基于18F-FDG PET/CT影像组学特征和临床因素预测肺腺癌EGFR突变状态

目的 建立基于¹⁸F-FDG PET/CT影像组学特征和临床风险因素的肺腺癌表皮生长因子受体(EGFR)突变预测模型，并验证其准确性。资料与方法 回顾性纳入2018年7月—2022年1月在新疆医科大学附属肿瘤医院行¹⁸F-FDG PET/CT，并经病理证实且有EGFR基因检测结果的肺腺癌患者155例。按照7∶3随机划分为训练集和测试集。对所有EGFR突变临床风险因素进行单因素及多因素Logistic回归，建立预测肺腺癌EGFR突变的临床风险因素模型。所有图像经过预处理后，分别在PET、CT图像上勾画感兴趣区，提取影像组学特征。经特征降维后，基于最佳影像组学特征建立支持向量机、随机森林分类器(RF)和逻辑回归模型，并预测肺腺癌EGFR突变。采用受试者工作特征曲线评估3种模型的诊断效能。然后选取最佳模型结合临床风险因素构建复合模型，并绘制列线图。应用决策分析曲线评估列线图的临床效用。结果 155例肺腺癌中，EGFR野生型69例，突变型86例。多因素Logistic回归显示吸烟为预测肺腺癌EGFR突变的临床风险预测因子。影像组学分析，经特征提取、特...     

基于增强CT影像组学评分和临床分期的列线图预测胃癌脉管浸润的价值

目的 探讨基于增强CT影像组学评分（Radscore）和TNM分期的列线图预测胃癌脉管浸润（LVI）的价值。 方法 回顾性收集160例术前行上腹部CT增强检查且行术后胃癌LVI状态评估的病人,男109例,女51例,平均年龄（62.23±10.74）岁。160例病人（包括LVI阴性者92例,阳性者68例）按照7∶3比例随机分为训练集（112例）和测试集（48例）;其中,训练集中LVI阴性者60例、阳性者52例,测试集中LVI阴性者32例、阳性者16例。基于增强CT影像提取并筛选影像组学特征,建立影像组学标签并计算Radscore。采用t检验、Mann-Whitney U检验、卡方检验或Kruskal-Wallis H 检验比较LVI阳性组和阴性组间临床病理特征[病人性别、年龄、肿瘤直径、TNM分期、AJCC分期、肿瘤分化程度及癌胚抗原（CEA）、糖类抗原199（CA199）]的差异,将差异有统计学意义的特征和影像组学标签纳入多因素logistic回归,建立临床影像联合模型和列线图。采用受试者操作特征（ROC）曲线评估影像组学模型和列线图的预测效能并计算相应的曲线下面积（AUC）。采用决策曲线评价影像组学模型和列线图的临床净获益。分别基于训练集及测试集中的数据绘制校准曲线对列线图进行验证。 结果 LVI阳性组和阴性组间肿瘤T分期、N分期、AJCC分期的差异均有统计学意义（均P<0.05）,且LVI阳性组的Radscore高于阴性组（P<0.05）。在测试集中,基于T分期、N分期、AJCC分期和Radscore的临床影像联合模型预测LVI的AUC值、准确度和特异度较影像组学模型分别提高了8.2%、18.2%和21.9%。决策曲线分析显示应用联合模型的临床净获益优于影像组学模型。联合模型的列线图显示Radscore得分最高,其次是AJCC分期,最后是N分期和T分期。训练集和测试集中的校准曲线显示列线图的预测结果与真实结果具有较好的一致性。 结论 联合T分期、N分期、AJCC分期和增强CT的Radscore建立的列线图能够成功预测胃癌LVI。     

