基于CT影像组学数据构建的综合模型预测乳腺癌新辅助化疗疗效价值的研究

目的 建立并验证基于CT影像组学的综合模型预测乳腺癌新辅助化疗(NAC)疗效的价值.方法 回顾性分析2017年1—12月109例于我院行NAC并具有MP病理分级结果的乳腺癌患者,根据CT检查时间分为训练集77例(检查时间:2017年1—9月)和验证集32例(检查时间:2017年10—12月).采用ITK-SNAP软件勾画肿瘤三维感兴趣区(ROI)并提取影像组学特征,采用mRMR算法和LASSO回归进行最佳影像组学特征选择并构建影像组学模型,并计算每位患者的影像组学得分.再通过多元Logistic回归分析分别构建临床特征模型与联合影像组学得分和临床特征的综合模型,并绘制列线图.采用校正曲线评估模型的拟合度.通过ROC曲线评价各模型预测乳腺癌NAC疗效的效能,并通过Delong检验比较临床特征模型与综合模型预测效能是否具有统计学差异.最后再通过决策曲线评价综合模型预测乳腺癌NAC疗效的净获益.结果 共提取1409个影像组学特征,最终得到12个最佳的影像组学特征.影像组学特征对预测乳腺癌NAC疗效具有较好的效能,其训练集和验证集的ROC曲线下面积(AUC)分别为0.83和0.76,联合临床特征和影像组学得分构建的综合模型在训练集和验证集中预测NAC疗效的AUC分别为0.88和0.78.Delong检验结果表明在训练集和验证集中,临床特征模型与综合模型预测效能具有统计学差异(训练集Z=2.922,P<0.05;验证集Z=2.318,P<0.05).决策曲线表明基于CT影像组学的综合模型预测乳腺癌NAC疗效较临床模型具有较高的净获益.结论 基于CT影像组学的综合模型对乳腺癌NAC疗效具有较高的预测价值,有助于指导乳腺癌患者个体化诊疗.     

磁共振体素内不相干性运动在肌骨系统肿瘤定性诊断中的作用

目的：评价磁共振体素内不相干性运动（IVIM）参数在肌骨系统肿瘤定性诊断中的价值。方法：本研究中的38例肌骨系统肿瘤的患者,均采用1．5T MR 扫描仪进行检查,在常规扫描后进行 IVIM 扫描。IVIM 使用的9个 b 值分别为0,20,40,60,80,100,250,500和750 s／mm2。分别测量病变区和作为对照组的正常肌肉组织 IVIM 参数 ADC、ADCslow 、ADCfast 及 PF 值。根据病理结果,将病变分为良性（12例）、交界性（14例）及恶性肿瘤（12例）,并对三组肿瘤之间以及肿瘤与对照组之间 ADC、ADCslow 、ADCfast 及 PF 值的差异进行统计学分析。结果：交界性肿瘤的 ADC 及 ADCslow 值分别为（1．02±0．15）×10－3 mm2／s 和（1．02±0．16）×10－3 mm2／s,明显低于对照组（1．38±0．20）×10－3 mm2／s 和（1．38±0．17）×10－3 mm2／s,差异具有统计学意义（P ＝0．001）。恶性肿瘤的 ADC 及 ADCslow 值分别为（0．90±0．13）×10－3 mm2／s和（0．88±0．14）×10－3 mm2／s,明显低于对照组（1．48±0．12）×10－3 mm2／s 和（1．48±0．09）×10－3 mm2／s,差异具有统计学意义（P ＜0．001）。而良性肿瘤的 ADC 及 ADCslow 与对照组之间差异无统计学意义（P ＝0．564,0．480）。ADCfast 以及 PF 值在肿瘤与对照组之间无统计学差异。交界性、恶性肿瘤的 ADC 和 ADCslow 值明显低于良性肿瘤,差异具有统计学意义（P 值均＜0．001）,但交界性肿瘤与恶性肿瘤之间的 ADC 和 ADCslow 值差异无统计学意义。良性、交界性和恶性肿瘤之间的 ADCfast 和 PF 值的差异没有统计学意义。结论：IVIM 参数 ADC 和 ADCslow 有助于区分良性肿瘤与交界性、恶性肿瘤,提高肌骨系统肿瘤的诊断准确性。     

