基于数字化乳腺X线影像组学预测浸润性乳腺癌腋窝淋巴结转移的多中心研究

目的:探讨基于多中心数字化乳腺X线影像组学预测浸润性乳腺癌腋窝淋巴结转移的临床应用价值。方法:回顾性搜集728例经病理证实的浸润性乳腺癌患者,按照7:3的比例将皖南医学院第一附属医院弋矶山医院413例浸润性乳腺癌患者随机拆分为训练组289例(淋巴结转移阴性197例,淋巴结转移阳性92例)和验证组124例(淋巴结转移阴性85例,淋巴结转移阳性39例),将阜阳市人民医院和太和县人民医院浸润性乳腺癌患者共计315例(淋巴结转移阴性221例,淋巴结转移阳性94例)作为外部测试组。对比分析双乳内外斜位(MLO)和头尾位(CC)图像,选取病变面积较大的数字化乳腺X线图像使用深睿医疗多模态科研平台进行图像分割及影像组学特征提取,采用特征间线性相关性分析与最小绝对收缩和选择算法(LASSO)对组学特征进行降维并使用支持向量机(SVM)分类器构建影像组学预测模型。采用受试者工作特征(ROC)曲线和决策曲线分析(DCA)评价模型性能。结果:最终筛选出8个影像组学特征构建预测模型用于预测浸润性乳腺癌腋窝淋巴结转移,该模型的预测效能在训练组、验证组和外部测试组分别为0.807、0.790和0.753,敏感度、...     

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增强扫描静脉期的影像组学列线图预测晚期肺腺癌患者对培美曲塞+铂类化疗敏感性的价值

目的：探究影像组学列线图对晚期肺腺癌患者培美曲塞+铂类化疗疗效的预测能力。方法：回顾性收集经穿刺病理确诊为晚期肺腺癌的131例患者的资料,均行至少2个周期的培美曲塞+铂类化疗。将患者按照7∶3的比例随机分为训练集92例和测试集39例。依据实体肿瘤的疗效评价标准（RECIST）标准,将部分缓解患者纳入缓解组（68例）,疾病进展和疾病稳定患者纳入未缓解组（63例）。根据治疗前静脉期CT图像提取、筛选影像组学特征,得到影像组学评分（Radscore）,并建立影像组学逻辑回归（LR）模型;采用单因素及多因素logistic回归分析筛选独立预测因子,并构建临床预测模型;基于LR联合临床独立预测因子及Radscore构建影像组学列线图。采用ROC曲线和决策曲线分析（DCA）评估比较3种模型的预测效能及临床净收益。结果：临床预测模型、影像组学模型及影像组学列线图的训练集AUC分别为0.742、0.815和0.923,测试集AUC分别为0.684、0.726和0.760,表明影像组学列线图的预测效能高于临床预测模型及影像组学模型。DCA示影像组学列线图临床净收益高于临床预测模型及影像组学模型。结论：影...     

CT影像组学模型预测CNLC Ⅰ～Ⅱ期肝细胞癌切除术后早期复发的研究

目的 建立术前CT影像组学预测模型对中国肝癌分期(CNLC)Ⅰ～Ⅱ期肝细胞癌(HCC)切除术后早期复发进行预测。方法 回顾性分析接受手术切除的CNLCⅠ～Ⅱ期HCC患者153例的资料。用3D slicer软件勾画肿瘤感兴趣区(ROI),用pyradiomics包提取影像组学特征。基于LASSO算法进行特征筛选、并建立影像组学标签(Rad-score)。采用单因素Logistic回归和多因素Logistic逐步回归法确立独立预测因子,构建影像组学预测模型和临床预测模型。用受试者工作特征曲线(ROC)曲线下面积(AUC)来比较模型的区分度,用校准曲线评估模型的校准度,用临床决策曲线分析(DCA)评估模型的临床应用价值。结果 Rad-score、瘤内供血动脉、肝功能白蛋白-胆红素分级(ALBI分级)、性别是独立预测因子。影像组学模型具有良好的预测效能(AUC:训练组0.900,验证组0.853),优于临床模型(AUC:训练组0.823,验证组0.741)。校准曲线显示影像组学模型具有良好的校准度。DCA显示阈值概率在0.1～1.0时,影像组学模型的净获益要高于临床模型。结论 基于CT影像组学...     

