基于ADC和增强MRI的影像组学模型预测低级别胶质瘤TERT启动子突变状态

目的:探讨基于ADC和增强MRI的影像组学模型对低级别胶质瘤端粒酶逆转录酶基因（TERT）启动子突变状态的预测价值。方法:回顾性搜集109例经病理证实的低级别胶质瘤患者,所有患者术前均行MRI检查,在ADC和对比增强T₁WI（T₁CE）图像上选取病灶最大层面,沿肿瘤边缘勾画ROI,提取影像组学特征。采用三联法（Fisher, POE+ACC,MI）和最小绝对收缩选择算子（LASSO）进行特征筛选,然后行多因素logistic回归分析,构建影像组学预测模型。采用ROC曲线评估预测模型的诊断效能。结果:在ADC和T₁CE图像上分别提取279个影像组学特征,最终筛选出11个影像组学特征,分别建立ADC模型、T₁CE模型和联合分析（ADC+T1CE）模型共3个影像组学模型。联合分析模型的预测效能最佳,训练集中曲线下面积（AUC）为0.928（95%CI:0.859～0.996）,验证集中AUC为0.878（95%CI:0.758～0.997）。结论:基于ADC和增强MRI的影像组学模型能有效预测低级别胶质瘤...     

基于常规MRI影像组学模型预测软组织肉瘤复发

【摘要】目的：探讨基于常规MRI的影像组学模型对预测软组织肉瘤（STS）复发的价值。方法：回顾性分析2012年1月－2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组（27例）,无复发组（65例）。采用完全随机方法将所有患者按7:3的比例分为训练集（n=65）和验证集（n=27）。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合（VOI）,然后使用AK软件提取纹理特征,使用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分（Radscore）,运用100次留组交叉验证（LGOCV）方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归（LR）、随机森林（RF）和支持向量机（SVM）三种机器学习算法分别建立机器学习模型。采用受试者工作特征（ROC）曲线评价各模型的预测效能,应用决策曲线分析（DCA）评估模型的临床应用价值。结果：临床模型在训练集和验证集中预测STS复发的ROC曲线下面积（AUC）分别为0.71（95%CI:0.58~0.85）和0.74（95%CI:0.52~0.97）。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81（95%CI:0.70~0.93）、0.92（95%CI:0.86~0.99）和0.91（95%CI:0.84~0.99）,在验证集中分别为0.84（95%CI:0.63~1.00）、0.92（95%CI:0.81~1.00）和0.86（95%CI:0.72~1.00）。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93（95%CI:0.87~0.99）、0.91（95%CI:0.84~0.99）和0.77（95%CI:0.63~0.91）,在验证集中分别为0.93（95%CI:0.83~1.00）、0.86（95%CI:0.71~1.00）和0.83（95%CI:0.66~1.00）。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论：基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。     

基于STIR-MRI的影像组学模型评估原发性下肢淋巴水肿的临床分期

【摘要】目的：探讨MRI影像组学模型对原发性下肢淋巴水肿（PLEL）临床分期的评估价值。方法：回顾性搜集2018年1月－2019年12月在本院就诊的132例单侧PLEL患者的临床和影像资料。依据2020年国际淋巴协会（ISL）淋巴水肿临床分期标准,Ⅰ期45例,Ⅱ期51例,Ⅲ期36例。将STIR序列原始图像导入深睿多模态科研平台,连续选择10层肢体肿胀最严重的横轴面图像,逐层在皮下软组织区域内的水肿区手动勾画ROI,提取影像组学特征1743个。采用相关性分析及F-Test算法进行特征的筛选,然后采用logistic回归分类器分别建立Ⅰ期与Ⅱ期、Ⅱ期与Ⅲ期的分类模型,并采用ROC曲线评价模型的鉴别效能。采用决策曲线分析（DCA）评估模型的临床实用性。结果：鉴别Ⅰ期与Ⅱ期,共筛选出10个组学特征构建预测模型,其在训练集中的AUC为0.935（95%CI：0.886~0.983）,在验证集中的AUC为0.917（95%CI：0.858~0.975）。鉴别Ⅱ期与Ⅲ期,共筛选出10个组学特征用于建模,其在训练集中的AUC为0.838（95%CI：0.749~0.927）,在验证集中为0.760（95%CI：0.654~0.866）。DCA验证了影像组学模型鉴别PLEL临床分期的临床实用性。结论：基于下肢MRI建立的影像组学模型可较准确地评估PLEL的严重程度,与PLEL的临床分期一致性高。     

