磁共振影像组学在鉴别中低危和高危前列腺癌中的应用

目的建立基于支持向量机学习算法的影像组学模型,研究其鉴别高危前列腺癌与中低危前列腺癌的诊断效能。方法回顾性分析265例经病理证实的前列腺癌病人,其中高危病人155例,中低危病人110例。所有病人术前均进行MRI检查。由两位放射医师使用达尔文智能科研平台手动勾画感兴趣区,从每例病人的T2WI和ADC图中分别提取影像组学特征,采用受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)验证影像组学特征的鉴别效能,对比T2WI、ADC及T2WI+ADC的诊断价值。结果共筛选出10个影像组学特征(6个ADC序列特征,4个T2WI序列特征)可以用来鉴别高危及中低危前列腺癌。仅使用T2WI获得的组学模型鉴别效能较低,训练队列AUC为0.70(95%CI 0.63~0.77),验证队列AUC为0.58(95%CI 0.47~0.68)。ADC图组学模型预测效能较好,训练队列AUC为0.79(95%CI 0.72~0.85),验证队列AUC为0.78(95%CI 0.68~0.86)。T2WI联合ADC图构建的影像组学模型表现出最优预测效能,训练队列AUC为0.84(95%CI 0.78~0.89),验证队列AUC为0.80(95%CI 0.69~0.88)。结论本研究构建的基于T2WI和ADC图的影像组学模型在一定程度上对中低危及高危前列腺癌病人进行区分,为前列腺癌的分期提供了一种无创的预测方式,指导治疗方案的选择。     

基于骰骨MRI的糖尿病足影像组学特征

目的 探究基于MRI影像组学特征辅助诊断糖尿病足（DF）的可行性。 方法 回顾性分析2018年8月至2020年8月于上海中医药大学附属上海市中西医结合医院行足部MRI检查的127例因足部疾患就诊患者的临床资料,其中男性83例、女性44例,年龄16~88（59.3±14.8）岁。根据患者临床诊断的不同分为DF组（85例）和非DF组（42例）;根据影像组学特点,采用简单随机抽样法,将患者以3∶2的比例随机分为训练组（76例）和测试组（51例）。在MRI的T1加权成像（WI）序列和质子密度加权成像（PDWI）压脂序列矢状面图像上勾画骰骨,提取影像组学特征参数,并构建T1WI序列模型、PDWI压脂序列模型及联合模型,联合模型包括性别、年龄、骨髓信号和影像组学特征参数。通过3组模型参数最大绝对值归一化的预处理,经过最优特征和模型选择筛选出最优特征维度。采用受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评估影像组学特征诊断DF的效能。2组间年龄的比较采用独立样本t检验,2组间性别和中足骨骨髓信号异常的比较采用χ2检验。 结果 DF组和非DF组患者在年龄、男女比例及中足骨骨髓信号异常间的差异均有统计学意义（t=29.2,χ2=17.15、6.53,均P<0.05）。T1WI序列模型、PDWI压脂序列模型和联合模型最终分别筛选出9、7和10个最优特征维度。支持向量机模型区别DF和非DF患者在T1WI序列模型上训练组和测试组的AUC分别为0.86和0.84,准确率分别为78%和69%; PDWI压脂序列模型上训练组和测试组的AUC分别为0.85和0.83,准确率分别为82%和78%;而联合模型上训练组和测试组的AUC分别为0.93和0.85,准确率分别为84%和76%。T1WI序列模型与PDWI压脂序列模型诊断效能相当,而联合模型优于二者单独应用。 结论 MRI影像组学特征能有效区分DF和非DF,有望为DF影像诊断提供一种新型、高效、无创的手段。     

多参数3.0T MRI在HER-2阳性乳腺癌中的应用

目的探讨多参数3.0T-MRI对人表皮生长因子受体2(HER-2)阳性乳腺癌诊断的临床应用价值。方法回顾性分析74例经病理证实的乳腺癌病人影像学特征及临床资料,所有病人术前均行乳腺MRI检查。根据术后病理免疫组织化学HER-2表达情况分为2组,其中HER-2阳性组34例,HER-2阴性组40例。比较2组在病人年龄、病灶长径、形态、边缘、强化方式、ADC值及病灶时间-信号强度曲线(TIC)之间的差异性,并分析HER-2阳性乳腺癌MRI影像特征。结果HER-2阳性组年龄(49.59±9.30)岁与阴性组年龄(45.68±9.01)岁差异无统计学意义(P>0.05)。HER-2阳性组病灶表观弥散系数值(1.01±0.23)×10-3 mm2/s高于阴性组的(0.90±0.16)×10-3 mm2/s(P < 0.05),ROC曲线下面积(AUC)为0.663(95%CI:0.538~0.789)。HER-2阳性组病灶呈环形强化方式较阴性组多(P < 0.01),AUC为0.689(95%CI:0.567~0.811)。2组病例在病灶长径、形态、边缘、TIC曲线的MRI特征参数方面差异均无统计学意义(P>0.05)。结论HER-2阳性乳腺癌MRI影像表现具有一定的特征性,为病人术前评估、临床治疗方案制定、预后判断提供重要参考。     

