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。     

基于术前CT影像特征预测胆囊癌淋巴管浸润的研究

目的 评估术前胆囊癌CT影像特征对预测胆囊癌淋巴管浸润（LVI）的价值,构建预测胆囊癌LVI的列线图模型并评价其预测效能。方法 回顾性分析116例接受术前增强CT检查的胆囊癌病人的临床、病理及影像资料。病人按6︰4比例随机分为训练集72例,验证集44例。根据病理结果将病人分为LVI阳性组及LVI阴性组。由2位放射科医生评估训练集及验证集的CT影像特征,包括肿瘤基底浸润胆囊壁范围、影像T分期和N分期、有无胆囊结石。采用独立样本t检验、Mann-Whitney U检验及χ²检验比较2组病人中各项CT征象的差异性,并对训练集采用logistics回归分析筛选独立危险因素。建立列线图预测模型,采用受试者操作特征（ROC）曲线评估预测模型的预测效能并计算相应的曲线下面积（AUC）,绘制校准曲线对列线图预测模型进行验证。采用决策曲线评价其临床净获益。结果 训练集及验证集中,LVI阳性组的CT影像N分期、肿瘤基底浸润胆囊壁范围、T分期均显著高于LVI阴性组（均P<0.05）。多因素分析结果显示影像N分期、T分期、肿瘤基底浸润胆囊壁范围为LVI独立危险因素。建立列线图预测模型,结果显示肿瘤基底浸润范围的得分最高,其次是N分期,再次是T分期。决策曲线分析显示模型的净获益良好,训练集和验证集中CT影像特征预测LVI的ROC曲线的AUC分别为0.828（95%CI：0.721~0.907）、0.752（95%CI：0.599~0.870）,差异无统计学意义（P>0.05）。训练集AUC的截断值为0.521时,模型在训练集中的敏感度、特异度分别为0.629和0.892;验证集AUC的截断值为0.432时,对应的敏感度和特异度分别为0.778和0.654。结论 联合T分期、N分期及肿瘤基底浸润范围建立的列线图预测模型,能够有效预测胆囊癌LVI。     

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...     

基于临床-影像组学列线图模型术前预测进展期胃癌神经侵犯的价值

【摘要】目的：探讨基于增强CT影像组学特征和临床独立危险因素构建的联合模型及其列线图在术前预测进展期胃癌（AGC）周围神经侵犯（PNI）中的价值。方法：回顾性分析171例AGC患者的CT图像和临床资料。将171例患者按7:3的比例随机分为训练组119例（PNI阳性83例,阴性36例）和验证组52例（PNI阳性37例,阴性15例）。依次使用Spearman相关性分析及绝对收缩与选择算子（LASSO）对增强CT静脉期图像上提取的组学特征进行降维和筛选,并建立影像组学标签（V-Radscore）。使用单因素分析比较PNI阳性组与阴性组之间的V-Radscore和术前临床指标值,将差异具有统计学意义的指标纳入多因素logistic回归分析,得到PNI相关的独立危险因素,同时构建影像组学模型（V）、临床模型（C）和组合模型（V+C）,并在训练组构建组合模型的列线图。采用受试者工作特征曲线（ROC）的曲线下面积（AUC）、敏感度、特异度和符合率来评价模型的诊断效能,使用校准曲线评价列线图模型在训练组和验证组中的拟合程度,使用决策曲线分析（DCA）来评价列线图的临床应用价值。结果：PNI的独立危险因素包括V-Radscore、CT报告的肿瘤部位、T分期和N分期（P均<0.05）。PNI阳性组的V-Radscore高于阴性组（Z=5.536,P<0.001）。在验证组中,列线图模型预测PNI的AUC值为0.865,显著高于临床模型（AUC=0.786,χ2=2.108,P=0.035）和影像组学模型（AUC=0.681,χ2=2.083,P=0.037）,其预测PNI的敏感度、特异度和符合率分别为0.838、0.800和0.827。校准曲线显示列线图在训练组（χ2=5.846,P=0.661>0.05）及验证组（χ2=8.170,P=0.417>0.05）中的预测概率与实际概率的一致性良好。DCA显示模型具有良好的临床应用价值。结论：临床-影像组学列线图模型在AGC患者PNI的术前预测方面具有可行性,有望帮助临床医师优化术前决策。     