CT影像组学联合传统影像特征对胃肠道间质瘤Ki-67指数表达的预测价值

【摘要】目的：探讨基于增强CT的影像组学联合传统影像特征对无创性预测胃肠道间质瘤（GIST）Ki-67增殖指数（Ki-67 PI）表达的价值。方法：回顾性搜集我院2010年9月至2020年9月经手术病理确诊的原发性GIST患者的病例资料。诊断医师采用盲法独立分析增强CT图像,提取传统的影像征象。利用ITK-SNAP软件在增强CT图像上勾画病灶感兴趣区,利用AK软件提取纹理特征,将患者随机分为训练集与验证集。采用逻辑回归筛选特征参数并构建影像组学模型。再分别建立传统影像特征模型、组学模型及联合两者的组合模型。结果：传统影像特征模型的诊断效能尚可,其ROC曲线的曲线下面积（AUC）在训练集和验证集中分别为0.720（95%CI：0.651～0.788）及0.665（95%CI：0.547～0.784）。影像组学模型的诊断效能良好,其AUC在训练集中具有最优值,为0.802（95%CI：0.744～0.860）,其AUC在验证集中为0.730（95%CI：0.623～0.836）。此外,联合影像组学和传统影像特征组成的多参数组合模型在训练集中效能良好,AUC值为0.823（95%CI：0.768～0.878）,其在验证集中具有最优的诊断效能,AUC值为0.731（95%CI：0.626～0.836）。结论：基于增强CT的影像组学联合传统影像特征建立的组合模型具有无创预测GIST患者Ki-67 PI表达状态的价值。     

结合瘤周影像组学建立磨玻璃结节手术切除预测模型

目的 融合肺磨玻璃结节(GGN)瘤内及瘤周影像组学特征,并与临床模型相结合建立GGN手术切除预测模型。方法 回顾性搜集311例肺GGN患者CT图像,包括良性/腺体前驱病变121例,肺腺癌(微浸润腺癌/浸润性肺腺癌)190例。对GGN行手动分割获得瘤内ROI,使用膨胀算法外扩3 mm获得瘤周ROI,分别提取影像组学特征。按照7∶3比例随机划分训练集(217例)与验证集(94例),使用支持向量机构建瘤内组学模型、瘤周组学模型及融合组学模型。选取其中表现最好的模型与临床模型相结合,建立GGN手术切除预测模型。使用曲线下面积(AUC)、准确率、敏感度、特异度评价各模型预测效能,DeLong检验用于比较各模型AUC差异,使用决策曲线评估各模型的临床应用。结果 瘤内组学模型训练集AUC值为0.805(95%CI:0.745～0.866),验证集AUC值为0.787(95%CI:0.696～0.878);瘤周组学模型训练集AUC值为0.727(95%CI:0.655～0.799),验证集AUC值为0.759(95%CI:0.653～0.866);融合组学模型训练集AUC值为0.827 (95%CI:...     

