基于CT机器学习模型预测肺腺癌气腔播散

目的 探讨基于胸部CT建立机器学习模型预测肺腺癌气腔播散（STAS）状态的价值。方法 回顾性分析462例经手术病理证实的原发性肺腺癌，90例STAS阳性（STAS阳性组），372例STAS阴性（STAS阴性组），比较组间一般资料及CT征象差异。按7 ：3比例将患者随机分为训练集（n=323）和验证集（n=139），采用随机森林算法针对差异有统计学意义的变量建立预测肺腺癌STAS的模型，对训练集进行训练，获得平均AUC最大的模型，以之对验证集进行预测，并计算AUC，评价其诊断效能。结果 组间年龄及12个CT征象差异均具有统计学意义（P均<0.05）。以上述13个变量建立的预测模型对训练集进行预测，获得最大AUC为0.80的模型，其预测训练集和验证集肺腺癌STAS的AUC、敏感度及特异度分别0.80、0.78及0.77和0.77、0.78及0.73。结论 基于胸部CT的机器学习模型可有效预测肺腺癌STAS状态。     

ssDECT增强扫描碘浓度鉴别良恶性浆膜腔积液

目的 探讨单源双能量CT增强扫描三期碘浓度对良恶性浆膜腔积液的鉴别诊断价值。方法 回顾性分析我院行单源双能量CT增强扫描、并经穿刺脱落细胞学检查证实的浆膜腔积液患者65例,其中良性积液23例,恶性积液42例。采用单源双能量CT综合分析平台,在常规混合能量扫描下分别测量计算平扫及动脉期、静脉期、延迟期的标准化CT值（NCTval;NCTval_N、NCTval_A、NCTval_P、NCTval_D）;并计算三期标准化CT值强化程度（NCT;NCT_A、NCT_P、NCT_D）。采用能谱分析软件于碘（水）图像上分别测量并计算平扫及增强三期标准化碘浓度（NIC;NIC_N、NIC_A、NIC_P、NIC_D）;计算增强三期碘浓度强化程度（IC;IC_A、IC_P、IC_D）。比较良恶性浆膜腔积液的NCTval、NCT、NIC、IC,并进行ROC曲线分析计算各参数诊断良恶性浆膜腔积液的敏感度和特异度。结果 增强三期良、恶性浆膜腔积液NCTval、NCT差异均无统计学意义（P均>0.05）,而NIC、IC差异均有统计学意义（P均<0.05）。增强三期中IC_D的曲线下面积最大（0.82）,当阈值为0.04时,敏感度、特异度分别为76.2%、69.6%。结论 单源双能量CT增强扫描碘浓度可为鉴别良恶性浆膜腔积液提供一种敏感、有效的方法。     

双能CT定量参数联合CT特征预测结直肠腺癌周围神经浸润

目的 观察双能CT定量参数联合CT特征预测结直肠腺癌周围神经浸润（PNI）的价值。方法 回顾性分析79例经手术病理确诊结直肠腺癌患者的术前全腹CT资料，分为PNI组（n=31）和无PNI组（n=48）。采用单因素分析2组间CT特征及双能CT定量参数，将具有统计学差异的变量纳入二元logistic回归分析构建联合模型，绘制受试者工作特征（ROC）曲线，计算曲线下面积（AUC），评价单一CT参数和联合模型预测结直肠腺癌PNI阳性的效能。结果 2组间CT所示原发病灶位置、病变肠壁最大厚度及有无肠周淋巴结转移、瘤周肠系膜条索影、肿瘤沉积差异均有统计学意义（P均<0.05），双能CT定量参数中动脉期能谱曲线斜率（λ_HU）、碘浓度（IC）、标准IC （NIC）、双能指数及静脉期NIC差异均有统计学意义（P均<0.05）。上述参数预测结直肠腺癌PNI阳性的AUC为0.615~0.698，联合模型的AUC为0.864。结论 双能CT定量参数联合CT特征能有效预测结直肠腺癌PNI状态。     