基于动态增强MRI影像组学评分和激素受体的列线图预测乳腺癌新辅助化疗不敏感的价值

目的 探讨基于动态增强MRI（DCE-MRI）影像组学评分（Radscore）和激素受体状态的列线图预测乳腺癌新辅助化疗（NAC）疗效不敏感的价值。 方法 回顾性收集128例行乳腺癌NAC治疗的女性病人,平均年龄（49.2±10.0）岁。128例病人按照7∶3比例随机分为训练集90例（疗效敏感者47例,疗效不敏感者43例）和测试集38例（疗效敏感者15例,疗效不敏感者23例）。基于DCE-MRI影像提取并筛选影像组学特征,采用多因素逻辑回归构建影像组学模型并计算模型的Radscore。采用t检验、χ²检验或Fisher确切概率检验比较训练集和测试集中临床病理指标[年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体-2（HER-2）和肿瘤增殖细胞核抗原-67（Ki-67）],将差异有统计学意义的临床病理指标和Radscore纳入多因素逻辑回归,建立联合模型和列线图。应用受试者操作特征（ROC）曲线下面积（AUC）评价影像组学模型和联合模型的预测效能。应用决策曲线评估影像组学模型和联合模型的临床应用价值。 结果 在训练集中,ER和PR在疗效敏感与不敏感组间的差异均有统计学意义（均P<0.05）,但未得到测试集的验证（均P>0.05）。在训练集中,联合模型预测NAC不敏感的AUC值和准确度分别高于影像组学模型约3.8%和3.1%。在测试集中,联合模型预测NAC不敏感的AUC值高于影像组学模型,其较后者提高了约2.3%,但两者的准确度相同。在基于ER、PR和Radscore构建的联合模型列线图中,Radscore得分最高,其次是ER和PR。决策曲线分析显示联合模型的临床获益高于影像组学模型。 结论 基于DCE-MRI的Radscore和ER、PR构建的联合模型列线图能够较好地预测NAC疗效不敏感。     

联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore, 6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P<0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临...     

基于CT增强扫描静脉期的影像组学列线图预测晚期肺腺癌患者对培美曲塞+铂类化疗敏感性的价值

目的：探究影像组学列线图对晚期肺腺癌患者培美曲塞+铂类化疗疗效的预测能力。方法：回顾性收集经穿刺病理确诊为晚期肺腺癌的131例患者的资料,均行至少2个周期的培美曲塞+铂类化疗。将患者按照7∶3的比例随机分为训练集92例和测试集39例。依据实体肿瘤的疗效评价标准（RECIST）标准,将部分缓解患者纳入缓解组（68例）,疾病进展和疾病稳定患者纳入未缓解组（63例）。根据治疗前静脉期CT图像提取、筛选影像组学特征,得到影像组学评分（Radscore）,并建立影像组学逻辑回归（LR）模型;采用单因素及多因素logistic回归分析筛选独立预测因子,并构建临床预测模型;基于LR联合临床独立预测因子及Radscore构建影像组学列线图。采用ROC曲线和决策曲线分析（DCA）评估比较3种模型的预测效能及临床净收益。结果：临床预测模型、影像组学模型及影像组学列线图的训练集AUC分别为0.742、0.815和0.923,测试集AUC分别为0.684、0.726和0.760,表明影像组学列线图的预测效能高于临床预测模型及影像组学模型。DCA示影像组学列线图临床净收益高于临床预测模型及影像组学模型。结论：影...     

基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值

目的 探讨基于CT影像组学列线图鉴别诊断甲状腺乳头状癌(PTC)与结节性甲状腺肿(NG)的临床价值。方法 回顾性分析经病理证实的甲状腺结节患者的临床资料及CT图像。术前2周内行CT平扫及增强扫描；PTC 113例，NG 119例；以7∶3的比例随机分层抽样划分成训练集(n=162)和测试集(n=70)。从CT平扫及双期增强图像中提取甲状腺结节相关征象和影像组学特征，通过临床影像征象和影像组学特征筛选，训练集与测试集均构建4个独立模型并计算影像组学评分，基于影像组学评分和临床模型构建联合模型，并基于联合模型绘制列线图。通过受试者工作特征曲线、曲线下面积(AUC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)等多个指标评估各模型对PTC与NG的鉴别诊断效能，利用校准曲线直观的评估列线图的可靠性与准确性，使用决策曲线评估列线图的临床实用价值。结果 平扫、动脉期、静脉期分别保留了6、4、3个影像组学特征，分别构建单期相影像组学模型。单期相中，平扫模型鉴别诊断效能最优，6个独立预测因子用于构建临床模型，基于联合模型的列线图对PTC与NG具有最高的鉴别诊断效能(训练集：AUC为0.980...     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