基于CT影像组学模型术前预测喉癌淋巴结转移

【摘要】目的：研究CT影像组学在术前预测喉癌患者淋巴结转移中的价值。方法：搜集本院304例经手术病理证实为喉癌患者的影像学资料,随机选择243例及61例分别作为训练集和验证集。从术前静脉期CT图像中手工勾画肿瘤体积并提取影像组学特征。在训练集中,采用LASSO回归进行特征筛选,使用Logistic回归分别构建影像组学模型、形态学模型及二者联合模型。利用受试者工作特征（ROC）曲线评价各个模型的预测效能,并对模型的ROC曲线行Delong检验。在验证集中评估各种模型的诊断效能。结果：最后获得5个影像组学特征。在训练集中,影像组学模型ROC曲线下面积（AUC）为0.85（95%CI：0.77~0.93）,形态学模型AUC为0.66（95%CI：0.59~0.72）,联合模型AUC为0.82（95%CI：0.74~0.91）;在验证集中,影像组学模型AUC为0.83（95%CI：0.69~0.97）,形态学模型AUC为0.59（95%CI：0.40~0.77）,联合模型AUC为0.73（95%CI：0.56~0.91）。Delong检验显示影像组学模型与形态学模型差异、联合模型与形态学模型差异均有统计学意义（P＜0.05）,而联合模型与影像组模型差异无统计学意义（P＞0.05）。结论：基于病灶为兴趣区的CT影像组学模型可以术前较好地预测喉癌淋巴结转移,其诊断效能高于形态学模型。     

基于ADC图的影像组学模型在前列腺癌Gleason危险度分级中的诊断价值

目的 探讨基于ADC图的影像组学模型在鉴别前列腺癌Gleason危险度分级中的价值。方法 回顾性分析2019年9月至2021年12月行前列腺MRI检查并行手术或穿刺病理学证实为前列腺癌的59例患者资料(28例Gleason评分≤3+4分，31例Gleason评分≥4+3分),采用ITK-SNAP软件对患者的ADC图像进行感兴趣区(ROI)勾画，共勾画病灶73个，采用Pyradiomics方法提取纹理特征Spearman去除相关性较高的特征，最小绝对收缩和选择算法(LASSO)回归进行特征筛选，最终采用迭代的方式建立支持向量机(SVM)分类模型，筛选最优诊断模型，并进行验证，结果用曲线下面积(AUC)表示。结果 共提取94个特征，通过Spearman去除相关系数较高的72个特征后，经LASSO筛选出最佳特征10个，构建SVM最优模型，在训练集中其AUC为0.95(95%CI:0.90～1.00),经交叉验证后，在验证集中AUC为0.87(95%CI:0.72～1.00)。结论 基于ADC图的影像组学模型在鉴别前列腺癌Gleason低危组和高危组中有一定的诊断价值。     

基于影像组学构建乳腺癌前哨淋巴结转移预测模型的研究

目的:探讨基于MRI动态增强扫描(DCE-MRI)的影像组学在预测乳腺癌前哨淋巴结(SLN)转移中的价值。方法 :回顾性收集经病理证实并行DCE-MRI检查的浸润性乳腺癌164例(训练组124例,验证组40例)。在DCE-MRI图像上提取影像组学特征,并计算DCE参数,采用Lasso-Logistic回归模型对影像组学特征进行筛选。分别建立单纯影像组学模型、单纯DCE参数模型及联合模型。采用ROC的AUC评价不同模型的鉴别预测效能,并对模型的ROC曲线行DeLong检验;在验证队列中评估其预测效能。结果:共提取396个影像组学特征,经筛选得到28个特征,联合DCE参数分别建模。对于术前预测SLN转移的效能,在训练组中单纯影像组学模型AUC的95%CI为0.81(0.72,0.89),单纯DCE参数模型AUC的95%CI为0.77(0.68,0.86),联合预测模型AUC的95%CI为0.80(0.72,0.89);在验证组中单纯影像组学模型AUC的95%CI为0.74(0.59,0.89),单纯DCE参数模型AUC的95%CI为0.74(0.59,0.90),联合预测模型AUC的95%CI为0.76(0.61,0.91),Delong检验显示差异无统计学意义(P 0.05),联合模型的效能可能稍高。结论:基于DCE-MRI图像提取影像组学特征及DCE参数建立预测模型,作为一种无创性预测乳腺癌SLN转移的工具,有良好的应用前景。     

