率也相应增大”相符。同时本研究进一步证实了 SWE 可以有效评估颈动脉斑块易损性,与既往报道一致20。另外,本研究还对决策树模型的诊断效能进行评价,结果显示,基于多模态超声所建模型的综合诊断效能最好,表明基于多模态超声所建模型通过多种超声技术间的优势互补,对于易损斑块的鉴别诊断更胜一筹21。本研究存在以下局限性:样本量较小,今后将扩大样本量进行研究;缺少斑块病理对照,在今后的工作中将进一步完善。综上所述,本研究通过构建基于多模态超声的缺血性脑卒中的决策树诊断模型,可以有效提高易损斑块的检出率,并为临床管理提供理论依据。参考文献1 GBD 2019 Stroke Collaborators.Global,regional,and national bur-den of stroke and its risk factors,1990-2019:a systematic analysisfor the Global Burden of Disease Study 2019 J.Lancet Neurol,2021,20(10):795-8202 陈静,韩越,练丹,等.颈动脉超声指标在脑卒中高危人群筛查中的应用价值及脑卒中危险因素分析J.重庆医科大学学报,2019,44(9):1216-12193 李怡,何文.颈动脉粥样硬化易损斑块超声标志与脑血管疾病关系的研究进展J.中国卒中杂志,2021,16(11):1183-11884 中华医学会神经病学分会,中华医学会神经病学分会脑血管病学组.中国急性缺血性脑卒中诊治指南 2018J.中华神经科杂志,2018,51(9):666-6825 Lyu Q,Tian X,Ding Y,et al.Evaluation of carotid plaque ruptureand neovascularization by contrast-enhanced ultrasound imaging:anexploratory study based on histopathology J.Transl Stroke Res,2021,12(1):49-566 Annelotte V,Remko K,Jill B,et al.Risk factors for atheroscleroticand medial arterial calcification of the intracranial internal carotid ar-teryJ.Atherosclerosis,2018,276:44-497 李海欣,何文,张晓蓉,等.缺血性脑卒中患者颈动脉斑块的弹性特征J.中国医学影像学杂志,2018,26(5):357-359,3648 李海欣,阚艳敏,宁彬,等.颈动脉斑块超声造影增强特征与其病理特征及易损性的相关性J.中国医学影像技术,2021,37(6):857-8619 国家卫生健康委员会脑卒中防治专家委员会血管超声专业委员会,中国超声医学工程学会浅表器官及外周血管超声专业委员会,中国超声医学工程学会颅脑及颈部血管超声专业委员会.头颈部血管超声若干问题的专家共识(颈动脉部分)J.中国脑血管病杂志,2020,17(6):346-352431论著J Med Res,July 2023,Vol.52 No.710Shah F,Balan P,Weinberg M,et al.Contrast-enhanced ultrasoundimaging of atherosclerotic carotid plaque neovascularization:a newsurrogate marker of atherosclerosis?J.Vasc Med,2007,12(4):291-29711韦苑,饶群仙,冯小燕,等.COX 回归联合决策树建立宫颈癌预后的预测模型J.现代预防医学,2022,49(2):206-21212闫瑞平,王习亮,姚粉霞,等.决策树模型与 Logistic 回归分析模型识别高血压危险因素的效果比较 J.中华疾病控制杂志,2022,26(2):218-22213王秀玲,张敏郁,丁桂春,等.三维超声灰阶中位数定量评价颈动脉斑块的易损性J.中华医学超声杂志:电子版,2017,14(1):23-2814Hutcheson JD,Maldonado N,Aikawa E.Small entities with large im-pact:microcalcifications and atherosclerotic plaque vulnerabilityJ.Curr Opin Lipidol,2014,25(5):327-33215Coli S,Magnoni M,Sangiorgi G,et al.Contrast-enhanced ultra-sound imaging of intraplaque neovascularization in carotid arteries:correlation with histologyand plaque echogenicityJ.J Am Coll Car-diol,2008,52(3):223-23016张峥,李润霞,刘艳清,等.多模态超声检查技术对颈动脉斑块稳定性研究中的应用价值J.医学影像学杂志,2021,31(10):1661-166517Jiang JF,Zhu XY,Han GJ,et al.A dynamic trust evaluation andupdate mechanism based on C4.5decision tree in underwater wirelesssensor networks J.IEEE Trans Veh Technol,2020,69(8):9031-904018Muller HFG,Viaccoz A,Kuzmanovic I,et al.Contrast-enhancedultrasound imaging of carotid plaque neo-vascularization:accuracy ofvisual analysisJ.Ultrasound Med Biol,2014,40(1):18-2419王练妹.动脉粥样硬化斑块的生物力学分析D.衡阳:南华大学,2020:20-2320koloudk D,Kenerov P,Vomcka J,et al.Shear-wave elastog-raphy enables identification of unstable carotid plaqueJ.UltrasoundMed Biol,2021,47(7):1704-171021孙飞一,潘晓芳,贾晓东,等.