基于CT影像组学对孤立性肺结节性质分类的预测效能

目的：探讨肺结节CT影像组学特征与病理分类的关系,并评估不同分层递进影像组学模型对肺结节病理分类的预测效果。方法：纳入2017年7月—2019年8月189例病理证实且具有完整资料的肺结节患者,包括良性结节71例,恶性非浸润结节51例,恶性浸润性结节67例。分别构建3种CT影像组学模型,模型1对良性及恶性结节（包括恶性非浸润及浸润性结节）分类;模型2对恶性非浸润及浸润性结节分类;模型3对良性、恶性非浸润及浸润性结节分类。对所有勾画感兴趣区（ROI）进行高通量特征采集,采用智能方法进行特征和分类器筛选建立最佳模型。受试者工作特征（ROC）曲线及曲线下面积（AUC）用于评价模型的预测效能,计算灵敏度、特异度、准确率、阳性预测值和阴性预测值。结果：模型1、2及3分别筛选出20、2及20个影像组学特征,绘制ROC曲线,验证组AUC值分别为0.85、0.89及0.84,模型1灵敏度、特异度、准确率、阳性预测值及阴性预测值为79.66％、70.42％、84.59％、81.74％及67.57％;模型2为88.06％、74.51％、82.2％、81.94％及82.61％;模型3为71.34%、85.05%、70.37%％、83.2%及76.3%。结论：基于CT图像影像组学特征模型可以较好地反映良性结节、恶性非浸润结节及浸润性结节的差异,对其进行分类。     

基于影像组学参数评估376例幕上自发性脑出血患者的功能状态

目的 探讨基于首次平扫CT的影像组学列线图模型对幕上自发性脑出血患者90 d功能状态的预测价值。方法 回顾性分析幕上自发性脑出血(sICH)患者376例,根据90 d改良Rankin量表(mRS)评分结果将患者分为预后不良组121例(mRS评分为4～6分)和预后良好组255例(mRS评分为0～3分)。从首次平扫CT提取影像组学特征,计算影像组学评分(Rad-score)并构建影像组学模型。分析筛选临床因素用于构建临床模型,并结合Rad-score构建列线图模型。分析比较上述3种模型的预测效能。结果 最终筛选出20个特征用于构建影像组学模型,临床模型由年龄(OR=1.045,95%CI:1.023～1.066)、格拉斯哥昏迷评分GCS≤8(OR=4.128,95%CI:2.161～7.887)、血肿破入脑室(OR=3.071,95%CI:1.744～5.408)和血肿体积>30 mL(OR=5.802,95%CI:3.327～10.117)构成。在训练集,列线图模型的曲线下面积(0.892)高于临床模型(0.814)及影像组学模型(0.862),差异有统计学意义(Z值分别为3.35...