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

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...     

CT影像组学联合血清炎症参数预测肝癌根治术后辅助TACE的早期复发

目的 探讨CT影像组学联合血液炎症指标的综合列线图评估肝细胞癌（HCC）根治术后辅助肝动脉化疗栓塞（PA-TACE）早期复发的效能。方法 从南通市第一人民医院电子病历系统中选择2017年6月至2021年6月外科手术后1个月接受PA-TACE治疗的原发性肝癌患者130例，按7∶3随机分成训练组92例和验证组38例。收集、评估所有患者的临床资料、CT影像组学数据、病理学资料、PA-TACE术前1周内血液学指标。评估PA-TACE术后早期复发和未早期复发患者的临床资料。使用R语言进行数据分析、影像组学特征筛选、LASSO回归分析、绘制ROC曲线、列线图建立及DCA曲线绘制。结果 在训练组和验证组中，CT影像组学预测PA-TACE术后早期复发的AUC分别为0.79(95%CI:0.70～0.89)、0.78(95%CI:0.62～0.94)。单因素多因素回归分析表明GLR(P<0.01)是与PA-TACE早期复发相关的血液学指标。训练组中，临床模型、综合列线图模型预测PA-TACE早期复发的AUC分别为0.68(95%CI:0.56～0.79)和0.80(95%CI:0.71～0.89)...     

基于术前分期CT的影像组学标签预测三阴性乳腺癌

【摘要】目的：探讨基于术前分期CT的影像组学标签在预测三阴性乳腺癌分子分型中的附加价值。方法：回顾性收集2016年1月至2018年5月经手术病理证实且均为临床术前评估分期需行常规胸部CT增强扫描的481例肿块型乳腺浸润性癌患者,按照样本量1∶2随机抽样选取三阴性乳腺癌与非三阴性乳腺癌共计150例患者（90例作为训练组,60例作为验证组）。所有患者均经免疫组织化学检测,获得乳腺癌分子分型。对所有患者基于病灶三维图像提取影像组学特征,并采用Lasso logistic回归模型进行特征降维及筛选,以建立影像组学标签。采用ROC曲线评价影像组学标签对三阴性乳腺癌的鉴别诊断效能。结果：由5个关键影像组学特征构成的影像组学标签与乳腺癌三阴性分子分型相关（P<0.0001）。建立的影像组学标签对于鉴别三阴性乳腺癌具有较好的预测效能,其在训练组和验证组的ROC曲线下面积（AUC）分别为0.766（95% CI：0.743~0.789）和0.758（95% CI：0.718~0.798）。结论：基于术前分期CT建立的影像组学标签有助于三阴性与非三阴性乳腺癌的鉴别,这是术前常规胸部增强CT扫描在辅助临床分期之外的附加价值,可为临床治疗决策提供参考。     

基于ABVS影像组学联合VTQ术前预测浸润性乳腺癌淋巴血管侵犯

目的:探讨基于自动乳腺全容积成像(ABVS)冠状面图像影像组学联合声触诊组织定量(VTQ)技术术前预测浸润性乳腺癌淋巴血管侵犯(LVI)的价值。方法:收集经病理及免疫组化证实的浸润性乳腺癌患者138例,LVI阳性43例,LVI阴性95例。基于ABVS冠状面图像提取影像组学特征,采用LASSO回归降维,筛选最优特征,构建影像组学标签评分(Rad-score)。Rad-score联合超声特征采用Logistic单因素和多因素回归分析筛选独立预测因子,基于超声特征构建影像学模型,影像学模型结合Rad-score构建联合模型,并绘制联合模型列线图和校准曲线。Hosmer-Lemeshow检验评价联合模型的拟合优度,受试者操作特征(ROC)曲线下面积(AUC)评判各模型效能,Delong检验比较各模型AUC,2折交叉对模型行交叉验证,临床决策曲线(DCA)评判模型临床适用性。结果:共筛选8个最优特征构建Rad-score,多因素Logistic回归显示肿瘤长径(LD)、剪切波速度(SWV)及Rad-score为独立危险因素。校准曲线显示预测值与观测值一致性较高,C-index=0.828。Hos...     