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。     

动态对比增强磁共振成像影像组学评估胶质瘤异柠檬酸脱氢酶1突变与微血管生成

【摘要】目的：探讨动态对比增强磁共振成像（DCE-MRI）影像组学在评估胶质瘤异柠檬酸脱氢酶1（IDH1）突变与微血管生成中的应用价值。方法：回顾性分析105例经病理证实的胶质瘤患者,按7:3分为训练组和验证组,采用3DSlicer软件半自动勾画感兴趣区,依次从T1WI,T2FLAIR,ADC,容积转运常数（Ktrans）及血管外细胞外容积比（Ve）图像中提取影像组学特征。利用最小绝对收缩和选择算子算法进行特征选择并计算影像组学评分（Radscore）,基于筛选出的影像组学特征构建预测胶质瘤IDH1突变的支持向量机模型。对纳入的临床放射学特征进行逻辑回归分析,结合Radscore建立综合列线图。应用免疫组化检测胶质瘤IDH1基因分型、血管内皮生长因子（VEGF）表达、CD105阳性标记的微血管密度（CD105-MVD）。采用受试者工作特征（ROC）曲线评价模型的诊断效能。采用Spearman相关性检验分析Radscore与VEGF表达、CD105-MVD的相关性。P<0.05为差异具有统计学意义。结果:Ktrans与Ve联合模型评估胶质瘤IDH1突变训练组AUC=0.889,验证组0.890;综合列线图训练组AUC=0.938,验证组0.914。各模型的Radscore与VEGF表达、CD105-MVD均呈负相关,其中联合模型的相关性最高（r=-0.570,P<0.001;r=-0.665,P<0.001）。结论:DCE-MRI影像组学可有效评估胶质瘤IDH1突变,且在分析胶质瘤IDH1突变与血管生成相关性方面具有重要临床价值。     

钆塞酸二钠增强MRI特征对肝细胞癌微血管侵犯的预测价值

目的 探讨术前钆塞酸二钠增强MRI特征预测肝细胞癌（HCC）微血管侵犯（MVI）的价值。 方法 回顾性分析83例经手术病理确诊的HCC病人的术前影像及临床资料,其中男75例,女8例,平均（57.6±11.4）岁。所有病人均进行了MRI平扫和增强检查,分析其常规MRI征象和肝胆期征象。根据术后病理结果将病人分为MVI阳性组30例及MVI阴性组53例。采用t检验或χ²检验比较2组间临床和影像特征的差异,将差异有统计学意义的特征纳入多因素Logistic回归分析,获得独立危险因素后分别建立单独预测模型及联合预测模型,采用受试者操作特征曲线评估不同模型的预测效能,计算其曲线下面积（AUC）,并采用DeLong检验比较不同模型预测MVI的AUC。 结果 与MVI阴性组相比,MVI阳性组的肝胆期肿瘤最大径、瘤周晕征、肿瘤边缘分型中的单结节外突/多结节融合型占比均更高,肿瘤信号强度比值较低;常规MRI征象中包膜不完整性、瘤周强化的占比更高;AFP水平大于MVI阴性组（均P<0.05）。多因素Logistic回归分析显示肝胆期的肿瘤最大径、瘤周晕征和单结节外突/多结节融合型均为HCC MVI的独立危险因素（OR值分别为1.424、26.998、6.144,均P<0.05）,肿瘤最大径越大、瘤周晕征阳性及单结节外突/多结节融合型表现的病人发生MVI的风险越高。联合预测模型、肿瘤最大径模型、单结节外突/多结节融合型模型和瘤周晕征模型预测MVI的AUC分别为0.926、0.803、0.792、0.823。联合模型预测MVI的敏感度、特异度和AUC值均最高,且AUC值分别高于肿瘤最大径模型、单结节外突/多结节融合型模型和瘤周晕征模型（均P<0.05）。 结论 钆塞酸二钠增强MRI上肿瘤最大径、单结节外突/多结节融合型和肝胆期瘤周晕征是预测MVI的独立危险因素,且三者联合预测效能更高。     

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...     