多模态超声检查结合临床预测颈动脉粥样硬化患者缺血性脑卒中或短暂性脑缺血复发J.中国医学影像技术,2022,38(1):53-58(收稿日期:2022-07-23)(修回日期:2022-09-08)(上接第 129 页)5 Pogosbekian EL,Pronin IN,Zakharova NE,et al.Feasibility of gen-eralised diffusion kurtosis imaging approach for brain glioma gradingJ.Neuroradiology,2021,63(8):1241-12516 Xu Z,Ke C,Liu J,et al.Diagnostic performance between MR amideproton transfer(APT)and diffusion kurtosis imaging(DKI)in gliomagrading and IDH mutation status prediction at 3TJ.Eur J Radiol,2021,134:1094667 Zhang L,Yang LQ,Wen L,et al.Noninvasively evaluating the grad-ing of glioma by multiparametric magnetic resonance imaging J.Acad Radiol,2021,28(5):e137-e1468 Chu JP,Song YK,Tian YS,et al.Diffusion kurtosis imaging in eval-uating gliomas:different region of interest selection methods on timeefficiency,measurement repeatability,and diagnostic abilityJ.EurRadiol,2021,31(2):729-7399 廖太平,张春银.CT/MR 与 PET/MR 融合显像在神经胶质瘤靶区勾画中的应用进展J.中华放射肿瘤学杂志,2022,31(6):574-57810Shi W,Qu C,Wang X,et al.Diffusion kurtosis imaging combinedwith dynamic susceptibility contrast-enhanced MRI in differentiatinghigh-grade glioma recurrence from pseudoprogressionJ.Eur J Ra-diol,2021,144:10994111Wang X,Chen XZ,Shi L,et al.Glioma grading and IDH1mutationalstatus:assessment by intravoxel incoherent motion MRIJ.Clin Ra-diol,2019,74(8):651,e7-651,e1412Wang XC,Tan Y,Zhang H,et al.Diffusion kurtosis imaging reflectsGFAP,TopoII,and MGMT expression in astrocytomasJ.NeurolIndia,2021,69(1):119-12513Bai Y,Liu T,Chen L,et al.Study of diffusion weighted imaging de-rived diffusion parameters as biomarkers for the microenvironment ingliomasJ.Front Oncol,2021,11:67226514Zhao J,Wang YL,Li XB,et al.Comparative analysis of the diffusionkurtosis imaging and diffusion tensor imaging in grading gliomas,pre-dicting tumour cell proliferation and IDH-1gene mutation statusJ.J Neurooncol,2019,141(1):195-20315Jain KK,Sahoo P,Tyagi R,et al.Prospective glioma grading usingsingle-dose dynamic contrast-enhanced perfusion MRI J.ClinRadiol,2015,70(10):1128-113516谢聪,段云云,王晓波,等.MR 酰胺质子转移成像预测脑干胶质瘤病理 分 级 的 价 值 J.中 华 放 射 学 杂 志,2022,56(2):163-16717Gao E,Gao A,Kit Kung W,et al.Histogram analysis based on dif-fusion kurtosis imaging:differentiating glioblastoma multiforme fromsingle brain metastasis and comparing the diagnostic performance oftwo region of interest placements J.Eur J Radiol,2022,147:11010418江少凡,邓凯吉,胡晓梅,等.弥散峰度成像预测皮质脊髓束周围高级别胶质瘤患者肌力下降J.中国医学影像技术,2021,37(11):1634-163819Umezawa E,Ishihara D,Kato R.A Bayesian approach to diffusionalkurtosis imagingJ.Magn Reson Med,2021,86(2):1110-112420Qiu J,Deng K,Wang P,et al.Application of diffusion kurtosis ima-ging to the study of edema in solid and peritumoral areas of gliomaJ.Magn Reson Imaging,2022,86:10-16(收稿日期:2022-07-17)(修回日期:2022-08-04)531医学研究杂志 2023 年 7 月第 52 卷第 7 期论著