能谱CT预测同步放化疗用于中晚期食管癌效果

目的 观察能谱CT预测同步放化疗（CRT）用于中晚期食管癌效果的价值。方法 回顾性分析于CRT前后均接受能谱CT增强扫描的89例中晚期食管癌患者,根据疗效分为有效组（完全缓解+部分缓解）和无效组（疾病进展+疾病稳定）。在GE AW4.7后处理工作站于碘图中勾画病灶ROI,获得CRT前（pre-）、后（post-）病灶动脉期标准化碘值（SAI）及静脉期标准化碘值（SVI）,计算CRT前后标准化碘值变化率（△SAI%、△SVI%）;再于单能量图像上勾画病灶ROI,获得病灶动脉期（k_A）及静脉期（k_V）能谱曲线斜率,计算CRT前后能谱曲线斜率变化量（△k_A、△k_V）。采用受试者工作特征（ROC）曲线评价各参数评估CRT疗效的效能。结果 CRT后完全缓解5例,部分缓解51例,疾病进展31例,疾病稳定2例,即有效组56例、无效组33例;组间pre-SAI、post-SVI、△SAI%、△SVI%、post-k_A、post-k_V、△k_A及△k_V差异均有统计学意义（P均<0.05）。ROC曲线显示,上述组间差异具有统计学意义的参数中,△SAI%预测CRT疗效的效能相对较高,其曲线下面积（AUC）为0.81;阈值取-0.08时,其敏感度为64.29%,特异度为84.85%。结论 利用能谱CT,通过定量分析病灶能谱CT碘值和曲线斜率,可预测CRT用于中晚期食管癌的效果。     

动态对比增强MRI定量参数预测局部进展期胃癌病理类型

目的 评价动态对比增强MRI（DCE-MRI）定量参数预测局部进展期胃癌病理分化程度及Lauren分型的价值。方法 纳入48例局部进展期胃癌患者,根据病理分化程度分为低分化（n=19）及中/高分化癌（n=29）;根据肿物生长和胃壁浸润模式进行Lauren分型,即弥漫型（n=12）及肠型+混合型（n=36）;比较不同分类肿瘤DCE-MRI灌注参数的差异。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价各参数预测弥漫型及低分化胃癌的效能。结果 弥漫型胃癌血管外细胞外间隙容积比（V_e）明显高于肠型+混合型（P<0.05）,速率常数（K_ep）明显低于肠型+混合型（P<0.05）;低分化胃癌容积转移常数（K^trans）及V_e均明显高于中/高分化胃癌（P均<0.05）。V_e预测弥漫型胃癌的AUC为0.79,敏感度为91.70%,特异度为72.20%。各参数预测低分化胃癌的ROC曲线差异均无统计学意义（P均>0.05）。结论 不同Lauren分型及分化程度的局部进展期胃癌DCE-MRI参数存在差异;V_e预测弥漫型胃癌的效能较高。     