基于增强CT影像组学列线图预测单发肝细胞癌GPC3表达状态

目的 探讨增强CT影像组学列线图在鉴别单发肝细胞癌（HCC）磷脂酰肌醇蛋白聚糖3（GPC3）表达中的价值。方法 回顾性收集来自2个医疗机构共152例单发HCC病人的临床及影像资料,所有病人均行上腹部增强CT扫描并记录GPC3表达水平。天津市第一中心医院的106例病人资料作为训练集（GPC3阳性83例、阴性23例）,天津医科大学肿瘤医院的46例病人资料作为验证集（GPC3阳性35例、阴性11例）。对所有病人术前1个月内增强CT影像进行影像组学特征提取。在训练集中,对所有影像组学特征进行降维并得到最优子集,计算影像组学评分（Radscore）;比较GPC3阳性组和阴性组间临床资料[包括血清甲胎蛋白（AFP）、糖类抗原199（CA199）等]的差异,将差异有统计学意义的指标进行二元logistic回归分析,获得GPC3阳性的独立预测因素。将获得的临床信息及Radscore分别建立临床列线图、影像组学列线图及联合列线图。采用受试者操作特征曲线下面积（AUC）分析各列线图对GPC3表达状态的预测能力,采用DeLong检验比较各列线图间的诊断效能,并用决策曲线分析评估列线图的临床价值。使用验证集数据对列线图预测效能进行验证。结果 二元logistic回归显示血清AFP、CA199、Radscore是GPC3阳性的独立危险因素[优势比（OR）分别为8.503、1.090、13 300.044,均P<0.05]。校准曲线显示联合列线图对GPC3阳性表达的预测概率与实际概率一致性良好。训练集中,联合列线图的AUC（0.918）高于影像组学列线图（0.842）和临床列线图（0.787）（均P<0.05）,联合列线图的敏感度最高,而临床列线图的特异度最高;验证集中,联合列线图的AUC（0.896）高于影像组学列线图（0.726）和临床列线图（0.803）（均P<0.05）,联合列线图的敏感度和特异度均最高。决策曲线分析显示当阈值概率处于16%~86%时,联合列线图的临床净获益高于临床列线图和影像组学列线图。结论 基于增强CT的影像组学列线图可以术前鉴别单发HCC GPC3阳性和阴性表达,联合列线图进一步提高了预测效能。     

基于CT影像组学列线图鉴别腮腺多形性腺瘤与基底细胞腺瘤的价值

目的:探讨CT影像组学列线图对腮腺多形性腺瘤(PA)和基底细胞腺瘤(BCA)的鉴别诊断价值。方法:回顾性分析2020年1月-2022年8月在本院经病理证实的88例PA和29例BCA患者的临床资料和CT平扫及双期增强图像。以7∶3的比例将所有患者随机分为训练集(n=81)和测试集(n=36)。分别在3期(动脉期、平扫和静脉期)CT图像上沿病灶边缘逐层勾画ROI,提取病灶的全容积影像组学特征，并采用Spearman相关性分析、互信息法以及递归特征消除法行特征筛选，构建训练集模型和验证测试集模型并计算相应的影像组学评分(Radscore)。经单因素分析，将有统计学意义的临床资料和CT征象用于构建临床模型。基于影像组学模型和临床模型建立联合模型，并绘制联合模型的列线图。采用受试者工作特征曲线(ROC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)来评估各模型的诊断效能，采用校准曲线评估和决策曲线评估列线图的准确性和临床实用价值。结果:基于CT平扫、动脉期和静脉期图像分别筛选出7个、8个和8个最佳组学特征。单期相(动脉期、平扫和静脉期)影像组学模型及临床模型鉴别PA与BAC的AUC分别...     