传统影像特征与多序列影像组学模型对上皮性卵巢癌分型的价值

【摘要】目的:比较传统影像特征与多序列影像组学模型在鉴别诊断Ⅰ型与Ⅱ型上皮性卵巢癌（EOC）中的效能,并验证传统模型与影像组学模型相结合能否提升预测EOC分型的效能。方法:搜集2015年1月-2019年6月经我院手术病理证实为EOC,且术前行MRI检查的61例患者,共80个病灶（Ⅰ型30个,Ⅱ型50个）。建立传统模型,包括常规MRI形态学特征及ADC值,通过多因素logistic回归筛选有统计学意义的特征;建立包括FS-T2WI、DWI和T1增强图像的影像组学模型,每个序列提取1070个影像组学特征,采用单变量分析和最小绝对收缩选择算法（LASSO）筛选重要特征,最后将传统模型与多序列组学模型相结合以建立混合模型。通过ROC曲线分析、校准曲线和决策曲线（DCA）分析验证各模型的预测性能。采用Delong检验比较不同模型之间的AUC值差异。结果:传统模型显示出最高的性能,AUC为0.95（95% CI：0.90~0.99）,混合模型的AUC为0.96（95% CI：0.9~1.0）,混合模型的性能与传统模型差异无统计学意义（P＞0.05）。校准曲线分析结果表明,传统模型具有最高的可靠性。分层分析结果显示了影像组学模型在早期区分两种肿瘤类型中的潜力。结论:传统模型可成为区分I型与II型EOC的有效工具,影像组学模型有可能在早期更好地区分EOC类型。     

基于MRI 3D-T1WI增强影像组学模型预测非小细胞肺癌脑转移EGFR基因突变状态

目的 建立非小细胞肺癌脑转移MRI 3D-T₁WI增强影像组学模型,验证其对非小细胞肺癌患者EGFR突变状态的诊断效能。方法 回顾性搜集104例非小细胞肺癌脑转移患者,其中EGFR基因突变型60例,野生型44例,随机分为训练集76例(突变型45例,野生型31例)和验证集28例(突变型15例,野生型13例)。分析患者性别、年龄、吸烟史、病理类型、转移数目、瘤周水肿、瘤周水肿指数、脑膜转移与EGFR突变状态的相关性。通过3D-T₁WI增强图像对影像组学特征进行提取,利用mRMR和LASSO筛选影像组学特征构建组学模型,通过对所选特征的系数加权求和来计算Rad-score。利用ROC曲线及DCA曲线对组学模型诊断效能进行评估。结果 性别、吸烟史及病理类型在EGFR突变型及野生型组间差异有统计学意义(P<0.05),女性、无吸烟史、腺癌患者更易出现EGFR突变。组学模型在训练集中AUC为0.832(95%CI:0.734～0.931),在验证集中AUC为0.813(95%CI:0.644～0.982),均表现出了较高的诊断效能。绘制DCA曲线提...     

CT影像组学联合血清炎症参数预测肝癌根治术后辅助TACE的早期复发

目的 探讨CT影像组学联合血液炎症指标的综合列线图评估肝细胞癌（HCC）根治术后辅助肝动脉化疗栓塞（PA-TACE）早期复发的效能。方法 从南通市第一人民医院电子病历系统中选择2017年6月至2021年6月外科手术后1个月接受PA-TACE治疗的原发性肝癌患者130例，按7∶3随机分成训练组92例和验证组38例。收集、评估所有患者的临床资料、CT影像组学数据、病理学资料、PA-TACE术前1周内血液学指标。评估PA-TACE术后早期复发和未早期复发患者的临床资料。使用R语言进行数据分析、影像组学特征筛选、LASSO回归分析、绘制ROC曲线、列线图建立及DCA曲线绘制。结果 在训练组和验证组中，CT影像组学预测PA-TACE术后早期复发的AUC分别为0.79(95%CI:0.70～0.89)、0.78(95%CI:0.62～0.94)。单因素多因素回归分析表明GLR(P<0.01)是与PA-TACE早期复发相关的血液学指标。训练组中，临床模型、综合列线图模型预测PA-TACE早期复发的AUC分别为0.68(95%CI:0.56～0.79)和0.80(95%CI:0.71～0.89)...     