基于MRI平扫的影像组学模型鉴别软骨肉瘤与内生软骨瘤

目的 探讨基于MRI平扫构建的影像组学模型用于鉴别诊断软骨肉瘤与内生软骨瘤的价值。方法 回顾性分析68例软骨源性肿瘤（软骨肉瘤27例,内生软骨瘤41例）,将其随机分配到训练组（n=46）与验证组（n=22）。首先由2名放射科医师独立提取平扫T1WI和T2WI-FS序列中肿瘤所有层面的影像组学特征,采用组内相关系数（ICC）评价2名医师提取组学特征的一致性;然后使用方差选择法、单变量特征选择、最小绝对收缩与选择算子算法（LASSO）对组学特征进行筛选和降维,使用多因素逻辑回归分析构建基于T1WI和T2WI-FS序列的组学模型,采用受试者工作特征曲线（ROC）评估组学模型的诊断效能, 并与放射科医师采用常规MR序列的诊断效能进行对比。结果 2名放射科医师独立提取患者T1WI和T2WI-FS序列影像组学特征的一致性良好（ICC值范围为0.779~0.923）。在T1WI序列筛选出10个组学特征,在T2WI-FS序列筛选出11个组学特征,两个序列的组 学模型在训练组中AUC分别为0.990和0.925;在验证组中AUC分别0.915和0.855,模型之间的诊断效能差异均无统计学意义（P>0.05）。在所有病例中,T1WI、T2WI-FS序列组学模型与常规MRI诊断的AUC分别为0.955、0.901、0.569,基于两个序列的组学模型诊断准确性均高于放射科医生的诊断效能（P<0.001）。结论 基于MRI平扫T1WI和T2WI-FS序列构建的影像组学模型能用于鉴别诊断软骨肉瘤与内生软骨瘤。     

动脉自旋标记MRI评估2型糖尿病患者肾皮质灌注水平

目的 探讨应用动脉自旋标记（ASL）MRI评价2型糖尿病患者肾皮质灌注水平的价值。方法 前瞻性收集50例2型糖尿病患者,根据是否患糖尿病肾病（DKD）分为单纯糖尿病（SD）组（25例）和DKD组（25例）。依据估算肾小球滤过率（eGFR）将DKD组分为轻度DKD亚组[eGFR≥60 ml/（min·1.73m²）,11例]和中重度DKD亚组[eGFR<60 ml/（min·1.73m²）,14例]。同期选取25名年龄和性别相匹配的健康志愿者作为正常对照组。对所有受试者均行ASL MR扫描。由2名医师测量双肾皮质血流量（RBF）,分析2名医师测量结果的一致性,比较各组间肾皮质RBF值的差异,并评价糖尿病患者肾皮质RBF与eGFR的相关性。结果 2名医师对肾皮质RBF值测量结果的一致性较高（ICC均>0.90）。SD组[（258.52±42.30）ml/（100 g·min）]、轻度DKD亚组[（242.86±56.86）ml/（100 g·min）]、中重度DKD亚组[（173.39±27.16）ml/（100 g·min）]及正常对照组[（269.71±33.28）ml/（100 g·min）]间肾皮质RBF值差异有统计学意义（F=20.66,P<0.01）;两两比较显示,中重度DKD亚组肾皮质RBF值明显低于其他3组（P均<0.01）,轻度DKD亚组、SD组与正常对照组肾皮质RBF值差异无统计学意义（P=0.064、0.320）。2型糖尿病患者肾皮质RBF值与eGFR值呈正相关（r=0.646,P<0.001）。结论 ASL MRI可用于定量评估糖尿病患者的肾皮质灌注水平,RBF值可作为判断2型糖尿病患者肾功能的影像学指标。（ASL）MRI评价2型糖尿病患者肾皮质灌注水平的价值。     