治疗前18F-FDG PET/CT摄取异质性在HER2阳性转移性乳腺癌疗效预测中的价值

目的探讨治疗前¹⁸F-脱氧葡萄糖(FDG)PET/CT摄取异质性在人表皮生长因子受体2(HER2)阳性转移性乳腺癌靶向治疗效果预测中的作用。方法回顾性分析2012年5月至2018年4月复旦大学附属肿瘤医院的29例HER2阳性转移性乳腺癌患者[均为女性,中位年龄52(32~69)岁]临床、病理及治疗前¹⁸F-FDG PET/CT影像资料,患者均接受曲妥珠单克隆抗体(简称单抗)一线治疗。对患者进行中位时间35(6~87)个月的随访。分析临床、病理相关特点及PET/CT代谢参数与患者无进展生存期(PFS)、总生存期(OS)之间的关系。通过Cox单因素分析筛选变量,将P≤0.01的变量纳入多因素Cox比例风险回归模型进行分析。采用时间依赖性受试者工作特征(ROC)曲线评价Cox回归模型的预测效能。生存曲线依据Kaplan-Meier法绘制,采用log-rank检验进行比较。结果29例患者中位OS为30(6~83)个月,中位PFS为10(2~29)个月。单因素分析结果示PET/CT瘤间摄取异质性指数,包括最大标准摄取值(SUVmax)最高病灶与最低病灶的SUVmax比值[SUVmax-R;风险比(HR)=8.6(95%CI:2.7~27.8),P<0.001]、平均标准摄取值(SUVmean)-2.5[标准摄取值(SUV)阈值为2.5]比值[SUVmean-2.5-R;HR=2.6(95%CI:1.2~5.9),P=0.020]、肿瘤代谢体积(MTV)-2.5比值[MTV-2.5-R;HR=2.4(95%CI:1.1~5.2),P=0.030]和总病灶糖酵解量(TLG)-2.5比值[TLG-2.5-R;HR=3.2(95%CI:1.4~7.4),P=0.008]均与PFS有关,但与OS均无明显关系(均P>0.05)。多因素分析结果显示SUVmax-R为影响PFS的独立危险因素[HR=6.8(95%CI:1.8~26.1),P<0.01]。SUVmax-R的ROC曲线下面积为0.747,以1.8作为界值,SUVmax-R可以有效地区分曲妥珠单抗受益与非受益人群(PFS:15.0与7.0个月;χ²=18.68,P<0.01)。结论PET/CT瘤间摄取异质性指数SUVmax-R是HER2阳性转移性乳腺癌患者靶向治疗的独立预后因素,能够早期预测靶向治疗效果。     

淋巴瘤18F-FDG PET/CT及PET/MR显像临床应用指南(2021版)

恶性淋巴瘤是中国发病率增速最快的肿瘤之一,其死亡率居于各类恶性肿瘤的前10位。在我国淋巴瘤有如下特点:结外自然杀伤(natural killer,NK)/T细胞淋巴瘤发病率高、病毒感染比例高和侵袭性高。¹⁸F-脱氧葡萄糖(fluorodeoxyglucose,FDG)PET/CT显像已用于淋巴瘤患者的初始分期、再分期、早期治疗反应及疗效评估、预后预测及随访。2014年恶性淋巴瘤影像工作组国际会议发表共识,推荐使用Deauville标准用于¹⁸F-FDG PET/CT疗效分析。     

