基于MRI影像组学模型对食管癌淋巴结转移的预测价值

目的 探讨基于T₂WI及增强T₁WI序列MRI影像组学特征构建模型预测食管癌淋巴结转移的价值。 方法 回顾性收集经病理证实并行多模态MRI检查的食管癌病人120例，男89例，女31例，平均年龄（63.4±8.2）岁。将病人按7:3比例随机分为训练集84例和验证集36例。以手术病理为金标准将病人分为淋巴结转移阴性组（56例）和阳性组（64例）。采用A.K.软件基于T₂WI和增强T₁WI获取肿瘤兴趣区体积（VOI），提取影像组学特征并进行降维筛选，并采用Logistic回归分析法构建基于T₂WI、增强T₁WI、联合T₂WI+增强T₁WI序列的影像组学模型。2组间一般临床资料比较采用独立样本t检验和χ²检验。采用组内相关系数（ICC）分析2名医师获取VOI的一致性。采用受试者操作特征（ROC）曲线评估预测模型的诊断效能，计算其曲线下面积（AUC），并采用DeLong法比较不同模型的AUC值。 结果 淋巴结转移阴性和阳性组间病人的性别、年龄，肿瘤位置、病理类型及肿瘤长度的差异均无统计学意义（均P>0.05）。2名医师在T₂WI和增强T₁WI影像上获取VOI的一致性均较好（均P>0.8）。经筛选后，基于T₂WI、增强T₁WI、T₂WI+增强T₁WI联合序列获得的影像组学特征分别有5、6、9个。在训练集及验证集中联合模型的AUC高于增强T₁WI和T₂WI模型，且增强T₁WI模型的AUC高于T₂WI模型（均P<0.05）。 结论 基于MRI影像组学特征构建的模型对食管癌病人术前淋巴结转移具有良好的预测效能，且T₂WI+增强T₁WI联合模型较单序列模型的预测价值更高。     

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。     

多参数磁共振组学预测甲状腺乳头状癌淋巴结转移的价值

目的:探讨基于术前原发肿瘤的多参数磁共振图像所构建的组学模型在预测甲状腺乳头状癌颈部淋巴结转移中的价值。方法:回顾性分析129例病理证实的甲状腺乳头状癌术前磁共振资料。从T₂WI、DWI、多期T₁WI增强图像中提取影像组学特征,按照7:3比例随机将129例患者为训练组和验证组,在训练集中采用最小冗余最大关联度(mRMR)和最小绝对收缩选择算子(LASSO)筛选最优影像组学特征,构建组学特征模型。采用受试者操作特征(ROC)曲线评价多参数磁共振组学模型术前预测颈部淋巴结转移的预测效能,并在验证集中验证。结果:分别从T₂WI、DWI、多期T₁WI增强提取396个影像组学特征,经预处理及筛选最终获得18个最佳组学特征,根据最优影像组学特征及相应权重系数建立影像组学预测模型并计算影像组学评分,训练组和验证组中影像组学评分淋巴结转移组高于无淋巴结转移组。训练组的AUC值为0.92,敏感度为83.3%,特异度为88.9%,验证组的AUC值为0.80,敏感度为78.9%,特异度为77.8%。结论:基于多参数磁共振...     

基于ADC和增强MRI的影像组学模型预测低级别胶质瘤TERT启动子突变状态

目的:探讨基于ADC和增强MRI的影像组学模型对低级别胶质瘤端粒酶逆转录酶基因（TERT）启动子突变状态的预测价值。方法:回顾性搜集109例经病理证实的低级别胶质瘤患者,所有患者术前均行MRI检查,在ADC和对比增强T₁WI（T₁CE）图像上选取病灶最大层面,沿肿瘤边缘勾画ROI,提取影像组学特征。采用三联法（Fisher, POE+ACC,MI）和最小绝对收缩选择算子（LASSO）进行特征筛选,然后行多因素logistic回归分析,构建影像组学预测模型。采用ROC曲线评估预测模型的诊断效能。结果:在ADC和T₁CE图像上分别提取279个影像组学特征,最终筛选出11个影像组学特征,分别建立ADC模型、T₁CE模型和联合分析（ADC+T1CE）模型共3个影像组学模型。联合分析模型的预测效能最佳,训练集中曲线下面积（AUC）为0.928（95%CI:0.859～0.996）,验证集中AUC为0.878（95%CI:0.758～0.997）。结论:基于ADC和增强MRI的影像组学模型能有效预测低级别胶质瘤...     