影像组学结合机器学习在鉴别脊柱结核与转移瘤中的价值研究

目的 分析脊柱结核（TBS）与脊柱转移瘤（MST）患者受累椎体的MRI表现与影像组学特征,评价基于MRI特征的逻辑回归（Logistic）模型与基于影像组学特征的机器学习模型的诊断效能。方法 搜集本院经病原学检查与手术病理证实的TBS与MST患者,利用Logistic分析MRI特征。提取受累椎体T₂WI脂肪抑制序列（T₂-FS）的影像组学特征,组内相关系数（ICC）评价组学特征值测量的可重复性。依次使用t检验、SelectKBest以及最小绝对收缩和选择算子（LASSO）筛选特征。利用交叉验证（CV）划分数据集,随机森林（RF）及支持向量机（SVM）模型在训练集上进行监督学习,在测试集上进行评价,并与Logistic模型相比较。受试者工作特征（ROC）曲线及决策曲线分析（DCA）分别用来评价机器学习的分类效能及实际临床净收益,校准曲线评估模型的预测误差,Z检验用来比较ROC曲线下面积（AUC）之间的差异。结果 101例患者被纳入样本（51例TBS,50例MST）,筛选到3个MRI特征构建Logistic模型,6个影像组学特征（ICC均>...     

基于薄层CT的三维影像组学在预测亚厘米磨玻璃样肺腺癌浸润程度的价值

【摘要】目的：探讨基于术前薄层CT的三维影像组学预测亚厘米磨玻璃样肺腺癌浸润程度的临床应用价值。方法：回顾性分析华东医院2013年1月－2017年7月经病理证实的394例亚厘米肺腺癌患者（共446个结节）的术前肺部薄层CT和临床资料。选取2013年1月－2015年12月的253例患者的286个结节为验证集;2016年1月－2017年7月141例患者的160个结节为训练集。所有病例参照病理金标准分为浸润前病变和浸润性病变,且所有结节均逐层勾画ROI而得到其容积感兴趣区（VOI）。采用Matlab 2016b软件从每个结节的VOI中提取475个影像组学特征,利用最小绝对收缩和选择算子（LASSO）进行特征筛选,随后建立影像组学标签。采用单因素及多因素分析方法筛选出训练集中两组病变间差异有统计学意义的变量并建立回归模型,进一步在验证集中对此模型进行验证。采用ROC曲线评价模型对结节浸润性的预测效能。结果：经可重复性分析及LASSO降维,最终筛选出13个影像组学特征并建立影像组学标签。多因素分析结果显示影像组学标签和CT值是预测肺癌浸润程度的独立危险因子。在训练集中,回归方程、CT值和影像组学标签的ROC曲线下面积（AUC）分别为0.785（95%CI：0.730~0.840）、0.742（95%CI：0.681~0.802）和0.696（95%CI：0.630~0.760）。在验证集中,回归模型、CT值和影像组学标签的AUC分别为0.704（95%CI：0.618~0.790）、0.683（95%CI：0.595~0.772）和0.674（95%CI：0.588~0.761）。结论：基于薄层CT的三维影像组学特征联合临床资料建立的多因素logistic回归模型对预测亚厘米级磨玻璃结节样肺腺癌的浸润程度具有很好的临床应用价值及发展前景。     