多参数MRI影像组学在鉴别诊断T3a与T3b期前列腺癌中的价值

目的探讨多参数MRI(multi-parameter MRI, mp-MRI)影像组学在鉴别诊断T3a、T3b期前列腺癌中的价值。方法回顾性分析151例T3期前列腺癌病人的影像资料, 其中T3a期110例, T3b期41例。使用达尔文智能科研平台在T2WI及ADC横轴位图像上手动勾画感兴趣区, 提取影像组学特征。按照3:1的比例分别将ADC图像、T2WI图像、ADC图像联合T2WI图像三种模式下的影像组学特征分为训练集和验证集, 依次对3组训练集构建模型, 使用相应验证集进行内部验证。通过ROC曲线对模型进行分析, 并评价不同序列的诊断效能。结果通过达尔文科研平台共提取1878个影像组学特征, 最终保留6个(ADC相关2个, T2WI相关4个)(P < 0.05), 单独T2WI和ADC图像下训练集AUC值分别为0.79、0.71, 验证集AUC值为0.59、0.70;ADC图像联合T2WI图像下训练集AUC值为0.79, 验证集AUC值为0.73。结论T2WI图像联合ADC图像影像组学对术前鉴别T3a、T3b期前列腺癌具有较好诊断价值, 可在一定程度上弥补MRI对 < 1 mm病灶检查效果欠佳的缺陷, 为癌灶是否侵犯精囊提供补充, 协助临床术前获得更加详实的资料, 为精准手术提供指导。     

基于mp-MRI影像组学预测前列腺癌Gleason分级的价值探讨

目的探讨多参数磁共振成像（mp-MRI）影像组学预测前列腺癌Gleason分级的价值。方法回顾性分析266例前列腺癌病人,根据病理结果分为Gleason评分高危组（Gleason≥4+3分）、Gleason评分低危组（Gleason≤3+4分）,在T2WI横断面、ADC图（b值0、1 500 s/mm2）上手动勾画病灶后进行影像组学特征的提取及量化,将所选病例数据特征随机分为训练组与测试组（测试集比例为0.3）,构建支持向量机分类模型,得到训练组与测试组的ROC曲线及曲线下面积（AUC）。结果Gleason评分高危组118例,Gleason评分低危组148例,其中训练组186例（高危组83例、低危组103例）,测试组80例（高危组35例、低危组45例）,T2WI、ADC图影像组学支持向量机模型训练组的AUC为0.753,测试组AUC为0.741,准确率为62.5%（95%CI:0.572~0.893）;T2WI、ADC图影像组学联合PSA值支持向量机模型训练组的AUC为0.768,测试组AUC为0.752,准确率为72.5%（95%CI:0.613~0.917）;经Delong验证,两者差异无统计学意义（P>0.05）。结论mp-MRI影像组学预测前列腺癌Gleason分级有较高的参考价值。     

多参数3D MRI影像组学模型预测结直肠癌肝转移及相关临床危险因素的分析

目的 探讨多参数3D MRI影像组学模型对于结直肠癌肝转移(CCLM)的预测价值及相关临床危险因素的分析。方法 收集2019-2022年在本院术前行MRI检查且术后病理证实的198例结直肠癌患者的临床及影像资料。按照8:2的比例随机分为训练集及验证集(n=159及39)。对T2WI、DWI、e-THRIVE+序列分别逐层勾画,得到3D VOI,提取组学特征并降维处理、构建影像组学模型。采用逻辑回归分析,筛选出CCLM的独立危险因素并构建临床模型。结果 三序列联合的影像组学模型预测CCLM的效能高于单一序列模型,其训练集与验证集AUC值分别为0.919及0.896。逻辑回归分析得到CCLM的独立危险因素分别为CEA、CA199及NLR(P<0.05)。三者联合的临床模型效能亦高于单一临床模型,训练集与验证集的AUC值分别为0.800及0.791。结论多参数3D MRI影像组学模型对于CCLM具有较高预测效能。基于CEA、CA199、NLR的临床模型对于CCLM具有一定预测效能。     