基于多参数MRI影像组学列线图预测直肠癌PD-1表达状态

目的 使用多参数MRI影像组学列线图预测直肠癌患者肿瘤细胞程序性死亡受体1(PD-1)表达状态。方法 回顾性的纳入病理确诊的168例直肠腺癌患者,均接受术前多参数MRI检查与术后PD-1免疫组织化学分析。按7∶3的比例随机分为训练组(n=118)和测试组(n=50)。构建并比较T₂WI、DWI及T₂WI+DWI影像组学模型的性能。根据单、多因素逻辑回归筛选出临床独立危险因素建立临床模型。最后将最佳影像组学评分结合临床特征以构建联合模型,并将其展现为可视化列线图。以受试者曲线下面积(AUC)、校准曲线及决策曲线评估模型的临床价值。结果 经特征筛选最终T₂WI、DWI、T₂WI+DWI序列分别保留8、5、9个影像组学特征,各模型训练集和测试集中的PD-1表达的效能由AUC评估(测试集中,T₂WI为0.64,DWI为0.66,T₂WI+DWI为0.74),组合模式明显优于单一成像方式。临床T、N分期为独立危险因素(P<0.05),其临床模型AUC值为0.6...     

多方位MRI影像组学预测局部进展期直肠癌新辅助放化疗疗效

目的:采用MRI影像组学方法,提取局部进展期直肠癌(LARC)病灶影像组学特征,并联合临床及常规影像特征构建预测模型,探讨模型对新辅助放化疗(nCRT)疗效的预测效能。方法:回顾性分析209例LARC患者nCRT前的临床及影像资料。LARC患者在nCRT后6～8周行全系膜切除术(TME),并评估肿瘤病理退缩分级(TRG)。按疗效分为nCRT反应良好组(TRG0～1级)和反应不良组(TRG2～3级),按照1:1随机分为训练组和验证组对模型进行内部验证。手动勾画T₂WI序列横轴面(TRA)、矢状面(SAG)及冠状面(COR)图像提取影像组学特征,采用LASSO回归筛选特征并构建影像组学标签。通过多因素logistics分析筛选nCRT疗效的独立预测因子并构建联合预测模型,采用ROC曲线及校正曲线对模型进行评估,并使用临床决策曲线评价模型的临床价值。结果:209例患者中nCRT反应良好组61例,反应不良组148例。T₂WI序列横轴面、矢状面、冠状面图像各提取379个影像组学特征,ICC为0.9的特征中TRA 96个,SAG 88个,COR 91个。...     

基于磁共振多参数影像组学模型预测直肠癌新辅助治疗后T分期

目的 准确的T分期有助于直肠癌个体化治疗,探讨MRI多参数影像组学模型在预测直肠癌新辅助治疗后T分期(pT)中的预测价值。方法 回顾性分析基线期进行3 T MRI检查、接受新辅助治疗后行直肠癌根治性切除手术的171例直肠癌患者资料,搜集基线期临床特征及术后病理T分期。依据病理T分期将患者分为分期较低组(pT 0～2)和分期较高组(pT 3～4)。使用ITK-SNAP软件分别在高分辨率T₂WI、轴位T₁WI增强扫描图像上,采用最小轮廓法逐层手动绘制直肠癌瘤灶作为感兴趣区(ROI),使用Pyradiomics软件提取ROI中所有影像组学特征,通过组内相关系数(ICC)分析保留稳定性较好(ICC≥0.75)的特征。采用最小绝对紧缩与选择算子(LASSO)方法,分别从T₁WI、T₂WI及融合特征(包括T₁WI、T₂WI、临床特征)中筛选出与pT相关的特征。统计学分析筛选出与pT具有相关性的临床特征。将筛选得到的T₁WI影像组学特征、T     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