磁共振扩散加权成像在儿童髓母细胞瘤诊断中的价值

【摘要】目的：探讨扩散加权成像(DWI)对儿童髓母细胞瘤的诊断价值。方法:回顾性分析我院经病理证实的66例儿童髓母细胞瘤患者的MRI特点,重点分析肿瘤实质的ADC值,从同时期儿童后颅窝室管膜瘤病例中选取20例作为对照。结果：66例髓母细胞瘤中50例位于后颅窝中线部（小脑蚓部）,7例位于后颅窝非中线部（主要位于小脑半球）,9例同时累及后颅窝中线部及非中线部,病变边界较清,周围均可见不同程度水肿;肿瘤实质呈等或稍长T1稍长T2信号,肿瘤呈不同程度的不均匀强化。DWI（b=1000s／mm2）图像上60例肿瘤实性部分呈高信号,6例肿瘤实性部分呈等信号。影像报告第一诊断准确率为68%（45/66）。髓母细胞瘤组及室管膜瘤组的肿瘤实质ADC值分别为（0.6815±0.1613）×10-3mm2/s、（1.0068±0.1736）×10-3mm2/s,差异有统计学意义（P<0.001）。受试者工作特征(ROC)曲线分析显示肿瘤实质ADC值诊断髓母细胞瘤的准确度较高（曲线下面积为0.942）,最佳诊断分界点为0.7817×10-3mm2/s。结论：DWI图像及肿瘤实质ADC值可以提高儿童髓母细胞瘤的影像诊断准确率,降低误诊率,同时肿瘤实质ADC值也可为计算机辅助诊断的开展提供依据。     

基于T2WI影像组学及联合诊断模型鉴别腮腺多形性腺瘤与腺淋巴瘤

【摘要】目的：探讨基于磁共振T2WI的影像组学模型对腮腺多形性腺瘤与腺淋巴瘤的鉴别诊断价值。方法：回顾性分析2015年1月－2019年11月在本院经手术病理证实且具有完整术前MR平扫图像的99例腮腺肿瘤患者的病例资料,将患者按7:3的比例随机分为2组：训练集70例,验证集29例。按照术后病理结果,将训练集和验证集均进一步分为多形性腺瘤组和腺淋巴瘤组。使用MaZda软件进行纹理分析,在每例患者T2WI上于肿瘤最大层面勾画ROI,提取310个纹理特征;采用R语言软件对纹理数据进行预处理,并采最小冗余最大相关（mRMR）算法对每例患者提取的310个纹理特征进行降维;然后采用Lasso回归分析及10折交叉验证法进一步筛选纹理特征,用以建立影像组学标签。基于建立的影像组学标签及患者的临床资料,采用多变量Logistic回归分析建立联合诊断模型。采用ROC曲线评估影像组学标签及联合诊断模型的诊断效能。采用Hosmer-Lemesow拟合优度检验分析诊断模型的拟合度。结果：通过降维、筛选后最终保留8个纹理特征,建立的影像组学标签（RS）的计算公式为RS=0.251×Vertl_GLevNonU+0.134×Skewness+0.227×S(5,5)Correlat+0.408×X45dgr_LngREmph-0.131×Teta4+0.187×WavEnHH_s.3+0.183×S(5,-5)Correlat-0.027×Teta1+0.201。在训练集和验证集中,影像组学标签鉴别腮腺多形性腺瘤与腺淋巴瘤的AUC分别为0.83（95%CI：0.73~0.93）和0.82（95%CI：0.64~1.00）。基于多变量Logistic回归分析,最终将性别、单发或多发、病灶位置及影像组学标签作为独立的影响因子纳入联合诊断模型,这4项指标的优势比（OR）分别为0.177（95%CI：0.027～0.878）、15.608（95%CI：1.090～736.275）、4.876（95%CI：3.768～10.754）和9.729（95%CI：2.644～50.430）。训练集和验证集中,联合诊断模型鉴别2类肿瘤的AUC分别为0.90（95%CI：0.83~0.97）和0.96（95%CI：0.88~1.00）,均高于影像组学标签。Hosmer-Lemesow拟合优度检验结果显示,在训练集和验证集中,模型预测值与实际值的差异均无统计学意义（χ2=9.424,P=0.308;χ2=7.565,P=0.477）。结论：基于磁共振T2WI影像组学分析联合相关临床资料构建的诊断模型在鉴别腮腺多形性腺瘤与腺淋巴瘤方面具有较高的诊断价值。     