基于乳腺动态增强MRI的delta影像组学预测乳腺癌新辅助治疗后病理完全缓解的价值

目的探讨基于乳腺动态增强MRI(DCE-MRI)纵向变化的delta影像组学在预测乳腺癌新辅助治疗(NAT)后病理完全缓解(pCR)的价值。方法回顾性分析2019年4月至2021年11月江西省肿瘤医院经手术病理证实为原发性浸润性乳腺癌患者117例的临床及影像资料。患者均为女性, 年龄23～74(48±10)岁, 按照软件中的随机种子数以7∶3比例分成训练集(81例)与测试集(36例)。所有患者均在NAT前、NAT早期(2个疗程)后接受乳腺DCE-MRI, 计算肿瘤NAT前、后最大径相对退缩值(D%), 并构建传统影像模型。基于NAT前、早期DCE-MRI提取delta影像组学特征, 通过冗余性分析、最小绝对收缩与选择算子算法筛选最优特征参数, 以10折交叉验证法构建delta影像组学模型并计算影像组学分数(Radscore)。根据NAT后手术病理结果将117例患者分为pCR组与非pCR(non-pCR)组, 单因素分析两组差异有统计学意义的临床病理指标并通过逐步回归法筛选最终的指标, 并联合D%、Radscore构建联合模型及列线图。采用受试者操作特征曲线及曲线下面积(AUC)评价模型...     

18F-FDG PET/CT评估不同Bcl-2、Bcl-6及MYC蛋白表达的弥漫大B细胞淋巴瘤的预后

目的 评价¹⁸F-FDG PET/CT对不同Bcl-2、Bcl-6及MYC蛋白表达的弥漫大B细胞淋巴瘤(DLBCL)患者的预后评估价值。资料与方法 回顾性纳入2015年1月—2020年1月苏州大学附属第一医院164例初诊DLBCL患者，根据免疫组化结果将病例分为对照组97例、双表达组30例及三表达组37例，记录一般资料、Bcl-2、Bcl-6、MYC蛋白表达情况及患者化疗前后的¹⁸F-FDG PET/CT表现，并对3组患者进行生存分析，研究最大标准化摄取值(SUVmax)、△SUVmax等对DLBCL患者预后的影响。结果 随访结束时，164例患者中死亡42例(25.61%),3组间总体生存率差异有统计学意义(χ²=49.105,P<0.05)；进展49例(29.87%),3组间无进展生存率差异有统计学意义(χ²=78.224,P<0.05)。受试者工作特征曲线分析显示，化疗后SUVmax界值3.42，△SUVmax界值77.16%。SUVmax<3.42组和SUVmax≥3.42组...     

基于18F-PSMA-1007 PET/CT影像组学模型在前列腺癌与前列腺增生鉴别诊断中的价值

目的评估前列腺特异膜抗原(PSMA)PET/CT影像组学模型对前列腺癌和前列腺增生(BPH)鉴别诊断的价值。方法回顾性收集2020年5月至2022年9月在西安交通大学第一附属医院行前列腺穿刺活组织检查和18F-PSMA-1007 PET/CT显像的50例前列腺癌[年龄(70.0±8.8)岁]和25例BPH患者[年龄(66.9±9.4)岁]的资料, 采用随机种子数按7∶3分为训练集(n=53)和测试集(n=22)。基于PET/CT配准图像勾画前列腺ROI, 提取PET和CT影像组学特征, 使用最大相关最小冗余(mRMR)和最小绝对收缩和选择算子(LASSO)算法进行特征筛选。采用logistic回归分别构建PET和PET/CT影像组学模型。通过ROC曲线评价模型的诊断效能, 并与游离前列腺特异抗原(fPSA)/总前列腺特异性抗原(tPSA)比值、PET常规代谢参数以及前列腺癌分子成像标准化评估(PROMISE)等指标和参数进行比较(Delong检验)。结果 PET影像组学模型共纳入7个特征, PET/CT影像组学模型分别纳入3个CT特征和4个PET特征。训练集、测试集中PET和PET/C...     