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。     

MRI多模态影像组学鉴别肝细胞肝癌与肝富血供良性病变的应用价值

目的:探讨基于T₂WI、DWI的影像组学鉴别肝细胞肝癌(HCC)与肝富血供良性病变(BLLs)的价值。方法:回顾性收集114例经病理证实为HCC(n=77)、血管瘤(n=23)、肝局灶性结节样增生(n=8)、肝血管平滑肌脂肪瘤(n=4)、肝脓肿(n=2)患者的临床与影像资料,所有患者均在术前行3.0T MRI增强检查。利用ITK-SNAP软件勾画病灶,通过最小绝对收缩和选择算子回归以及最小冗余最大相关筛选影像组学特征,计算影像组学分数(Rad-score),使用多元logistic回归算法构建预测模型。绘制受试者工作特性(ROC)曲线评估预测模型的效能,并与两位不同年资影像医生的诊断结果进行比较。结果:筛选得到5个T₂WI特征、6个DWI特征,计算Rad-score,结合3个临床独立预测因子(年龄、性别、病灶位置)用于建立诺模图。与临床预测模型、影像组学模型相比,诺模图模型在训练集、测试集中显示出较高的诊断效能,AUC分别为0.988、0.955,敏感度分别为0.981、0.958,特异度分别为0.923、0.727,准确度分别为0.962、...     

CT影像组学在胃肠道间质瘤危险度分级预测中的价值

目的 探讨基于CT影像组学在术前预测胃肠道间质瘤(GIST)危险度分级的价值。方法 回顾性搜集经手术切除病理确诊为GIST且具有完整术前CT增强扫描图像及临床资料的127例患者,依据病理结果将其分为低危组(极低风险和低风险)和高危组(中风险和高风险)。使用达尔文平台在每例患者的增强CT动脉期图像上提取影像组学特征,然后以7∶3的比例随机分为训练组(n=88)和验证组(n=39)。通过最小绝对收缩降维和选择算子算法(LASSO),利用Logistic回归方法建立预测模型。诊断医师于PACS系统中观察两组病例的主观CT特征和临床资料,利用统计显著性特征构建预测模型。采用受试者工作特征(ROC)曲线评价模型的预测效能。结果 从CT动脉期图像中提取的939个影像组学特征参数中经筛选最终选择5个特征参数,构建影像组学预测模型。对于训练组,曲线下面积(AUC)为0.923(95%CI:0.846～0.969);验证组的AUC为0.917(95%CI:0.783～0.981)。两组在肿瘤最大径和肿瘤形态方面存在显著差异,用于建立临床-CT征象预测模型,训练组的AUC为0.865(95%CI:0.77...     

影像组学结合机器学习在鉴别脊柱结核与转移瘤中的价值研究

目的 分析脊柱结核（TBS）与脊柱转移瘤（MST）患者受累椎体的MRI表现与影像组学特征,评价基于MRI特征的逻辑回归（Logistic）模型与基于影像组学特征的机器学习模型的诊断效能。方法 搜集本院经病原学检查与手术病理证实的TBS与MST患者,利用Logistic分析MRI特征。提取受累椎体T₂WI脂肪抑制序列（T₂-FS）的影像组学特征,组内相关系数（ICC）评价组学特征值测量的可重复性。依次使用t检验、SelectKBest以及最小绝对收缩和选择算子（LASSO）筛选特征。利用交叉验证（CV）划分数据集,随机森林（RF）及支持向量机（SVM）模型在训练集上进行监督学习,在测试集上进行评价,并与Logistic模型相比较。受试者工作特征（ROC）曲线及决策曲线分析（DCA）分别用来评价机器学习的分类效能及实际临床净收益,校准曲线评估模型的预测误差,Z检验用来比较ROC曲线下面积（AUC）之间的差异。结果 101例患者被纳入样本（51例TBS,50例MST）,筛选到3个MRI特征构建Logistic模型,6个影像组学特征（ICC均>...     