儿童后颅窝髓母细胞瘤与室管膜瘤DWI和IVIM对比研究

目的:对比研究DWI、IVIM在儿童后颅窝髓母细胞瘤与室管膜瘤的诊断价值。方法:回顾性分析本院62例后颅窝肿瘤患儿病例资料,其中36例髓母细胞瘤,26例室管膜细胞瘤,患儿术前均行颅脑横轴面DWI、IVIM扫描;比较髓母细胞瘤、室管膜细胞瘤DWI(ADC值)、IVIM(D、D^*、f值)定量参数值差异;构建受试者操作特征(ROC)曲线比较各参数值鉴别两肿瘤的ROC曲线下面积(AUC)、敏感度及特异度大小。结果:室管膜瘤[(1.19±0.40)×10^-3mm]的ADC值大于髓母细胞瘤[(0.82±0.18)×10^-3mm],差异有统计学意义(P<0.01);室管膜瘤[(1.05±0.36)×10^-3mm]的D值大于髓母细胞瘤[(0.59±0.08)×10^-3mm],差异有统计学意义(P<0.01);室管膜瘤[(12.11±10.90)×10^-3mm]的D^*值大于髓母细胞瘤[(7.64±6.31)×10^-3m...     

基于临床-影像学特征联合增强MR影像组学预测HIFU消融子宫肌瘤后再干预风险

目的：探讨基于临床-影像学特征和对比增强T1加权成像（CE-T1WI）影像组学的联合模型在预测高强度聚焦超声（HIFU）消融子宫肌瘤后再干预风险中的价值。方法：回顾性连续性分析HIFU消融治疗的子宫肌瘤患者189例（再干预43例;非再干预146例）,评估患者临床-影像学特征。以7∶3的比例随机分为训练集（n=132）和验证集（n=57）。采用二元逻辑回归筛选预测再干预风险的独立临床-影像学特征。采用最大冗余最小相关性和最小绝对收缩和选择算子筛选最优影像组学特征。采用二次判别分析分别建立基于独立临床-影像学特征的临床-影像学模型、基于最优影像组学特征的影像组学模型及结合上述特征的联合模型。通过受试者工作特征（ROC）曲线评估模型预测性能,综合判别改善（IDI）指数和DeLong检验用于比较模型预测性能。结果：年龄（P<0.001）、肌瘤体积（P=0.001）、肌瘤强化程度（P=0.001）是预测再干预风险的独立临床-影像学特征。影像组学模型和联合模型验证集曲线下面积（AUC）分别为0.771 (95%CI 0.577～0.964)和0.819 (95%CI 0.702～0.937)...     

基于18F-FDG PET影像组学区分结节/肿块性肺结核与非小细胞肺癌

【摘要】目的：探讨18F-FDG PET影像组学对结节性或肿块性肺结核（PTB）与非小细胞肺癌（NSCLC）鉴别诊断价值。方法：回顾分析本院行18F-FDG PET/CT的PTB 40例与NSCLC 178例患者,所有患者均经病理证实,按照1：1比例分为训练集和验证集。使用Python软件从PET图像中提取影像组学特征。采用最大相关性最小冗余算法和最小绝对收缩和选择算子选择最优特征,构建影像组学标签评分（Rad-score）。Mann-WhitneyU检验比较组间差异;多因素logistic回归筛选病理类型影响因素。基于临床变量和Rad-score构建复合模型,通过受试者工作特征（ROC）曲线评价模型辨别PTB和NSCLC能力。结果：选择两个影像组学特征构建组学标签。PTB比NSCLC具有较低的Rad-score值（训练集：Z=-5.878,P<0.001;验证集：Z=-5.711,P<0.001）,其AUC分别为0.914 (95%CI,0.845~0.959)和0.918 (95%CI,0.850~0.962),高于临床变量(训练集:AUC=0.811;验证集：AUC=0.740)。综合临床变量和组学标签构建复合模型,模型对病理类型具有良好的辨别能力［训练集：AUC=0.955 (95%CI,0.897~0.985);验证集：AUC=0.928 (95%CI,0.862~0.969)］,且显著高于SUVmax（训练集：Z=3.930,P<0.001;验证集：Z=2.512,P=0.012）。结论：18F-FDG PET影像组学能有效区分结节/肿块性PTB和NSCLC,为后续临床治疗提供指导。     