含瘤周移行带影像组学模型预测肺腺癌病理分级

【摘要】目的：探讨含肿瘤外缘5mm移行带的影像组学模型对预测肺腺癌病理分级的诊断效能。方法：回顾性搜集173例经手术病理证实的肺腺癌患者的胸部增强CT薄层图像及临床病理资料。其中女96例,男77例;年龄33～84岁,平均（60.0±1.2）岁;病灶直径6.0～30.0mm,平均（18.0±1.6）mm;实性结节102例,亚实性结节71例;Ⅰ期134例,Ⅱ期18例,Ⅲ期21例;病理分级为1级51例,2级114例,3级8例。病理分级按最主要亚型分为1级（原位腺癌、微浸润腺癌和贴壁为主型腺癌）、2级（包括腺泡或乳头为主型腺癌）和3级（包括实性或微乳头为主型腺癌）。根据结节可见边缘（瘤内组）和自动外扩5mm（含瘤周组）对结节进行分割并使用软件自动提取影像组学特征。训练集与验证集比例为7∶3,使用随机森林构建影像组学模型,并利用混淆矩阵的准确性来评价瘤内及含瘤周影像组学模型预测肺腺癌病理分级的效能。结果：每例患者共提取病灶的385个影像组学特征,其中瘤内组中8个影像组学特征和含瘤周组中12个影像组学特征与肺腺癌的病理分级显著相关。瘤内影像组学模型及含瘤周影像组学模型预测肺腺癌病理分级的准确性在训练集为90.83% vs. 92.61 %（P＞0.05）,在验证组为90.74 % vs. 94.44 %（P＞0.05）。结论：与瘤内组影像组学模型相比,含5mm瘤周影像组学模型可略提高对肺腺癌病理分级预测的准确性。     

基线ADC图全容积ROI影像组学模型预测肿块样乳腺癌新辅助化疗后获得病理完全缓解的价值

【摘要】目的：基于基线期ADC图全容积ROI特征提取构建影像组学预测模型,探讨其对肿块样乳腺癌新辅助化疗（NAC）疗效的预测价值。方法：将2016年1月－2017年12月在本院经粗针穿刺活检病理证实为浸润性乳腺癌的94例女性患者纳入研究,并按照7∶3 的比例随机分为训练组（66例）和验证组（28例）。所有患者在NAC后采用Miller-Payne（M-P）病理分级系统评估疗效,其中获得病理完全缓解（PCR）者14例（14.9%）。回顾性分析每例患者NAC前、后的的临床资料及NAC前3.0T MRI检查资料。采用ITK-SNAP软件获得肿瘤的容积ROI,并采用A.K软件提取影像组学特征,序贯采用最大相关最小冗余（mRMR）特征选择方法和最小绝对收缩和选择算子（LASSO）进行降维分析,并构建影像组学模型（Radscore）。采用ROC曲线和临床决策曲线综合评价模型的预测效能和临床应用价值。结果：基于ADC图全容积ROI影像组学模型预测乳腺癌PCR,在训练组中的AUC和符合率分别为0.87（95% CI：0.75~0.99）和0.848,在验证组中分别为0.85（95% CI：0.71~1.00）和0.821。决策曲线显示,风险因素的概率阈值为10%~80%时,影像组学模型增加了更多的临床收益。结论：基于基线期ADC图全容积ROI影像组学模型对肿块样乳腺癌NAC后疗效（病理评估）有较好的预测效能。     