基于T2WI的纹理分析和机器学习在鉴别肾乏脂血管平滑肌脂肪瘤和肾癌中的价值

目的探索基于T2WI的纹理分析和机器学习在区分肾乏脂血管平滑肌脂肪瘤(angiomyolipoma without visible fat,AMLwvf)和肾癌中的效能。材料与方法回顾分析80例肾脏肿瘤,包括肾AMLwvf、肾透明细胞癌、乳头状肾细胞癌和肾嫌色细胞癌各20例。软件勾画得到感兴趣容积,提取特征。克鲁斯卡尔-沃利斯检验提示肾癌亚型之间所有特征差异无统计学意义,故将肾癌亚型合并为肾癌组进行后续分析。单因素分析:通过非参数检验和ROC曲线寻找最佳特征,分析诊断效能。多特征建模:通过SPSS Modeler软件进行特征选择,构建并评价多个决策树C5.0模型。结果最佳特征为最小灰度,AUC为0.888,鉴别准确性为86.25%。最佳模型的AUC为0.950,诊断肾AMLwvf的敏感度为90.00%,特异度为100%,阳性预测值为100%,阴性预测值为96.77%,准确度为97.5%,交叉验证准确度为95.0%。结论基于T2WI的纹理分析和决策树C5.0模型可有效鉴别AMLwvf和肾癌。     

腰椎 MR 弥散成像与定量CT 骨密度测量的相关性研究

目的：探讨腰椎椎体表观弥散系数（ apparent diffusion coefficient ,ADC）值与定量CT（ quantitative compu-ted tomography,QCT）所测骨密度（bone mineral density,BMD）的相关性。方法对121例腰腿痛患者进行腰2～4椎体QCT检查,并根据骨密度分为骨密度正常组、骨密度减少组及骨质疏松组。再对患者进行腰椎MR检查,先行常规矢状面T2WI、T1 WI和横轴面T2WI扫描;弥散加权成像（diffusion weighted imaging,DWI）采用自旋回波单次激发回波平面成像序列（ b值为0和600 s/mm2）,行椎体矢状位DWI扫描,在ADC图上测量腰2～4椎体ADC值。最后分析ADC值与骨密度的相关性。结果男性各组间ADC值差异无统计学意义（ P ＞0）．05）;女性骨密度正常组ADC（0．45＆#177;0．13）＆#215;10-3 mm2/s,与骨量减少组（0．302＆#177;0．0677）＆#215;10-3 mm2s/及骨质疏松组（0．2869＆#177;0．0475）＆#215;10-3 mm2/s比较,差异有统计学意义（ P ＜0．05）。 Spearman相关分析发现,男性BMD与ADC值无相关性,女性BMD与ADC值呈正相关（ r ＝0．545, P ＜0．01）。结论 DWI可从骨髓分子运动水平研究骨质疏松的病理生理变化,对骨质疏松进行无创性定量评估。     