基于MRI影像组学预测宫颈癌Ki-67表达水平

目的:开发并验证基于多参数MRI图像特征的影像组学特征预测模型对术前宫颈癌症患者的Ki-67指数状态的预测。方法:回顾性分析来自两个不同机构的91例宫颈癌患者的MRI影像及病理结果。根据术后免疫组化结果，将Ki-67指数分为高表达组(>60%)及低表达组(≤60%)。从每位患者的T₂/SPAIR、ADC和CE T₁WI图像中共提取3390个影像学特征。单变量分析和最小绝对收缩选择算子(LASSO)对影像组学特征进行降维处理，最终筛选出关键特征。采用Logistic回归、决策树、支持向量模型(SVM)方法构建模型。采用受试者操作特征(ROC)曲线分析影像组学特征的预测准确性，计算曲线下面积(AUC)。结果:91例患者中，27例Ki-67低表达，64例Ki-67高表达。最终从T₂/SPAIR、CE T₁WI、ADC图像中分别筛选出4、6、5个影像学特征。对Ki-67状态的预测，三个序列对应的模型构建方法为Logistic回归、SVM、Logistic模型，最终获得的训练组AUC分别为0.801、0...     

基于多序列MRI影像组学评分及临床参数预测肝细胞癌微血管浸润的nomogram模型研究

目的:基于肝细胞癌(HCC)患者的临床资料及多模态肝脏影像组学分析建立机器学习模型,探讨此模型术前预测HCC微血管浸润(MVI)的价值。方法:回顾性分析2020年3月-2021年9月在本院经病理证实为原发性HCC的130例患者的术前肝脏MRI及临床资料。基于病理检查结果,将患者分为MVI阳性组及MVI阴性组。记录患者的各项术前临床资料。所有患者术前行MRI检查,检查序列包括T₂WI、DWI和ADC以及Gd-EOB-DTPA对比增强动脉期、门脉期、延迟期和肝胆期T₁WI共7个序列。由放射科医师评估肿瘤的常规影像特征。自7个序列的图像上分别提取影像组学特征并进行降维,然后采用线性支持向量机(SVM)方法构建预测MVI的预测模型。再将所有序列图像提取的特征整合,经降维分析后最终筛选出6个最佳组学特征并采用线性SVM方法构建多序列联合组学模型,然后基于此多序列联合组学模型计算每例患者的放射组学评分(Radscore)作为后续建模特征。最后共采用了5种机器学习算法对上述三类资料(即临床资料、常规影像特征、组学特征)中筛选出的特征进行综合模型的构建,包括...     

基于MRI影像组学特征构建脑胶质瘤IDH1突变预测模型

目的:探讨基于不同MRI序列的影像组学特征构建的机器学习(ML)模型预测胶质瘤IDH1突变的价值。方法:回顾性搜集经手术病理证实的161例胶质瘤患者(70例IDH1突变型/91例野生型)的临床资料,主要包括年龄、性别、Karnofsky功能状态(KPS)评分和肿瘤的病理分级。所有患者术前行MRI检查获得T₂WI、T₂-FLAIR、ADC图及对比增强T₁WI图像,术后病理标本均行IDH1检测。将161例患者按照7∶3的比例随机分配为训练集和测试集。由2位影像医师利用Image J软件共同对病灶在配准过的T₂-FLAIR或对比增强T₁WI序列上进行逐层ROI的勾画,最后形成感兴趣区容积(VOI),然后使用FAE软件在各序列图像上提取VOI的影像组学特征,基于训练集的数据,通过均值归一化、方差分析的特征选择方法、皮尔逊相关系数的特征降维方法、4种ML分类器(线性判别分析、LASSO回归、逻辑回归、支持向量机)以及十折交叉验证法构建15种ML模型,并采用ROC曲线和Delong检验在测...     

基于MRI 3D-T1WI增强影像组学模型预测非小细胞肺癌脑转移EGFR基因突变状态

目的 建立非小细胞肺癌脑转移MRI 3D-T₁WI增强影像组学模型,验证其对非小细胞肺癌患者EGFR突变状态的诊断效能。方法 回顾性搜集104例非小细胞肺癌脑转移患者,其中EGFR基因突变型60例,野生型44例,随机分为训练集76例(突变型45例,野生型31例)和验证集28例(突变型15例,野生型13例)。分析患者性别、年龄、吸烟史、病理类型、转移数目、瘤周水肿、瘤周水肿指数、脑膜转移与EGFR突变状态的相关性。通过3D-T₁WI增强图像对影像组学特征进行提取,利用mRMR和LASSO筛选影像组学特征构建组学模型,通过对所选特征的系数加权求和来计算Rad-score。利用ROC曲线及DCA曲线对组学模型诊断效能进行评估。结果 性别、吸烟史及病理类型在EGFR突变型及野生型组间差异有统计学意义(P<0.05),女性、无吸烟史、腺癌患者更易出现EGFR突变。组学模型在训练集中AUC为0.832(95%CI:0.734～0.931),在验证集中AUC为0.813(95%CI:0.644～0.982),均表现出了较高的诊断效能。绘制DCA曲线提...     

