基于临床联合CT影像组学特征列线图预测急性胰腺炎预后

目的 观察基于临床联合CT影像组学特征构建的联合模型列线图预测急性胰腺炎(AP)预后的价值。方法 回顾性分析203例临床首诊AP患者的临床及上腹部CT资料,按7∶3比例将其分为训练集(n=142)和验证集(n=61),基于增强静脉期CT提取并筛选最优影像组学特征,计算影像组学评分Radscore;根据预后分为预后良好组(n=114)与预后不良组(n=89)。将临床变量(包括临床及CT表现)及Radscore纳入单因素和多因素逻辑回归分析,筛选影响AP预后的独立危险因素;构建临床、影像组学和联合模型,以受试者工作特征(ROC)曲线评价其预测AP预后的效能;以联合模型预测指标构建列线图,结合校准曲线评估其校准度。结果 共筛选出7个最优影像组学特征用于计算Radscore,其中C反应蛋白、糖尿病史和Radscore为影响AP预后的独立危险因素。联合模型预测训练集及验证集AP预后的AUC(0.84、0.82)均高于临床模型(0.71、0.66,Z=3.12、2.71,P均<0.05);其预测训练集的AUC(0.84)高于影像组学模型(0.76,Z=2.39,P=0.02),预测验证集的A...     

增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润

目的 观察增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润(LVI)的价值。方法 回顾性纳入298例胃癌患者,根据是否伴LVI将其分为阳性组(n=155)及阴性组(n=143),并按7 ∶ 3比例分为训练集(n=208)及测试集(n=90)。基于增强动脉期CT图提取病灶影像组学特征,采用logistic回归分析筛选胃癌LVI的临床影响因素;分别采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)及极端梯度提升树(XGBoost)建立影像组学模型、临床模型及临床-影像组学模型,评估各模型预测胃癌LVI的效能。结果 以SVM、LR、RF及XGBoost建立的影像组学模型预测训练集胃癌LVI的曲线下面积(AUC)分别为0.896、0.821、1.000及1.000,其在测试集的AUC分别为0.744、0.801、0.740及0.747。基于4种机器学习建立的临床模型在训练集的AUC均为0.810,在测试集均为0.840。基于SVM、LR、RF及XGBoost建立的临床-影像组学模型预测训练集胃癌LVI的AUC分别为0.920、0.900、1.000及1.000,其在测试集的AUC分别为0.900、0.890、0.840及0.790。测试集中,基于SVM、LR及RF的临床-影像组学模型的AUC均大于影像组学模型和临床模型(P均＜0.05)。结论 增强动脉期CT影像组学联合临床有助于术前预测胃癌LVI。     

多时相CT影像组学模型预测胸腺瘤风险分类

目的 观察多时相CT影像组学模型预测胸腺瘤风险分类的价值。方法 纳入86例经病理确诊的单发胸腺瘤患者,包括32例高风险及54例低风险胸腺瘤,按照7∶3比例将其分为训练集(n=59)和验证集(n=27);采用单因素及多因素logistic回归分析训练集临床及CT特征,筛选胸腺瘤风险分类的独立预测因素,构建临床-CT模型。分别基于平扫、动脉期(AP)、静脉期(VP)、平扫+AP、平扫+VP、AP+VP及平扫+AP+VP提取并筛选最优影像组学特征,计算影像组学评分(Rad-score);采用受试者工作特征(ROC)曲线选取最佳影像组学模型,以之联合临床-CT特征构建联合模型。绘制ROC曲线,计算曲线下面积(AUC),评估各模型预测胸腺瘤风险分类的效能。结果 周围脂肪浸润是胸腺瘤风险分类的独立预测因素(OR=0.029,P=0.004)。ROC曲线显示,模型_AP+VP为最佳影像组学模型,其与联合模型预测训练集胸腺瘤风险分类的AUC分别为0.860及0.877,均高于临床-CT模型的0.736(Z=1.925、-2.464,P均＜0.05),预测验证集的AUC分别为0.835及0.847,亦高于临床-CT模型的0.641(Z=1.840、-2.137,P均＜0.05);模型_AP+VP与联合模型在训练集和验证集的AUC差异均无统计学意义(Z=-1.180、0.291,P均＞0.05)。结论 多时相CT影像组学模型可有效预测胸腺瘤风险分类。     