基于18F-FDG PET/CT图像建立的多元影像组学模型对乳腺癌原发灶HER-2表达状态的预测价值

目的 评估基于18F-氟脱氧葡萄糖（FDG） PET/CT图像建立的多元影像组学模型对乳腺癌原发灶人表皮生长因子受体2（HER-2）表达状态的预测价值。 方法 回顾性分析2010年1月1日至2019年12月31日于天津医科大学肿瘤医院行18F-FDG PET/CT检查的273例女性乳腺癌患者的临床和影像学资料,年龄26~78（51.8±10.8）岁。根据乳腺癌原发灶HER-2表达状态的不同将患者分为HER-2阳性组和HER-2阴性组,比较2组患者的临床特征和PET/CT代谢参数的差异。勾画原发灶的感兴趣区,提取所有影像组学特征并建立基于PET/CT图像的影像组学特征模型,将样本中70%的患者作为训练集,剩余30%的患者作为测试集,采用受试者工作特征曲线比较PET/CT代谢参数及影像组学模型对乳腺癌原发灶HER-2表达状态的预测能力,采用十折交叉验证计算预测模型的平均性能。采用Wilcoxon秩和检验比较组间各PET代谢参数是否存在差异。计数资料的比较采用χ2检验,计量资料的比较采用两独立样本t检验和Mann-Whitney U秩和检验。 结果 HER-2阳性组患者106例、阴性组患者167例。HER-2阴性组患者合并腋下淋巴结转移的比例较HER-2阳性组患者高[85.03%（80/106）对75.47%（142/167）],且差异有统计学意义（χ2=3.900,P<0.05）。除腋下淋巴结转移情况外,2组患者的年龄、病理学类型及肿瘤分期间的差异均无统计学意义（t=?0.028,χ2=5.429、1.891,均P>0.05）。2组患者的PET代谢参数最大标准化摄取值、平均标准化摄取值、标准化摄取值峰值、肿瘤代谢体积、病灶糖酵解总量之间的差异均无统计学意义（Z=?1.583~?0.064,均P>0.05）。最终筛选出具有较好预测价值的37个影像组学特征建立组学特征模型,其中,PET影像组学参数8个、CT影像组学参数29个。在训练集中,影像组学特征模型曲线下面积（AUC）、准确率、灵敏度和特异度分别为0.913（95% CI:0.871~0.954）、0.882（95%CI:0.832~0.922）、0.849（95%CI:0.759~0.910）和0.910（95%CI:0.841~0.952）;在测试集中,影像组学特征模型AUC、准确率、灵敏度和特异度分别为0.820（95%CI:0.723~0.918）、0.830（95%CI:0.738~0.900）、0.875（95%CI:0.701~0.959）和0.807（95%CI:0.683~0.892）;经十折交叉验证后,影像组学模型的AUC、准确率、灵敏度、特异度的均值分别为0.818、0.847、0.908、0.764。 结论 相较于传统的PET代谢参数,基于18F-FDG PET/CT图像建立的多元影像组学模型对乳腺癌原发灶HER-2表达状态有较好的预测价值,有助于临床医师筛选曲妥珠单抗受试人群,改善患者预后。     

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...