基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图预测临床显著性前列腺癌

目的 建立基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图，评价其预测临床显著性前列腺癌(csPCa)的价值。方法 回顾性分析204例患者的资料，进行PI-RADS v2.1评分和影像组学分析。应用受试者工作特征曲线和临床决策曲线评估临床模型、PI-RADS模型、影像组学模型及各联合模型诊断csPCa的效能和临床获益，基于效能最优模型建立列线图并验证。结果 影像组学模型诊断效能显著优于临床模型和PI-RADS评分模型，差异具有统计学意义(P<0.05)。在临床模型或PI-RADS模型中增加影像组学的特征，其联合诊断效能会显著提高(P<0.05)。结论 基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的联合模型所建立的列线图为术前预测csPCa提供了一种无创性的新方法。     

基于MRI影像组学列线图在宫颈鳞癌组织学分级中的预测研究

目的 建立并验证MRI影像组学列线图模型，实现术前对宫颈鳞癌组织学分级的准确预测。方法 回顾性搜集2019年1月至2021年10月于蚌埠医学院第一附属医院就诊208例患者的临床及影像资料。按照7∶3的比例将所有患者随机分为训练组(n=145)、验证组(n=63),在训练组患者选取矢状位T₂WI、增强T₁WI及轴位DWI图像，在病灶最大层面边缘勾画获取感兴趣区(ROI)提取影像特征，应用最小绝对收缩和选择算子(LASSO)算法建立影像组学评分。采用多因素Logistic回归分析确定独立危险因素，并结合影像组学评分建立MRI影像组学列线图。运用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测性能。应用校正曲线评估列线图的临床应用价值。结果 基于临床参数及影像组学评分构建的列线图模型(AUC:0.852)的诊断效能高于临床特征模型(AUC:0.723)及影像组学模型(AUC:0.788)。结论 结合临床模型和影像组学评分的MRI影像组学列线图模型是一种简单、有效、可靠的预测宫颈鳞癌组织学分级的方法。     

基于增强CT影像组学评估肝硬化患者肝储备功能的应用

【摘要】目的：基于增强CT影像组学特征构建列线图预测模型对肝硬化患者肝储备功能进行Child-Pugh分级。方法：回顾性分析经临床证实的144例肝硬化患者,按照Child-Pugh评分标准分成Child-Pugh A级33例, B级60例,C级51例。构建Child-Pugh A vs Child-Pugh B/C及Child-Pugh A/B vs Child-Pugh C两个数据集,分别以8：2的比例随机分成训练集和测试集。在3期增强CT图像上手动勾画肝脏区域作为感兴趣区(ROI),于感兴趣区中提取并筛选特征。建立影像组学标签并构建列线图预测模型,将模型用于训练集及测试集,并绘制受试者工作特性曲线（ROC）评估其效能。结果：在Child-Pugh A vs Child-Pugh B/C数据集中,列线图在训练集与测试集中AUC分别为0.920和0.807,敏感度分别为0.933和0.741,特异度分别为0.846和0.826。在Child-Pugh A/B vs Child-Pugh C数据集中,列线图在训练集与测试集中AUC分别为0.880和0.821,敏感度分别为0.805和0.818,特异度分别为0.878和0.947。结论：基于不同肝脏储备功能肝硬化患者的腹部3期CT增强图像组学特征建立的列线图模型可作为预测Child-Pugh分级较为可靠的辅助诊断工具。     