CT影像组学列线图评估非小细胞肺癌程序性死亡受体1表达

目的 观察CT影像组学列线图评估非小细胞肺癌(NSCLC)程序性死亡受体1(PD-1)表达的价值。方法 纳入143例NSCLC患者，其中PD-1阳性30例、阴性113例；按7∶3比例将其分为训练集(n=101)和验证集(n=42),比较PD-1阳性与阴性患者临床资料差异，以logistic回归分析筛选临床因素，构建临床模型；基于CT提取并筛选影像组学特征，建立影像组学模型；结合临床因素及影像组学特征构建CT影像组学列线图，分析各模型评估PD-1表达的效能。结果 针对训练集及验证集，临床模型评估NSCLC PD-1表达的曲线下面积(AUC)分别为0.79和0.74,影像组学模型的AUC分别为0.89和0.81,CT影像组学列线图的AUC分别为0.92及0.86。DeLong检验结果显示，仅临床模型与CT影像组学列线图评估训练集NSCLC PD-1表达的AUC差异有统计学意义(Z=2.47,P=0.01),其余AUC两两比较差异均无统计学意义(P均>0.05)。结论 CT影像组学列线图有助于评估NSCLC PD-1表达。     

术前CT影像组学联合CT及病理特征预测局部进展期食管鳞癌术后早期复发

目的 观察术前CT影像组学联合病理及CT特征预测局部进展期食管鳞癌(LAESCC)早期复发(ER)的价值。方法 回顾性分析334例LAESCC,按7 ∶ 3比例将患者分为训练集(n=234)或验证集(n=100),对其进行随访,记录术后有无ER(即术后12个月内肿瘤复发)。采用单因素及多因素logistic回归比较训练集有、无ER患者临床、CT表现及术前病理资料,筛选ER独立危险因素,构建CT-术前病理模型。基于训练集静脉期CT图像提取及筛选LAESCC影像组学特征并建立影像组学模型,以之联合独立危险因素建立联合模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型诊断效能。结果 334例中,168例ER、166例无ER;训练集有、无ER均为117例、验证集51例ER、49例无ER。CT显示LAESCC长度、cT分期、cN分期及术前病理分化程度均为ER独立危险因素(P均＜0.05);CT-术前病理模型在训练集和验证集的AUC分别为0.759和0.783。共选出10个最佳影像组学特征,以之建立的影像组学模型在训练集和验证集的AUC分别为0.770和0.730,联合模型在训练集和验证集的AUC分别为0.838和0.826。联合模型在训练集的AUC高于术前CT-病理模型及影像组学模型(P均＜0.01)。结论 CT影像组学联合CT及术前病理特征能有效预测LAESCC术后ER。     

基于超声影像组学特征列线图模型术前鉴别早期与中晚期宫颈鳞癌

目的 观察基于经阴道超声影像组学特征建立的列线图模型术前鉴别早期与中晚期宫颈鳞癌的价值。方法 回顾性收集经术后病理证实的227例宫颈鳞癌患者,利用3D-Slicer软件于术前经阴道声像图中勾画ROI,提取并经冗余性分析、最小绝对收缩和选择算子(LASSO)和10折交叉验证筛选影像组学特征,构建影像组学模型并得到Radscore评分;利用多因素logistic回归纳入Radscore及临床资料构建列线图模型。比较2个模型术前鉴别早期与中晚期宫颈鳞癌的受试者工作特征曲线下面积(AUC);评估列线图模型的校准度及临床收益。结果 最终纳入18个超声影像组学特征;以之构建术前鉴别早期与中晚期宫颈鳞癌的影像组学模型在训练集和验证集的AUC分别为0.839和0.744;联合年龄、流产次数及Radscore评分构建的列线图模型在训练集和验证集的AUC分别为0.882和0.773。DeLong检验结果显示,上述2模型在训练集的AUC差异有统计学意义(P＜0.05)。Hosmer-Lemeshow检验显示,列线图模型在训练集和验证集的校准度均佳(χ²=5.053、7.063,P均＞0.05);决策曲线分析(DCA)显示其在0.01~1.00阈值区间净收益相对较大。结论 基于经阴道超声影像组学特征的列线图模型可于术前较好地鉴别早期与中晚期宫颈鳞癌。     