术前双能量CT定量参数预测临床Ⅰ~Ⅱ期胃腺癌侵袭性病理特征

目的 观察术前双能量CT (DECT)定量参数预测临床Ⅰ~Ⅱ期胃腺癌侵袭性病理特征的价值。方法 回顾性分析66例术前临床Ⅰ~Ⅱ期胃腺癌术前腹部增强DECT,其中病理分期Ⅰ~Ⅱ期56例、Ⅲ期10例,33例中-高分化、33例低分化,41例淋巴血管侵犯(LVI)(－)、25例LVI (+),28例神经周围侵犯(PNI)(－)、38例PNI (+);比较不同病理特征(病理分期、分化程度、LVI和PNI)病灶之间动脉期、静脉期及延迟期标准化碘浓度(NIC)及能谱曲线斜率(λ_HU)的差异。针对组间差异有统计学意义的参数绘制受试者工作特征(ROC)曲线,评估其预测病理分期Ⅲ期的效能。结果 病理Ⅲ期组与病理Ⅰ~Ⅱ期组,中-高分化组与低分化组,LVI (+)组与LVI (－)组,以及PNI (+)组与PNI (－)组之间,静脉期NIC及λ_HU差异均有统计学意义(P均<0.05)。中-高分化组与低分化组、LVI (+)组与LVI (－)组之间延迟期λ_HU,PNI (+)组与PNI (－)组之间动脉期和延迟期λ_HU差异均有统计学意义(P均<0.05),组间其余DECT定量参数差异均无统计学意义(P均＞0.05)。以静脉期NIC和静脉期λ_HU预测临床Ⅰ~Ⅱ期胃腺癌病理分期为Ⅲ期的曲线下面积(AUC)分别为0.739和0.753。结论 术前DECT定量参数可预测临床Ⅰ~Ⅱ期胃腺癌侵袭性病理特征。     

比较乳腺动态增强MRI定量和半定量血流动力学参数鉴别乳腺良恶性病变

目的 比较乳腺动态增强MRI定量和半定量血流动力学参数鉴别诊断乳腺病变良恶性的效能。方法 采用杂合动态增强MR序列对59例患者共66个乳腺病变进行扫描，获得半定量参数和定量参数。半定量参数为时间-信号强度曲线（TIC）、初始增强曲线下面积（IAUGC）、最大增强斜率（MaxSlope）、对比增强比率（CER）及正向增强积分（PEI）；定量参数为前向容积转移常数（K^trans）、反向容积转移常数（K_ep）和每单位体积组织的血管外细胞外间隙容积（V_e）。以非参数检验比较良恶性病变间各参数的差异，并绘制ROC曲线，分析其诊断效能。结果 66个乳腺病变中，恶性31个（恶性组），良性35个（良性组），2组间K^trans、K_ep、TIC、IAUGC、MaxSlope差异均有统计学意义（P均<0.05），V_e、PEI、CER差异无统计学意义（P均>0.05）；K^trans、K_ep、TIC、IAUGC、MaxSlope的AUC均>0.7。半定量参数联合诊断乳腺病变良恶性的AUC较单个参数均有显著提高（P均<0.05）；定量参数联合后的AUC较K^trans无显著提高（P=0.134），较K_ep和V_e有显著提高（P均<0.001）。半定量联合与定量参数联合诊断诊断乳腺病变良恶性的AUC差异无统计学意义（P=0.614）。结论 K^trans、K_ep、TIC、IAUGC及MaxSlope对鉴别诊断乳腺良恶性病变具有较高效能；多参数联合，乳腺动态增强MRI半定量和定量参数诊断效能相似。     

动态对比增强MRI放射状采集容积内插屏气序列(Radial-VIBE)定量参数预测膀胱癌病理学分级

目的 评价动态对比增强MRI（DCE-MRI）放射状采集容积内插屏气检查（Radial-VIBE）序列定量参数预测膀胱癌病理学分级的价值。方法 前瞻性纳入60例经术后病理证实为膀胱尿路上皮癌的膀胱癌患者,将其分为低级别组（n=36）和高级别组（n=24）。比较组间DCE-MRI参数,包括容积转运常数（K^trans）、速率常数（K_ep）、血管外细胞外间隙容积（V_e）及对比剂浓度-时间曲线下初始面积（IAUC）的差异;采用组内相关系数（ICC）评价观察者间测量结果的一致性。采用Spearman秩相关分析评价各参数与膀胱癌病理分级的相关性。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价各参数预测高级别膀胱癌的效能。结果 观察者间测量定量参数K^trans、K_ep、V_e及IAUC结果的一致性良好（ICC=0.82、0.83、0.83、0.85,P均<0.05）。高级别组K^trans、K_ep及IAUC均显著高于低级别组（P均<0.05）,V_e显著低于低级别组（P<0.05）。K^trans、K_ep及IAUC均与病理分级呈正相关（r=0.61、0.54、0.29,P均<0.05）,V_e与病理分级呈负相关（r=-0.36,P<0.05）。K^trans、K_ep及IAUC预测高级别尿路上皮癌的AUC分别为0.86、0.82及0.67。结论 DCE-MRI Radial-VIBE序列定量参数K^trans、K_ep、Ve及IAUC可辅助预测膀胱癌病理学分级。     

