增强MRI影像组学对肝癌微血管侵犯的预测价值

【摘要】目的：探讨基于增强MRI影像组学方法对肝细胞肝癌微血管侵犯(MVI)的术前预测价值。方法：回顾性分析108例经手术病理证实为肝细胞肝癌病例的临床及增强MRI图像资料,其中MVI阳性45例,MVI阴性63例。对增强MRI动脉期（AP）、门静脉期（PVP）及延迟期（DP）图像进行影像组学特征提取,筛选最有价值的组学特征,采用五折交叉验证将样本量训练组和测试组,对训练组构建基于AP、PVP、DP及基于3期特征融合的影像组学联合逻辑回归模型,并对MVI的独立预测因子构建逻辑回归模型。选择最优影像组学模型并结合临床影像特征模型构建临床影像组学模型。所有模型结果均用五折交叉均值表示。模型采用受试者工作特征曲线(ROC)分析模型的有效性,并用测试组进一步验证。结果：MVI临床影像特征的独立预测因素包括甲胎蛋白、肿瘤最大径、瘤内动脉及包膜情况。临床影像特征模型在训练组的诊断效能ROC曲线下面积(AUC)值0.864,测试组AUC值0.843。AP、PVP、DP及3期联合模型在训练组的诊断效能AUC值分别为0.898、0.874、0.894及0.898,测试组AUC值分别为0.861、0.864、0.86及0.881。Delong检验分析发现测试组中增强MRI影像组学模型中3期联合模型的诊断效能较高,其与临床影像特征结合建立的临床影像组学模型诊断性能达到最优,训练组与测试组AUC值为0.934及0.911。结论：基于增强MRI建立的临床影像组学模型能够在术前无创地评估和预测MVI。     

基于MRI影像组学机器学习模型鉴别小肾癌与乏脂肪肾血管平滑肌脂肪瘤

目的：探讨基于多期相MRI影像组学机器学习模型鉴别小肾癌（small renal cell carcinoma, sRCC）与乏脂肪肾血管平滑肌脂肪瘤（fat-poor renal angiomyolipoma, fp-AML）的价值。 方法：回顾性分析经病理证实的79例sRCCs与35例 ≤4cm的fp-AMLs。分别在T2WI（T2）、增强前T1WI（UP）、皮髓质期（CMP）、实质期（NP）图像上手工勾画全肿瘤感兴趣体积（volumetric area of interest,VOI）并提取影像组学特征。按照7:3的比例划分训练集（86例）与测试集（28例）,采用T检验、最大相关最小冗余（maximal relevance and minimal redundancy, mRMR）算法、最小绝对收缩和选择算子方法（the least absolute shrinkage and selection operator, LASSO）进行特征选择,之后分别建立逻辑回归（logistic regression, LR）与支持向量机（support vector machine, SVM)分类模型。采用受试者工作曲线(receiver operating characteristic, ROC)曲线来评价模型的分类性能。 结果：T2、UP、CMP、NP和四期相整合中分别获得4个、12个、3个、11个和15个最优子集特征。基于NP与四期相整合影像组学特征联合LR构建的模型鉴别效能最佳,模型在训练集中的AUC值分别为0.956、0.986,在测试集中的AUC值均为0.881。结论：基于多期相MRI影像组学特征构建的机器学习模型在鉴别sRCC和fp-AML中具有较高的诊断效能。