CT影像组学预测结直肠癌肝转移术后患者1年内无进展生存期

目的 评价CT影像组学模型预测结直肠癌肝转移(CRLM)患者术后1年无进展生存期(PFS)的价值。方法 回顾性分析147例CRLM术前末次CT资料,将其分为训练集(n=100)及验证集(n=47),依据临床预后分为预后良好(PFS≥12个月)及预后不佳(PFS＜12个月)。手动分割CT所示肝转移灶,提取及选择特征后,基于训练集数据构建影像组学模型,以多因素logistic回归构建临床模型及联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评价并比较各模型预测CRLM患者术后PFS的效能。结果 共选出7个特征用于构建影像组学模型。临床模型中,原发灶N分期、有无基因突变及有无术后化疗是预测CRLM患者术后PFS的独立因素;联合模型中的独立因素还包括影像组学评分。影像组学模型、联合模型预测训练集CRLM患者术后PFS的AUC均大于临床模型(0.89、0.93及0.67,P均＜0.05);其在验证集的AUC依次为0.77、0.78及0.56,前二者的效能优于临床模型(P＜0.05)。结论 影像组学模型及联合模型预测CRLM患者1年内PFS的效能均较好。     

自动乳腺全容积扫描影像组学联合临床和超声特征列线图鉴别良、恶性乳腺导管内病变

目的 观察自动乳腺全容积扫描(ABVS)影像组学联合临床及超声特征列线图鉴别良、恶性乳腺导管内病变的价值。方法 回顾性分析144例经病理证实乳腺导管内病变女性患者的临床及超声资料;按照2 ∶ 1比例将其随机分为训练集(n=96)及验证集(n=48)。基于ABVS图像提取并筛选最优影像组学特征,构建影像组学模型,计算影像组学评分(Radscore);将临床、超声特征及Radscore纳入单因素和多因素logistic回归分析,筛选鉴别良、恶性乳腺导管内病变的独立影响因素,构建临床-超声模型,并联合影像组学模型构建列线图模型;以受试者工作特征(ROC)曲线评估各模型鉴别良、恶性乳腺导管内病变的效能。结果 患者年龄 、病变边缘 、微小钙化灶 及Radscore 均为良、恶性乳腺导管内病变的独立影响因素。影像组学模型、临床-超声模型及列线图模型鉴别良、恶性乳腺导管内病变的曲线下面积(AUC)在训练集分别为0.766、0.866及0.901,在验证集分别为0.770、0.765及0.854。结论 ABVS影像组学联合临床及超声特征列线图鉴别良、恶性乳腺导管内病变效能良好。     

基于CT皮质期影像组学预测肾细胞癌亚型的研究

目的：探讨基于CT皮质期影像组学鉴别肾透明细胞癌(ccRCC)和非透明细胞癌(non-ccRCC)的价值。方法：回顾性分析2017年1月—2022年12月经病理证实的122例肾细胞癌患者的资料,其中ccRCC 82例,non-ccRCC 40例,并以随机数表法按7∶3的比例将患者分成训练集(n=85)和验证集(n=37)。在CT皮质期手工逐层勾画肿瘤感兴趣区(ROI)后提取影像组学特征,使用特征间线性相关检查和F检验依次进行特征筛选,采用逻辑回归分类器构建影像组学模型。采用t检验、χ²检验及Logistic回归分析筛选CT影像特征,建立常规影像模型。综合影像组学评分和常规影像模型建立联合模型。绘制ROC曲线评估各模型的预测效能,AUC比较采用Delong检验。结果：影像组学模型在训练集和验证集中的AUC分别为0.990(95%CI 0.976～1.0)和0.890(95%CI 0.774～1.0)。在训练集和验证集中,影像组学模型和联合模型的预测效能均优于常规影像模型,差异有统计学意义(P均<0.05);相比联合模型,在验证集中影像组学模型的预测效能略高,但...     

基于CT影像组学术前预测胃癌淋巴血管侵犯

目的 探讨基于CT影像组学术前预测胃癌淋巴血管侵犯的价值。方法 回顾性收集经手术病理证实的181例胃癌患者,将其随机分为训练集（n=120）和验证集（n=61）。首先基于增强CT静脉期图像分割肿瘤区域并提取影像组学特征;然后利用训练集筛选与淋巴血管侵犯相关特征,构建影像组学标签;最后基于验证集验证模型,采用ROC曲线及校准曲线评估模型的预测效能及拟合度。结果 最终提取7个与胃癌淋巴管血管侵犯最相关的影像组学特征构建影像组学标签,其在训练集的ROC曲线AUC为0.742[P=0.001,95%CI（0.652,0.831）],验证集AUC为0.727[P=0.002,95%CI（0.593,0.853）]。基于训练集所得最优阈值为0.422,模型在训练集中的准确率、敏感度和特异度分别为0.708、0.586、0.806,将此阈值用于验证集,其准确率、敏感度和特异度为0.689、0.519、0.824。校准曲线显示影像组学标签在训练集及验证集均具有较好的拟合度（P均>0.05）。结论 CT影像组学可作为预测胃癌术前淋巴血管侵犯提供的全新的无创影像学方法。     