双源CT能谱参数定性诊断甲状腺乳头状癌术后颈部转移淋巴结

目的 探讨双源CT能谱参数对定性诊断甲状腺乳头状癌（PTC）术后颈部转移淋巴结的价值。方法 选取PTC术后颈部淋巴结肿大患者30例、共74枚肿大淋巴结,其中49枚为转移性淋巴结（转移组）,25枚为非转移性淋巴结（非转移组）。另选30例良性病变患者作为良性增生组（30枚良性肿大淋巴结）。行双源CT平扫及增强扫描,测量并比较组间平扫、动脉期、静脉期碘浓度（分别记为IC_平扫、IC_动脉、IC_静脉）及标准化碘浓度（NIC）、能谱曲线斜率（K）。结果 3组间IC_平扫、IC_动脉、IC_静脉、NIC及K值差异均有统计学意义（P均<0.05）;转移组IC_平扫低于非转移组及良性增生组,IC_动脉、NIC及K值均高于非转移组及良性增生组（P均<0.05）;非转移组与良性增生组间IC_平扫、IC_动脉、IC_静脉、NIC及K值差异均无统计学意义（P均>0.05）。结论 双源CT能谱参数可用于定性诊断PTC术后颈部转移淋巴结。     

18F-FDG PET/CT及高分辨率CT预测TNM Ⅰ期肺腺癌脏层胸膜侵犯

目的 观察¹⁸F-FDG PET/CT及高分辨率CT（HRCT）预测TNM Ⅰ期肺腺癌脏层胸膜侵犯（VPI）的价值。方法 回顾性分析72例术前接受¹⁸F-FDG PET/CT检查、HRCT示原发灶与胸膜存在接触的TNM Ⅰ期肺腺癌患者,依据病理所见VPI分为阳性组（n=21）和阴性组（n=51）,将其原发灶与胸膜的接触关系分为Ⅰ~Ⅳ型。以单因素分析比较2组性别、年龄、病灶位置、最大标准摄取值（SUV_max）、胸膜接触类型及HRCT表现的差异;采用多因素Logistic回归分析筛选预测VPI阳性的独立危险因素并建立回归模型,以受试者工作特征（ROC）曲线确定最佳临界值。结果 组间胸膜接触类型和SUV_max差异均有统计学意义（P均<0.05）;胸膜接触类型[OR=2.047,95%CI（1.061,3.951）,P=0.033]和SUV_max[OR=1.234,95%CI（1.076,1.415）,P=0.003]为预测VPI的独立危险因素。分别以9.0及Ⅳ型为SUV_max及胸膜接触的最佳阈值,其曲线下面积（AUC）分别为0.798和0.715,敏感度分别为76.2%和57.1%,特异度分别为72.5%和78.4%;二者联合模型的AUC为0.807,敏感度和特异度分别为66.7%和80.4%。结论 ¹⁸F-FDG PET/CT及HRCT有助于预测TNM Ⅰ期肺腺癌VPI;SUV_max及胸膜接触Ⅳ型为VPI独立危险因素。     