基于增强CT影像组学模型预测膀胱尿路上皮癌组织学分级

目的 构建基于增强CT影像组学模型用于术前预测膀胱尿路上皮癌（BUC）的组织学分级。资料与方法 回顾性分析2016年11月—2020年9月广州市第一人民医院127例经病理证实的高级别尿路上皮癌和低级别尿路上皮癌,随机分为训练集89例和验证集38例。在平扫、动脉期、静脉期CT图像上提取病灶影像组学特征。使用Logistic回归构建影像组学预测模型,绘制受试者工作特征曲线,并计算曲线下面积评价模型预测BUC组织学分级的效能,采用决策曲线评价模型鉴别高级别尿路上皮癌和低级别尿路上皮癌的净获益。结果 基于每例患者的三期CT图像共提取出5 202个影像组学特征,经过特征筛选后最终得到20个特征用于构建预测模型。模型在训练集及验证集中诊断BUC组织学分级的曲线下面积分别为0.90(95%CI0.83～0.96)和0.93(95%CI 0.85～1.00)。结论 基于增强CT影像组学构建的模型术前预测BUC组织学分级具有良好的诊断效能。     

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...     

基于增强CT影像组学预测食管鳞癌淋巴血管侵犯状态的价值

目的:探讨基于增强CT影像组学预测食管鳞癌(ESCC)淋巴血管侵犯(LVI)的价值。方法:回顾性搜集行根治性切除术并经术后病理证实的224例食管鳞癌患者,其中包括66例LVI阳性和158例LVI阴性患者。所有患者均在术前2周内进行胸部增强CT扫描。将入组的患者按照7:3的比例随机分为训练集和测试集。使用3D Slicer软件逐层勾画全肿瘤感兴趣区(ROI),采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,建立影像组学模型用于预测食管鳞癌的LVI状态并进行验证。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、敏感度、特异度、准确度、阳性预测值和阴性预测值来评价影像组学模型的诊断效能,使用校准曲线评价影像组学模型在训练集和测试集中的拟合程度。使用决策曲线分析(DCA)评价影像组学模型的临床应用价值。结果:从全肿瘤ROI中提取了1130个组学特征,经过筛选最终保留了7个影像组学特征,并使用多因素logistic回归建立影像组学预测模型。在训练集中,影像组学模型预测LVI的AUC值为0.930,敏感度为0.851,特异度为0.919,准确度为0.899,阳性预...     

基于CT影像组学构建术前预测胰腺癌神经周围侵犯模型的研究

目的 探讨基于增强CT影像组学特征联合传统影像特征、临床信息建立的模型术前预测胰腺癌发生神经周围侵犯(PNI)的可行性及价值。方法 回顾性分析137例术后病理证实为胰腺癌患者的增强CT影像特征及临床资料,其中有PNI患者98例,无PNI患者39例,按照7∶3比例随机分为训练组96例,验证组41例。利用3D Slicer分别在术前增强CT动、静脉期图像上手动勾画肿瘤,Pyradiomics提取特征,最小冗余最大相关算法(mRMR)、最小绝对收缩和选择算子(LASSO)进行特征的降维、筛选,在训练组分别构建独立组学模型、临床-传统影像模型及融合组学模型,验证组验证模型效能。绘制ROC曲线评价预测模型的效能。结果 最终动脉期、静脉期、动脉期联合静脉期分别筛选出3个、2个、2个组学特征,3个期相分别建立的独立组学模型、临床-传统影像模型及融合组学模型中均是融合组学模型性能最高,动脉期、静脉期、动脉期联合静脉期融合组学模型在训练组AUC值分别为0.83、0.85、0.80,在验证组AUC值分别为0.78、0.76、0.80。结论 基于增强CT影像组学特征联合血管侵犯构建的融合组学模型能在术前有效...