低剂量CT灌注联合影像组学评估非小细胞肺癌的纵隔淋巴转移

目的:探究基于低放射剂量CT灌注影像提取CT灌注参数以及影像组学参数联合评估非小细胞肺癌(NSCLC)纵隔淋巴转移的效能。方法:纳入2017年3月-2020年5月经病理证实为纵隔淋巴转移的NSCLC患者以及非纵隔淋巴转移的NSCLC患者,所有患者于术前行低剂量CT灌注扫描。术中系统性清扫患者N1及N2站淋巴结,并取肿瘤组织以及淋巴结分别做微血管密度免疫组化检验以及淋巴结病理检测。将所有患者按照分层随机的原则以7:3的比例分为训练组和验证组。诊断医师基于CT灌注图像进行肿瘤感兴趣区域分割,并提取CT灌注参数:血流量(BF)、血容量(BV)、平均通过时间(MTT)、血管通透性(PMB)以及396个影像组学参数。基于训练组人群的影像组学特征降维后采用LASSO构建影像组学标签Radscore,联合Radscore以及CT灌注参数构建多元逻辑回归模型评估非小细胞肺癌患者纵隔转移的可能性。结果:经过特征降维后,利用LASSO构建Radscore,选择惩罚系数log(λ)=0.867,共计7个影像组学。Radscore在训练组中和验证组中评估NSCLC纵隔淋巴细胞转移时具有较好的诊断效能(0.840 vs 0.841);训练组中纵隔转移和非纵隔转移患者的CT灌注参数:MTT以及BV具有统计学差异,且在训练组和验证组中的诊断效能高于随机诊断[(0.687 vs 0.698>0.500)(0.672 vs 0.698>0.500)]。联合Radscore以及CT灌注参数BV和MTT构建的联合模型Image model的诊断效能在训练组中高于Radscore、BV、MTT(P=0.378、0.014、0.010),在验证组中低于Radscore,高于BV、MTT(P=0.563、0.631、0.093)。Image model Hosmer-Lemeshow统计结果显示模型与实际观察情况无显著差异,可拟合(P>0.05)。结论:CT灌注参数与影像组学标签可用以评估非小细胞肺癌患者纵隔淋巴是否转移,同时联合CT灌注参数与影像组学标签可构建联合模型评估纵隔淋巴是否转移。     

Pancreatic ductal adenocarcinoma: a radiomics nomogram outperforms clinical model and TNM staging for survival estimation after curative resection

To identify a CT-based radiomics nomogram for survival prediction in patients with resected pancreatic ductal adenocarcinoma (PDAC). A total of 220 patients (training cohort n = 147; validation cohort n = 73) with PDAC were enrolled. A total of 300 radiomics features were extracted from CT images. And the least absolute shrinkage and selection operator algorithm were applied to select features and develop a radiomics score (Rad-score). The radiomics nomogram was constructed by multivariate regression analysis. Nomogram discrimination, calibration, and clinical usefulness were evaluated. The association of the Rad-score and recurrence pattern in PDAC was evaluated. The Rad-score was significantly associated with PDAC patient’s disease-free survival (DFS) and overall survival (OS) (both p < 0.001 in two cohorts). Incorporating the Rad-score into the radiomics nomogram resulted in better performance of the survival prediction than that of the clinical model and TNM staging system. In addition, the radiomics nomogram exhibited good discrimination, calibration, and clinical usefulness in both the training and validation cohorts. There was no association between the Rad-score and recurrence pattern. The radiomics nomogram integrating the Rad-score and clinical data provided better prognostic prediction in resected PDAC patients, which may hold great potential for guiding personalized care for these patients. The Rad-score was not a predictor of the recurrence pattern in resected PDAC patients. • The Rad-score developed by CT radiomics features was significantly associated with PDAC patients’ prognosis. • The radiomics nomogram integrating the Rad-score and clinical data has value to permit non-invasive, low-cost, and personalized evaluation of prognosis in PDAC patients. • The radiomics nomogram outperformed clinical model and the TNM staging system in terms of survival estimation.     

基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结转移的预测价值

目的:探讨基于乳腺X线图像影像组学列线图对乳腺癌腋窝淋巴结(ALN)转移的预测价值.方法:回顾性分析188例乳腺癌患者的乳腺X线图像和临床资料,按照7:3的比例将患者随机分割为训练组(n=130)和验证组(n=58).使用MaZda软件在乳腺X线图像内提取影像组学特征,应用方差选择法和最小绝对收缩与选择算子算法(LAS...     