基于增强CT直方图参数术前预测高、低分化胰腺腺癌

目的评估基于增强CT直方图(CTH)定量参数术前预测高、低分化胰腺腺癌的价值。方法回顾性观察76例经手术病理证实胰腺腺癌患者,包括38例高分化腺癌(高分化组)及38例低分化腺癌(低分化组)。对腹部增强CT动脉期及门静脉期图像进行直方图分析,获得病灶及胰腺组织的CTH定量参数,计算CTH参数比值(瘤区CTH参数/正常胰腺组织CTH参数);比较组间CTH参数比值的差异,针对差异有统计学意义的参数,采用二元logistic回归分析筛选高、低分化胰腺腺癌的独立预测因子,并分别绘制受试者工作特征(ROC)曲线,计算相应曲线下面积(AUC),评估其单独及联合预测高、低分化胰腺腺癌的效能。结果组间动脉期最小强度、均匀度及静脉期最小强度、平均值、均方根值及均匀度比值差异均有统计学意义(P均<0.05)。二元logistic回归分析显示,动脉期最小强度、均匀度及静脉期最小强度比值为胰腺腺癌分化程度的独立预测因子(P均<0.05)。ROC曲线显示,以动脉期最小强度、动脉期均匀度及静脉期最小强度比值预测高、低分化胰腺腺癌的AUC分别为0.758、0.752及0.815,三者联合AUC为0.868。结论基于增强CT的CTH定量参数有助于术前预测高、低分化胰腺腺癌。     

CT鉴别亚实性肺腺癌亚型

目的 观察CT鉴别亚实性肺腺癌亚型的价值。方法 纳入127例亚实性肺腺癌患者,根据病理结果分为浸润前病变(PL)组(n=33)、微小浸润性腺癌(MIA)组(n=67)及浸润性腺癌(IA)组(n=27),其中分别有23、47及14例存在胸膜下结节;比较3组临床资料及CT表现,对差异有统计学意义的参数行多元有序logistic回归分析,绘制受试者工作特征曲线,评估CT诊断IA的效能。结果 3组患者年龄、结节平均CT值、平均直径、类型、形状、边界特点、血管集束征及空泡征占比差异均有统计学意义(P均<0.05),胸膜下结节胸膜凹陷征占比差异亦有统计学意义(P=0.001)。结节平均CT值和平均直径是为亚实性肺腺癌浸润的独立危险因素[OR=1.009,95%CI(1.004,1.013),P<0.001;OR=1.330,95%CI(1.117,1.583),P=0.001],以结节平均CT值-645.50 HU及平均直径10.00 mm为截断值诊断IA的曲线下面积分别为0.743及0.817,敏感度分别为77.78%及74.07%,特异度分别为63.00%及75.00%。结论 CT可用于鉴别亚实性肺腺癌亚型。     

亚实性肺结节浸润性腺癌风险列线图模型的建立

目的： 建立亚实性结节浸润性腺癌风险预测模型，为制订合适的亚实性结节临床诊疗策略提供参考。方法： 收集2019年11月至2020年12月上海交通大学医学院附属新华医院收治的手术切除、病理为腺癌的亚实性结节患者221例，分析患者临床资料、血清肿瘤标志物及影像学资料中的17个变量，基于最小绝对收缩和选择算子（the least absolute shrinkage and selection operator，LASSO）算法筛选预测因子，绘制列线图并行内部验证。结果： 221例亚实性结节患者中，非典型腺瘤样增生（atypical adenomatous hyperplasia，AAH）2例、原位腺癌（adenocarcinoma in situ，AIS）44例、微浸润腺癌（minimally invasive adenocarcinoma，MIA）102例、浸润性腺癌（invasive adenocarcinoma，IA）73例。基于LASSO算法筛选出5个预测因子进入列线图模型，包括结节直径、CT值、形状、分叶征、实性成分直径，最终列线图模型显示了较强的区分能力，通过内部校验后，预测风险与实际风险达到了较高的吻合度。结论： 结节直径、CT值、形状、有无分叶征、实性成分直径有助于预测亚实性结节的浸润风险，为指导个体化治疗方案提供参考。     