基于临床及CT影像组学特征构建周围型小细胞肺癌与肺腺癌诊断模型的研究

目的 基于临床及CT影像组学特征建立周围型小细胞肺癌(SCLC)与肺腺癌(ADC)诊断模型，并评估其诊断价值。方法 回顾性搜集周围型肺癌患者临床及CT影像资料，选取治疗前2周内有薄层CT影像的病例分为SCLC组和ADC组，以SCLC组为实验组，采用倾向性评分匹配按1∶2匹配ADC对照组，两组按照7∶3比例随机分为训练集和验证集。依据训练集病例资料采用多因素Logistic回归分析筛选有意义的变量，建立临床、影像组学及临床组学联合预测周围型SCLC诊断模型。采用受试者工作特征(ROC)曲线评价模型诊断效能，建立个体化诊断列线图。结果 周围型SCLC和ADC两组间NSE和13个组学特征有显著性差异。训练集和验证集ROC曲线下面积，临床诊断模型分别为0.793和0.750,影像组学模型分别为0.857和0.838,联合模型分别为0.905和0.882。结论 基于临床及CT影像组学特征建立周围型SCLC与ADC诊断模型可鉴别诊断周围型SCLC及ADC。     

经肝动脉化疗栓塞治疗中期肝癌预后的预测模型的建立和验证

【摘要】 目的 建立并验证对中期肝癌（BCLC B期）患者行 TACE治疗的生存期列线图预测模型。方法 收集2009年1月至2017年12月在3所单位接受TACE治疗的首诊首治中期肝癌患者。其中常州市第一人民医院和常州市第二人民医院作为训练集,苏州大学附属第一医院作为测试集。收集患者的基线资料。计算患者的生存期,采用Kaplan- Meier法绘制生存曲线,采用log-rank检验进行生存分析。采用Cox回归模型分析影响生存的预后因素并建立列线图。采用AUROC及C指数比较每个模型预测的准确性及效能。结果 训练集158例,测试集141例,共计299例中期肝癌患者。训练集和测试集的生存时间分别为22.7（19.9～30.1）和23.8（19.9～29.0）个月（P=0.96）。单因素分析中,性别、AFP、肿瘤大小、白蛋白、AST、Child-Pugh分期、up-to-7标准、up-to-11标准及肿瘤应答均与预后相关（P＜0.05）。在多因素分析中,AFP、up- to-11标准及肿瘤应答为独立预后因素（P＜0.05）。基于独立预后因素建立的列线图预测模型在训练集和测试集的C指数分别为0.700（95%CI:0.693～0.707）和0.647（95%CI:0.637～0.657）。列线图模型预测1年、2年生存率的AUROC值和C指数都高于HAP、BCLC B sub-classification及new BCLC B sub-classification等模型。结论 列线图模型能够很好地预测BCLC B期肝癌行TACE治疗的生存期,模型的准确性及效能都高于其他模型,有助于筛选获益患者及预后分层。     

双参数磁共振影像组学联合血清PSA对预测前列腺癌Gleason分级的临床价值研究

目的 探讨基于双参数磁共振影像组学联合血清前列腺特异性抗原(PSA)列线图模型预测前列腺癌(PCa)Gleason分级的临床价值。方法 回顾性分析经病理证实的338例PCa患者的影像及临床资料，高危组(Gleason评分>7分)185例，中低危组(Gleason评分≤7分)153例。利用分割软件手动勾画所有患者的病灶感兴趣区并进行高通量特征提取，经过筛选和降维处理后构建影像组学预测模型。受试者工作特征曲线(ROC)用于评估模型对Gleason分级的预测效能。结果 分别构建基于T₂WI序列、ADC序列和T₂WI+ADC序列的影像组学模型，三组模型在测试组中的曲线下面积(AUC)分别为0.763、0.765、0.780。列线图预测模型由年龄、总前列腺特异性抗原(TPSA)、游离前列腺特异性抗原(FPSA)及影像组学评分构成，列线图预测模在测试组中的AUC为0.874,对PCa Gleason分级的预测效能最高。结论 由年龄、TPSA、FPSA及影像组学评分构建的列线图预测模型对PCa Gleason分级具有较高的诊断效能。