基于多中心数字化乳腺X线摄影影像组学预测乳腺癌人表皮生长因子受体-2过表达

目的 观察基于多中心数字化乳腺X线摄影(DM)影像组学预测乳腺癌人表皮生长因子受体-2(HER-2)过表达的价值。方法 回顾性分析来自机构1(n=336)、2(n=142)、3(n=130)共608例经病理证实乳腺癌患者的DM资料。按照7∶3比例将来自机构1、2共478例分为训练集(334例，其中92例HER-2阳性、242例HER-2阴性)和验证集(144例，40例HER-2阳性、104例HER-2阴性);以来自机构3的130例(33例HER-2阳性及97例HER-2阴性)为外部验证集。于显示病变面积较大的内外斜(MLO)位或头足(CC)位DM图像中勾画病灶ROI,提取及筛选最佳影像组学特征，以支持向量机(SVM)构建影像组学模型，用于预测乳腺癌HER-2过表达；采用受试者工作特征(ROC)曲线评估模型的诊断效能，绘制校准曲线及决策曲线，评价其校准度及临床获益。结果 共筛选出3个最佳影像组学特征，以之构建的SVM影像组学模型预测训练集、验证集及外部验证集乳腺癌HER-2过表达的曲线下面积(AUC)分别为0.824、0.775及0.812。校准曲线显示，该模型在训练集、验证集及外部验证...     

基于增强CT影像组学术前预测胃腺癌淋巴结转移

目的 观察增强CT影像组学模型术前预测胃腺癌淋巴结转移（LNM）的价值。方法 回顾性分析193例经术后病理证实的单发胃腺癌的腹部双期增强CT资料,将其分为训练集（n=97）和验证集（n=96）,比较LNM （+）与LNM （－）肿瘤CT表现的差异。分别于增强动脉期和静脉期CT提取病灶影像组学特征,构建相应影像组学标签;将单因素分析有统计学意义的CT参数及其影像组学标签纳入多因素logistic回归分析,筛选胃腺癌LNM的独立预测因素,分别建立临床模型及影像组学列线图。采用受试者工作特征（ROC）曲线评估各模型预测胃腺癌LNM的效能,计算曲线下面积（AUC）,比较其差异。结果 训练集含54例LNM （+）和43例LNM （－）,验证集含58例LNM （+）和38例LNM （－）。LNM （+）患者肿瘤厚度和阳性淋巴结占比均高于LNM （－）者（P均<0.05）。肿瘤厚度及淋巴结状态均为LNM的独立预测因素（P均<0.01）并用于构建临床模型。淋巴结状态和静脉期影像组学标签是胃腺癌LNM的独立预测因素（P均<0.01）,以之构建的影像组学列线图在训练集和验证集中的AUC分别为0.810和0.778,与临床模型AUC差异均无统计学意义（0.772、0.762,Z=1.11、0.27,P=0.27、0.78）。结论 基于增强CT影像组学模型术前预测胃腺癌LNM效能较佳。     

基于CT影像组学结合机器学习模型预测食管胃结合部腺癌人表皮生长因子受体2状态

目的 评估基于C T影像组学结合机器学习模型术前预测食管胃交界处腺癌(A EG)人表皮生长因子受体2(HER2)状态的价值.方法 回顾性分析101例经术后病理证实的AEG患者,按7:3比例将其分为训练集(n=70)和验证集(n=31).基于门静脉期增强CT提取AEG影像组学特征,以最小绝对值选择与收缩算子回归模型针对训...     

基于增强CT影像组学模型预测胰十二指肠切除术后胰瘘

目的 评估基于术前腹部增强CT影像组学模型预测胰十二指肠切除术（PD）术后胰瘘（POPF）的价值。方法 回顾性分析252例接受PD患者的术前腹部增强CT资料,按7：3比例将其分为训练集（n=177）和验证集（n=75）。于训练集增强静脉期CT图像中勾画胰腺实质作为感兴趣容积（VOI）,提取其影像组学特征,并筛选最优特征建立影像组学模型;绘制模型预测PD术后POPF的受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评价模型预测效能;以验证集数据进行验证。结果 共选出14个最优影像组学特征用于构建影像组学模型。影像组学模型在训练集和验证集的AUC分别为0.82[95%CI（0.76,0.88）]和0.82[95%CI（0.72,0.91）]。结论 基于术前增强CT影像组学模型能有效预测PD术后POPF。     