机器学习鉴别表现为肺纯磨玻璃结节的浸润性腺癌与非浸润性腺癌

目的 探讨基于影像组学特征构建的机器学习模型鉴别表现为肺纯磨玻璃结节的浸润性腺癌与非浸润性腺癌的可行性。方法 回顾性分析经手术病理证实的87例CT表现为纯磨玻璃结节的肺腺癌患者，其中浸润性腺癌32例，非浸润性腺癌55例（原位癌17例，微浸润性腺癌38例）。应用ITK-SNAP软件勾画ROI，A.K.软件提取影像组学特征。筛选有意义的特征参数，以Spearman相关性分析和Lasso回归分析进行特征降维。选取降维后的特征参数，分别构建支持向量机（SVM）、随机森林（RF）及逻辑回归（LR）3种机器学习模型，采用十折交叉验证法得到最优模型，绘制ROC曲线，评价3种模型的性能。结果 共提取396个影像组学特征，通过特征筛选后最终得到19个影像组学特征。SVM、RF、LR 3种机器学习模型可有效鉴别浸润性腺癌与非浸润性腺癌，准确率分别为93.30%、86.70%和83.30%，AUC分别为0.94、0.92和0.83。结论 基于影像组学特征构建的机器学习模型有较好的分类性能，可于术前有效鉴别肺浸润性腺癌与非浸润性腺癌。     

能谱CT多参数定量分析预测原发性肺癌病理类型

目的 观察能谱CT多参数定量分析预测原发性肺癌病理类型的价值。方法 纳入137例接受能谱CT检查的肺癌患者,根据病理结果分为腺癌组（n=74）、鳞癌组（n=39）及小细胞肺癌（SCLC）组（n=24）。对比各组能谱CT参数,包括病灶40~100 keV间隔为10 keV的单能量CT值、碘浓度（IC）、标准化碘浓度（NIC）及能谱曲线斜率等的差异。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,分析各参数预测肺癌病理类型的效能。结果 动脉期3组间40 keV单能量CT值、IC、NIC及能谱曲线斜率差异均有统计学意义（P均<0.05）;SCLC组40 keV单能量CT值、IC、NIC及能谱曲线斜率与腺癌组、鳞癌组差异均具有统计学意义（P均<0.05）。静脉期3组间40~100 keV每间隔10 keV单能量CT值、IC、NIC及能谱曲线斜率差异均有统计学意义（P均<0.05）;SCLC组40~90 keV每间隔10 keV的单能量CT值、IC、NIC及能谱曲线斜率与腺癌组、鳞癌组差异均具有统计学意义（P均<0.05）。据此将腺癌组和鳞癌组合并为非小细胞肺癌（NSCLC）组,根据上述差异具有统计学意义的参数诊断SCLC与NSCLC的AUC均>0.7;联合动、静脉期40 keV单能量CT值、NIC及能谱曲线斜率诊断SCLC与NSCLC的AUC分别为0.809和0.855。结论 能谱CT多参数联合定量分析预测原发性肺癌的病理类型具有较高效能。     

基于CT平扫影像组学模型鉴别结节/肿块型 肺隐球菌病及肺腺癌与肺结核

目的 探讨基于CT平扫影像组学预测模型鉴别诊断结节/肿块型肺隐球菌（PC）与肺腺癌、肺结核（TB）的可行性。方法 回顾性分析28例结节/肿块型PC和30例肺腺癌、26例TB的平扫CT资料，提取病灶纹理特征，对其进行特征选择，获得PC组与肺腺癌组、PC组与肺TB组之间存在显著差异的特征参数。按7：3比例将所有样本分为训练集合测试集，采用随机森林法以较优特征参数建立预测模型，对训练集数据进行评估，之后于测试集数据进行验证；绘制相应ROC曲线，评估模型的鉴别诊断效能。结果 针对PC和肺腺癌、PC和肺TB分别获得7个和4个较优纹理特征参数。测试集验证结果显示模型鉴别PC与肺腺癌以及PC与肺TB的AUC、敏感度、特异度、准确率分别为0.96、1.00、0.78、0.89及0.99、0.88、0.89、0.88。结论 基于CT平扫图像影像组学可用于鉴别诊断结节/肿块型PC及肺腺癌与肺TB。     