双参数磁共振影像组学联合血清PSA对预测前列腺癌Gleason分级的临床价值研究

目的 探讨基于双参数磁共振影像组学联合血清前列腺特异性抗原(PSA)列线图模型预测前列腺癌(PCa)Gleason分级的临床价值。方法 回顾性分析经病理证实的338例PCa患者的影像及临床资料，高危组(Gleason评分>7分)185例，中低危组(Gleason评分≤7分)153例。利用分割软件手动勾画所有患者的病灶感兴趣区并进行高通量特征提取，经过筛选和降维处理后构建影像组学预测模型。受试者工作特征曲线(ROC)用于评估模型对Gleason分级的预测效能。结果 分别构建基于T₂WI序列、ADC序列和T₂WI+ADC序列的影像组学模型，三组模型在测试组中的曲线下面积(AUC)分别为0.763、0.765、0.780。列线图预测模型由年龄、总前列腺特异性抗原(TPSA)、游离前列腺特异性抗原(FPSA)及影像组学评分构成，列线图预测模在测试组中的AUC为0.874,对PCa Gleason分级的预测效能最高。结论 由年龄、TPSA、FPSA及影像组学评分构建的列线图预测模型对PCa Gleason分级具有较高的诊断效能。     

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...     

磁共振体素内不相干运动成像在乳腺癌分级中的应用

目的探讨基于体素内不相干运动成像(intravoxel incoherent motion,IVIM)理论的单指数和双指数模型与乳腺癌组织学分级的相关关系。方法选取千佛山医院2014年10月~2016年1月临床拟诊为乳腺癌女性患者46例,术前均行乳腺MR扫描,将扫描所得图像传至后处理工作站,用单指数和双指数模型分别测量乳腺肿块的慢速扩散系数、快速扩散系数和灌注分数。各参数值利用单因素方差分析进行比较,然后采用秩相关分析乳腺癌分级与不同参数之间的关系。结果最终经手术病理证实乳腺癌Ⅰ级8例,Ⅱ级15例,Ⅲ级10例。乳腺癌Ⅰ、Ⅱ、Ⅲ级之间相比较,单指数和双指数模型分别测得的Dmono值、D*mono值和Dbi值、D*bi值组间差异存在统计学意义,而fmono值和fbi值组间差异无统计学意义,并且乳腺癌分级与Dmono值和Dbi值呈负相关,与D*mono值和D*bi值呈正相关。结论体素内不相干运动成像可以用于预测乳腺癌的组织学分级。     

基于STIR-MRI的影像组学模型评估原发性下肢淋巴水肿的临床分期

【摘要】目的：探讨MRI影像组学模型对原发性下肢淋巴水肿（PLEL）临床分期的评估价值。方法：回顾性搜集2018年1月－2019年12月在本院就诊的132例单侧PLEL患者的临床和影像资料。依据2020年国际淋巴协会（ISL）淋巴水肿临床分期标准,Ⅰ期45例,Ⅱ期51例,Ⅲ期36例。将STIR序列原始图像导入深睿多模态科研平台,连续选择10层肢体肿胀最严重的横轴面图像,逐层在皮下软组织区域内的水肿区手动勾画ROI,提取影像组学特征1743个。采用相关性分析及F-Test算法进行特征的筛选,然后采用logistic回归分类器分别建立Ⅰ期与Ⅱ期、Ⅱ期与Ⅲ期的分类模型,并采用ROC曲线评价模型的鉴别效能。采用决策曲线分析（DCA）评估模型的临床实用性。结果：鉴别Ⅰ期与Ⅱ期,共筛选出10个组学特征构建预测模型,其在训练集中的AUC为0.935（95%CI：0.886~0.983）,在验证集中的AUC为0.917（95%CI：0.858~0.975）。鉴别Ⅱ期与Ⅲ期,共筛选出10个组学特征用于建模,其在训练集中的AUC为0.838（95%CI：0.749~0.927）,在验证集中为0.760（95%CI：0.654~0.866）。DCA验证了影像组学模型鉴别PLEL临床分期的临床实用性。结论：基于下肢MRI建立的影像组学模型可较准确地评估PLEL的严重程度,与PLEL的临床分期一致性高。     