多序列3D-MRI影像组学对乳腺小肿块的鉴别价值

目的 基于动态增强磁共振(DCE-MRI)序列及扩散加权成像(DWI)序列构建影像组学模型,探讨其对直径≤2 cm的乳腺肿块良恶性的鉴别价值。方法 选取2019年1月至2022年8月就诊于本院122例患者,均接受MRI检查,且经测量肿块直径≤2 cm。将所有患者图像以DICOM格式上传至慧影大数据平台,使用双盲法在DWI及DCE第三期图像上逐层勾画感兴趣区(ROI),后将该病灶勾画的所有ROI融合成三维容积感兴趣区(3D-VOI)进行组学分析。按照4∶1将数据集随机分为训练集与测试集,采用逻辑回归(LR)分类器,构建DCE、DWI及DCE与DWI联合鉴别模型,以病理检查为金标准,评价三种影像组学模型的鉴别效能,并比较三种模型的曲线下面积(AUC)、准确率、特异度及敏感度。结果 根据病理结果将122例患者分为良性42例,恶性80例,以DCE构建组学模型鉴别乳腺小肿块的AUC值为0.83(0.65～1.00)、准确率67%、特异度81%、敏感度67%;以DWI构建组学模型鉴别乳腺小肿块的AUC值0.81(0.67～0.98)、准确率64%,特异度78%、敏感度75%;以DCE与DWI联合模...     

基于CTA影像组学在预测动脉瘤破裂风险中的价值

目的 探讨基于CTA影像组学在预测动脉瘤破裂风险中的价值。方法 回顾性分析144例颅内动脉瘤患者的影像资料,其中未破裂动脉瘤71例,破裂动脉瘤73例。使用达尔文科研平台在经全脑血管多层螺旋CT血管造影(Computer tomography angiography,CTA)图像上手动勾画感兴趣区,进行影像组学特征提取分析。将患者以7:3的比例分为训练集(n=100)和测试集(n=44),从每个动脉瘤中自动计算出1316个影像组学特征,进而筛选出最重要的分类特征去构建影像组学模型,并对训练集及测试集进行评估,从而比较未破裂动脉瘤及破裂动脉瘤之间的差异。结果 通过最大绝对值归一化、最优特征筛选百分比及SVM筛选出14个影像组学特征用于建立模型。CTA影像组学模型在训练集及测试集中表现良好(AUC分别为0.87(95%置信区间CI:0.78和0.83(95%置信区间CI:0.63,1),P<0.05)。结论 基于CTA影像组学构建模在预测动脉瘤破裂风险中具有较好的应用价值。     

CT影像组学在非小细胞肺癌病理分级中的应用

目的：探讨CT影像组学在非小细胞肺癌(NSCLC)病理分级中的应用价值。方法：回顾性分析67例经病理证实为NSCLC病人资料,其中Ⅰ级7例,Ⅱ级39例,Ⅲ级21例,依据非小细胞肺癌的分化程度、异型性、核分裂象的多少,将Ⅰ、Ⅱ级归为低级别组(46例),Ⅲ级归为高级别组(21例)。将病人按照5∶1的比例随机分为训练组56例,验证组11例,选取病灶最大径层面进行感兴趣区(ROI)的勾画,建立预测模型,通过绘制受试者操作特征曲线(ROC),计算ROC曲线下面积(AUC),评价影像组学特征在NSCLC病理分级中的应用价值。结果：CT影像组学模型共提取了1 878个影像组学特征,采用SVM对特征的重要性进行评估,最终降维得到20个特征维度;训练组中AUC值为0.851,准确率为80.35%;测试组中AUC为0.833,准确率为90.90%。结论：CT影像组学可通过分析各种影像特征对术前NSCLC病理分级进行预判。     

3D-MRI影像组学特征与肿块型乳腺癌分子分型相关性分析

目的 基于动态对比增强磁共振成像(DCE-MRI)序列探讨3D影像组学特征与肿块型乳腺癌分子分型相关性分析。方法 回顾性分析经病理证实为乳腺癌的120例患者，且治疗前均经DCE-MRI检查。将所有患者图像从图像存储与传输系统以DICOM形式上传至慧影大数据科研平台，使用双盲法在动态增强第三期沿病灶周围逐层勾画感兴趣区，后将该病灶勾画的所有感兴趣区融合成三维容积感兴趣区(3D-VOI),进行组学分析，提取纹理特征，共1409个纹理特征，采用方差选择法、单变量特征选择法及最小绝对收缩和选择算子(LASSO)对病灶进行特征筛选及降维处理，最终得到最有价值的影像组学特征，构建有效预测模型，绘制受试者操作特征(ROC)曲线，得出ROC曲线下面积(AUC)、特异度、敏感度及准确性评估模型效能。利用秩和检验、卡方检验对不同分子分型患者的病灶大小、年龄、月经情况及淋巴结转移情况进行统计学分析。结果 根据病理结果将患者分为4型，管腔A型、管腔B型、Her-2过表达型及三阴型。4种分型的预测模型AUC值分别为0.80、0.77、0.79、0.79。不同分子分型的乳腺癌患者的年龄、月经情况及病灶大小之间差异...