灰阶超声影像组学鉴别诊断皮下组织血管瘤与卡波西型血管内皮瘤

目的 观察灰阶超声影像组学鉴别诊断皮下组织血管瘤(HE)与卡波西型血管内皮瘤(KHE)的价值。方法 回顾性分析143例皮下组织HE和70例KHE共252处病灶,按7∶3比例将病灶随机分为训练集(n=176)和验证集(n=76);提取病灶灰阶超声影像组学特征,构建影像组学模型,结合临床资料建立联合模型,观察各模型鉴别诊断皮下组织HE与KHE的效能。结果 共选取22个系数非零的稳定特征。影像组学模型鉴别训练集皮下组织HE与KHE的曲线下面积(AUC)、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.91[95%CI(0.89,0.93)]、91.41%、83.20%、93.92%、95.79%及89.00%;用于验证集分别为0.85[95%CI(0.83,0.87)]、90.78%、79.32%、97.90%、96.71%及88.68%。联合模型鉴别训练集皮下组织HE与KHE的AUC、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.94[95%CI(0.92,0.96)]、94.33%、90.77%、96.38%、94.23%及94.90%;用于验证集分别为0.90[95%...     

瘤内及瘤周表观弥散系数影像组学特征预测髓母细胞瘤患儿预后

目的 观察瘤内及瘤周表观弥散系数（ADC）影像组学特征预测髓母细胞瘤（MB）患儿预后的价值。方法 回顾性分析74例MB患儿资料,根据术后2年随访结果将其分为进展组（n=29）及无进展组（n=45）,并按6：4比例分为训练集（n=44）或验证集（n=30）。基于ADC图提取并筛选瘤内及瘤周影像组学特征,分别建立瘤内、瘤周及瘤内+瘤周影像组学模型,并以之结合临床及常规影像学特征建立联合模型;比较各模型预测MB患儿预后的效能。结果 训练集中,临床-常规影像-瘤周影像组学模型、临床-常规影像-瘤内+瘤周影像组学模型曲线下面积（AUC）均大于单一瘤周影像组学模型（P均<0.05）;验证集中,临床-常规影像学-瘤内+瘤周影像组学模型的AUC最大,但与其他模型差异均无统计学意义（P均>0.05）。结论 瘤内及瘤周ADC影像组学特征可用于预测MB患儿预后;联合临床及常规影像学特征或有助于提高预测效能。     

建立MRI影像组学列线图术前预测子宫内膜癌浸润深肌层

目的 构建MRI影像组学列线图,评价其预测子宫内膜癌(EC)深肌层浸润(DMI)的价值.方法 分析133例EC患者术前临床及影像学资料,根据术后病理所见肌层浸润情况将其分为DMI组(n=62)和非DMI组(n=71).获取并筛选其影像组学特征,计算影像组学得分(Radscore),利用多因素logistic回归筛选常规...     

基于乳腺二维超声及自动乳腺容积扫描构建影像组学及列线图模型预测乳腺癌分子分型

目的 观察基于乳腺二维超声及自动乳腺容积扫描(ABVS)构建的影像组学及列线图模型预测乳腺癌分子分型的价值。方法 回顾性分析326例经病理证实的女性单发乳腺癌患者资料,以8∶2比例将其分为训练集(n=260)及验证集(n=66),根据免疫组织化学结果划分Luminal与非Luminal亚组;基于乳腺二维超声及ABVS图像提取影像组学特征构建相应模型及联合模型。采用单因素及多因素logistic回归分析筛选乳腺癌分子分型的独立预测因素,联合影像组学评分构建列线图模型。绘制受试者工作特征(ROC)曲线,评估各模型预测乳腺癌分子分型的效能。结果 肿瘤最大径(OR=1.029)及有无汇聚征(OR=0.408)均为乳腺癌分子分型的独立预测因素(P均<0.05)。二维超声、ABVS、联合影像组学模型及列线图模型预测验证集乳腺癌分子分型的曲线下面积(AUC)分别为0.67、0.75、0.84及0.83,其中,联合影像组学模型与列线图模型AUC差异无统计学意义(P>0.05)并均高于二维超声及ABVS模型(P均<0.05)。结论 基于二维超声及ABVS构建的联合影像组学模型及列线图模...