基于CT影像组学结合临床影像特征预测局部晚期鼻咽癌诱导化疗疗效

目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值。方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料，以7:3随机将患者分为训练组(n=125)和测试组(n=53)。采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征。使用单-多因素Logistic回归选择临床预测因子。采用最小绝对收缩与选择算法(LASSO)筛选组学特征，最后通过多变量Logistic回归构建临床、影像组学及联合模型，并绘制列线图。以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能。应用决策曲线(DCA)观察列线图的临床净获益。结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子，基于以上3者构建临床模型。基于22个与ICT疗效显著相关的组学特征构建影像组学模型...     

基于乳腺癌超声特征及临床病理指标的列线图预测腋窝淋巴结转移风险

目的 探讨基于超声特征联合临床病理指标的列线图预测乳腺癌腋窝淋巴结转移风险的价值。资料与方法 回顾性分析2014年1月—2021年10月于石河子大学第一附属医院经病理证实的1 038例乳腺癌患者（共1 099个肿块）的超声图像及病理资料,按检查时间分为训练组和验证组。基于多因素Logistic回归筛选与腋窝淋巴结转移相关的独立预测因素,建立回归模型并制作列线图,利用验证组数据及校准曲线验证列线图。绘制受试者工作特征曲线、决策曲线评估列线图的预测效能。结果 多因素Logistic分析结果显示,乳腺癌肿块最大径（OR=1.906,95%CI 1.397～2.609,P<0.001）、纵横比（OR=0.425,95%CI 0.284～0.634,P<0.001）、边界（OR=0.373,95%CI 0.267～0.520,P<0.001）、Adler血流分级（OR=3.188,95%CI 2.049～5.107,P<0.001）、病理类型（OR=2.975,95%CI 1.759～5.267,P<0.001）及人表皮生长因子受体2表达状态（OR=1.439,95...     

基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图预测临床显著性前列腺癌

目的 建立基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图，评价其预测临床显著性前列腺癌(csPCa)的价值。方法 回顾性分析204例患者的资料，进行PI-RADS v2.1评分和影像组学分析。应用受试者工作特征曲线和临床决策曲线评估临床模型、PI-RADS模型、影像组学模型及各联合模型诊断csPCa的效能和临床获益，基于效能最优模型建立列线图并验证。结果 影像组学模型诊断效能显著优于临床模型和PI-RADS评分模型，差异具有统计学意义(P<0.05)。在临床模型或PI-RADS模型中增加影像组学的特征，其联合诊断效能会显著提高(P<0.05)。结论 基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的联合模型所建立的列线图为术前预测csPCa提供了一种无创性的新方法。     

基于增强CT影像组学列线图预测单发肝细胞癌GPC3表达状态

目的 探讨增强CT影像组学列线图在鉴别单发肝细胞癌（HCC）磷脂酰肌醇蛋白聚糖3（GPC3）表达中的价值。方法 回顾性收集来自2个医疗机构共152例单发HCC病人的临床及影像资料,所有病人均行上腹部增强CT扫描并记录GPC3表达水平。天津市第一中心医院的106例病人资料作为训练集（GPC3阳性83例、阴性23例）,天津医科大学肿瘤医院的46例病人资料作为验证集（GPC3阳性35例、阴性11例）。对所有病人术前1个月内增强CT影像进行影像组学特征提取。在训练集中,对所有影像组学特征进行降维并得到最优子集,计算影像组学评分（Radscore）;比较GPC3阳性组和阴性组间临床资料[包括血清甲胎蛋白（AFP）、糖类抗原199（CA199）等]的差异,将差异有统计学意义的指标进行二元logistic回归分析,获得GPC3阳性的独立预测因素。将获得的临床信息及Radscore分别建立临床列线图、影像组学列线图及联合列线图。采用受试者操作特征曲线下面积（AUC）分析各列线图对GPC3表达状态的预测能力,采用DeLong检验比较各列线图间的诊断效能,并用决策曲线分析评估列线图的临床价值。使用验证集数据对列线图预测效能进行验证。结果 二元logistic回归显示血清AFP、CA199、Radscore是GPC3阳性的独立危险因素[优势比（OR）分别为8.503、1.090、13 300.044,均P<0.05]。校准曲线显示联合列线图对GPC3阳性表达的预测概率与实际概率一致性良好。训练集中,联合列线图的AUC（0.918）高于影像组学列线图（0.842）和临床列线图（0.787）（均P<0.05）,联合列线图的敏感度最高,而临床列线图的特异度最高;验证集中,联合列线图的AUC（0.896）高于影像组学列线图（0.726）和临床列线图（0.803）（均P<0.05）,联合列线图的敏感度和特异度均最高。决策曲线分析显示当阈值概率处于16%~86%时,联合列线图的临床净获益高于临床列线图和影像组学列线图。结论 基于增强CT的影像组学列线图可以术前鉴别单发HCC GPC3阳性和阴性表达,联合列线图进一步提高了预测效能。     