动态增强磁共振成像用于肌骨系统肿瘤定性诊断的可行性

目的：探讨动态增强磁共振成像（dynamic contrast enhanced magnetic resonance imaging,DCE-MRI）的药代动力学参数［如容量转移常数（volume transfer constant,Ktrans）、血管外细胞外容积分数（extravascular extracellular space distribute volume per unit tissue volume, Ve）和返流速率常数（microvascular permeability reflux constant,Kep）］用于肌骨系统肿瘤定性诊断中的可行性。方法： 选择2013年10月至2014年9月来北京积水潭医院就诊的肌骨系统肿瘤患者共34例进行回顾性分析,患者使用1.5T MR扫描仪进行检查,DCE MRI使用脂肪抑制3D VIBE(volumetric interpolated breath-hold exam)序列。根据病理诊断结果,将肿瘤分为良性、交界性及恶性,病灶所在层面的正常肌肉组织作为对照组,对每组肿瘤与对照组的Ktrans、Ve和Kep的差异进行配对t检验,对3组病变数据中的差异进行单因素方差分析,P＜0.05认为差异具有统计学意义。结果： 良性肿瘤Ktrans和Kep值与对照组的差异无统计学意义,而Ve值与对照组比较有所升高。交界性肿瘤的Ktrans和Ve值明显高于对照组,而Kep与对照组差异无统计学意义(P>0.05)。恶性肿瘤的Ktrans、Kep和Ve值明显高于对照组。恶性肿瘤的Ktrans (P<0.001)和Kep (P<0.01)均高于良性和交界性肿瘤,Ve高于良性肿瘤(P<0.05),而与交界性肿瘤差异无统计学意义(P>0.05)。良性和交界性肿瘤的Ktrans、Kep和Ve值之间的差异无统计学意义(P>0.05)。结论： DCE MRI药代动力学参数Ktrans和Kep可以反映肌骨系统良性、交界性和恶性肿瘤在毛细血管渗透性方面存在的差异,这将有助于肿瘤的定性诊断。     

CT影像组学对中轴骨脊索瘤与骨巨细胞瘤的鉴别诊断价值

目的:建立术前鉴别中轴骨脊索瘤与骨巨细胞瘤的影像组学模型,并验证其诊断效能。方法:回顾性纳入中轴骨脊索瘤59例、骨巨细胞瘤33例共92例患者,64例为训练集,28例为验证集。基于CT图像进行影像组学特征提取,采用LASSO模型进行特征选择,构建影像组学模型,并计算影像组学得分(Rad-score)。通过Logistic多元回归分析,以独立临床预测因素联合Rad-score构建综合模型,通过校正、ROC曲线、决策曲线评估模型效能。结果:从CT图像中共提取1409个组学特征,降维后获得7个最有鉴别价值的特征构建影像组学模型。该标签在训练集(AUC为0.890,95%CI:0.800~0.980)和验证集(AUC为0.860,95%CI:0.700~1.000)中均有较高的诊断效能。年龄和位于中轴骨两端是独立的临床预测因素。联合独立临床预测因素和Rad-score构建的综合模型,在训练集(AUC为0.970,95%CI:0.930~1.000)和验证集(AUC为0.920,95%CI:0.810~1.000)中均具有较高的诊断效能;训练集中,综合模型的AUC优于组学模型(Z=2.092,P=0.036)。决策曲线分析结果表明,综合模型较组学模型具有更高的临床净获益。结论:基于CT影像组学联合临床特征建立的综合模型术前鉴别中轴骨脊索瘤和骨巨细胞瘤具有较高的诊断效能,有助于临床决策。     

基于3D-CT影像组学预测小细胞肺癌经铂类化疗后脑转移的研究

目的 利用3D-CT影像组学预测小细胞肺癌(SCLC)经铂类化疗后脑转移的发生情况。方法 回顾性分析采用铂类化疗方案的148例SCLC患者的影像资料，其中发生脑转移者共57例，未发生脑转移者共91例。利用慧影大数据科研平台将数据集按照4∶1随机分成训练集和测试集，提取所勾画病灶上的影像组学特征，利用支持向量机建立影像组学鉴别模型，通过对受试者工作特征曲线下面积、敏感度、特异度及准确率进行分析，预测SCLC在铂类治疗过程中发生脑转移的概率。结果 发生脑转移和未发生脑转移组的训练集及测试集的受试者工作特征曲线下面积分别为0.798、0.789,0.798、0.789;训练集未发生脑转移组特异性0.72,准确率为0.80,发生脑转移组中特异性0.71,准确率为0.62,测试集中未发生脑转移组特异性0.83,准确率为0.87,发生脑转移组中特异性0.68,准确率为0.62。结论 基于经铂类治疗的SCLC患者肺部CT 3D影像组学特征预测脑转移具有一定临床价值，能对患者进行早期临床干预，从而改善患者预后，提高生存期。