联合含瘤周肿瘤全体积CT影像组学特征及临床相关独立预测因子列线图预测肺腺癌淋巴血管侵犯

目的 观察基于含瘤周的肿瘤全体积(GPTV) CT影像组学特征及临床相关独立预测因子构建的联合模型列线图预测肺腺癌淋巴血管侵犯(LVI)的价值。方法 回顾性分析142例经病理证实的肺腺癌患者,以7 ∶ 3比例将其随机分为训练集(n=100,40例LVI阳性、60例LVI阴性)和验证集(n=42,17例LVI阳性、25例LVI阴性)。以单因素分析及多因素logistic回归分析筛选肺腺癌LVI的临床相关独立预测因子,以之构建临床模型。分别基于肿瘤全体积(GTV)及含瘤周3 mm、6 mm、9 mm的GPTV (GPTV₃、GPTV₆和GPTV₉)的增强动脉期CT图提取并筛选最佳影像组学特征,构建影像组学模型,即GTV、GPTV₃、GPTV₆和GPTV₉模型并筛选最佳者;基于后者的影像组学评分和临床相关独立预测因子构建联合模型,绘制列线图进行可视化。以受试者工作特征(ROC)曲线评估各模型预测肺腺癌LVI的效能,以决策曲线分析(DCA)评价联合模型列线图的价值。结果 性别、吸烟和毛刺征均为肺腺癌LVI的临床相关独立预测因子(P均＜0.05)。分别基于GTV、GPTV₃、GPTV₆及GPTV₉筛选出7、16、10及8个最佳影像组学特征,用于构建GTV、GPTV₃、GPTV₆及GPTV₉模型。GPTV₃模型预测训练集、验证集肺腺癌LVI的曲线下面积(AUC)分别为0.82、0.77,均高于GTV (0.79、0.72,Z=3.74、2.62,P均＜0.01)、GPTV₆(0.80、0.72,Z=2.40、2.06,P均＜0.05)及GPTV₉(0.77,0.72,Z=3.03、2.59,P均＜0.01),为最佳影像组学模型。联合模型列线图(0.86、0.73,Z=2.66、2.31,P均＜0.05)及GPTV₃模型(0.82、0.77,Z=2.23、2.54,P均＜0.05)于训练集和验证集的AUC均高于临床模型(0.73、0.61),而联合模型列线图与GPTV₃模型的AUC差异均无统计学意义(Z=1.57、0.88,P均＞0.05)。阈值取0.20~0.50时,联合模型列线图与GPTV₃模型的净获益相当,且均大于临床模型。结论 基于GPTV₃影像组学特征及临床相关独立预测因子的列线图可有效预测肺腺癌LVI。     

CT图像纹理分析鉴别诊断磨玻璃密度肺腺癌的浸润性

目的 探讨CT图像纹理分析鉴别诊断表现为磨玻璃密度结节的肺腺癌浸润性的价值。方法 收集在我院接受肺部CT检查且手术病理证实为肺腺癌患者100例（浸润性腺癌56例,非浸润性腺癌44例）。随机选择69例为训练组,31例为验证组。使用A.K.（Analysis-Kinetics）分析软件进行影像特征提取;Kruskal-Wallis非参数检验和Spearman相关性分析进行特征降维;使用R语言软件包"GLM"函数,建立Logistic回归模型;以交叉验证方法对回归模型进行检验。采用ROC曲线评价独立预测因素的诊断效能。结果 影像特征提取得到396个影像组学特征,经降维最终得到与鉴别肺非浸润腺癌与浸润腺癌最相关的参数3个,建模后验证Logistic回归模型示其诊断准确率为83.30%,敏感度及特异度分别为77.80%、91.70%。结论 CT图像纹理分析可有效鉴别表现为磨玻璃密度结节肺腺癌的浸润性。