基于多期CT影像组学鉴别卵巢良、恶性肿瘤的临床应用价值

【摘要】目的：探讨基于多期CT影像组学模型及联合模型鉴别卵巢良、恶性肿瘤的临床应用价值。方法：回顾性搜集2018年1月-2022年7月经术后病理证实的144例良性及182例恶性卵巢肿瘤患者的临床及CT多期影像组学资料，将患者随机按7:3分为训练组228例及验证组98例。图像预处理并利用ITK-SNAP勾画肿瘤病灶区域，用PY提取组学特征，将提取特征正则化，采用Spearman相关分析，相关系数大于0.9，保留其一特征, 使用最小绝对收缩与选择算子（LASSO）回归分析对组学特征降维，建立影像组学标签。将影像组学的优势期相与临床指标结合建立联合模型，利用列线图分析预测效能。结果：筛选出平扫、动脉期、静脉期及延迟期的特征数分别为22、7、10、22个，构建各期影像组学模型，结果显示延迟期为最优模型，在训练组中，其受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.857。将临床特征与延迟期影像组学特征构建联合模型，其ROC的AUC值为0.870，优于临床模型，且差异有统计学意义（Z=3.376，P=0.0007）。验证组中，联合模型ROC的AUC值为0.844，优于临床模型，差异无统计学意义（Z=1.650，P=0.0989）。结论：CT扫描的延迟期影像组学特征鉴别卵巢良性与恶性肿瘤的效能优于其它期相，延迟期影像组学标签与临床特征相结合的联合模型有较高的鉴别诊断效能。     

基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值

【摘要】目的：探讨基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值。方法：回顾性分析经手术病理证实的215例脑膜瘤患者的临床及MRI资料。其中,低级别组174例,高级别组41例。将所有患者按照7∶3的比例随机分为训练组和验证组。采用ITP-SNAP软件,分别在T2WI、DWI和对比增强T1WI图像上勾画肿瘤的三维ROI,使用AK软件提取影像组学特征。采用Spearman相关性分析及多元Logistic回归分析筛选组学特征并构建影像组学标签。使用ROC曲线下面积（AUC）评价影像组学模型的预测效能。结果：高级别组与低级别组之间年龄和性别构成的差异均无统计学意义（P>0.05）。基于T2WI、DWI和对比增强T1WI的单序列及多序列联合影像组学模型预测高、低级别脑膜瘤的AUC均大于0.700。基于单序列的影像组学模型中,增强T1WI在训练组和验证组的AUC分别为0.942和0.913,均高于其它两个序列。基于MRI多序列联合的影像组学模型预测高、低级别脑膜瘤的AUC值最高,在训练组的AUC为0.950,在验证组的AUC为0.923。结论：MRI影像组学模型能够预测脑膜瘤的病理分级,尤其是多序列联合的影像组学模型对脑膜瘤病理分级具有较高的预测效能。