基于MRI影像组学模型与临床模型预测乳腺癌新辅助化疗病理完全缓解效能分析

目的 比较基于动态增强磁共振成像（DCE-MRI）、表观扩散系数（ADC）图的影像组学模型以及基于临床特征模型预测乳腺癌新辅助化疗(NAC)病理完全缓解（PCR）的效能。 方法 回顾性收集91例行乳腺癌NAC并有疗效病理评估结果的女性病人,平均年龄（48.45±9.49）岁。将91例病人按照7∶3比例分为训练组（63例）和验证组（28例）。2组均进行NAC疗效病理评估,训练组中PCR者16例、病理部分缓解（PPR）者47例,验证组中PCR者7例、PPR者21例。所有病人均在NAC前行DCE-MRI和扩散加权成像（DWI）检查。采用单因素Logistic回归对病人年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER-2）、肿瘤增殖细胞核抗原（Ki-67）表达状态进行分析,然后基于有统计学意义的临床特征建立临床模型。提取并筛选影像组学特征,采用多元Logistic回归构建DCE模型和ADC模型,计算相应模型影像组学评分（DCE-Radscore和ADC-Radscore）。采用t检验、卡方检验或Fisher确切概率检验比较训练组和验证组中PCR者和PPR者间的临床特征和影像组学评分。采用受试者操作特征（ROC）曲线评估模型的预测效能,并计算其敏感度、特异度和曲线下面积（AUC）。采用决策曲线评估模型的临床应用价值。 结果 训练组中,PCR者的ER、PR阴性率、DCE-Radscore均高于PPR者（均P<0.05）,并在验证组中得到验证（P<0.05）。训练组中PCR者的ADC-Radscore高于PPR者（P<0.05）,但未得到验证组验证（P>0.05）。训练组中,临床模型预测PCR的AUC值（0.823）及敏感度（0.875）最高,其次是ADC模型,DCE模型最低（AUC为0.750,敏感度为0.688）。验证组中,临床模型预测PCR的AUC值最高（0.793）而敏感度（0.571）最低,ADC模型AUC（0.639）最低但敏感度(1.000)最高。决策曲线分析显示应用临床模型具有最大的净获益,其次是ADC模型,DCE模型最低。 结论 ADC模型、DCE模型和临床模型均能预测PCR,其中临床模型预测效能和净获益最高。     

基于黑质铁沉积的QSM影像组学在帕金森病诊断中的价值研究

目的 应用影像组学纹理分析探讨定量磁敏感图(QSM)在帕金森病(PD)诊断中的价值.方法 58例PD确诊患者及28名健康对照者(HC)均进行QSM检查,将QSM数据进行后处理,然后导入软件并手动勾画感兴趣区(ROI),再对ROI进行纹理特征提取.每例受检者提取1132个纹理特征,降维后筛选出对PD诊断贡献较大的少数特征...     

CT影像组学联合征象鉴别新型冠状病毒肺炎与其他病毒性肺炎的价值

目的:探讨基于CT影像征象联合影像组学模型鉴别新型冠状病毒肺炎（COVID-19）和其他病毒性肺炎的临床价值。方法:回顾性分析2015年3月至2020年3月云南省15家医院实时逆转录聚合酶链反应检测为病毒性肺炎并接受胸部CT扫描的181例患者的临床和影像资料。根据患者的病毒类型分为COVID-19组（89例）和非COV...     

基于CCTA的冠状动脉周围脂肪组织影像组学特征预测急性冠状动脉综合征

目的 评估基于冠状动脉CT血管成像（CCTA）的冠状动脉周围脂肪组织（PCAT）影像组学特征对疑似冠心病病人2年内发生急性冠状动脉综合征（ACS）的预测能力。方法 回顾性收集接受CCTA检查的疑似冠心病病人,将CCTA检查后2年内发生ACS的病人作为ACS组（81例）,2年内未发生ACS的疑似冠心病病人作为对照组（81例）。ACS组年龄44~85岁,平均（64.01±10.09）岁,男57例;对照组年龄39~89岁,平均（62.91±10.11）岁,男56例。将2组病人随机以 3∶1 的比例分为训练集（ACS组60例,对照组60例）和验证集（ACS组21例,对照组21例）。筛选基于CCTA的PCAT影像组学特征,采用多因素Logistic回归分析构建PCAT影像组学评分模型,并基于PCAT影像组学特征中的CT密度值建立PCAT密度模型。采用DeLong检验比较不同数据集中2个模型的诊断效能差异。采用受试者操作特征（ROC）曲线、校准曲线及决策曲线比较2种模型的预测效能。结果 训练集和验证集中,ACS组和对照组病人的临床资料间差异均无统计学意义（均P>0.05）。从基于CCTA影像所示的冠状动脉斑块周围PCAT共提取107个影像组学特征,最终筛选出21个最优影像组学特征,包括形态学特征5个、直方图特征1个、纹理特征15个,采用Logistic回归分析构建PCAT影像组学评分模型。基于提取的PCAT组学特征中平均 CT密度值构建PCAT密度模型。2种模型预测2年内发生ACS事件的诊断效能分析显示,PCAT 影像组学评分模型在训练集及验证集中的曲线下面积（AUC）（AUC=0.841,0.839） 均高于PCAT 密度的AUC（AUC=0.603,0.588）。训练集中,PCAT影像组学评分的诊断效能优于PCAT密度模型（P<0.05）,并在验证集中得到验证（P<0.05）。PCAT影像组学评分对发生ACS事件的预测结果与实际结果一致性高于PCAT密度。PCAT影像组学评分的临床应用价值显著优于PCAT 密度。结论 基于CCTA 的PCAT影像组学特征可为ACS事件的发生提供更多的预测信息。PCAT 影像组学评分对2年内发生ACS事件的预测能力显著优于PCAT 密度。