Nomogram预测乳腺浸润性导管癌Ki-67表达水平

目的 基于患者临床及超声影像特征预测乳腺癌患者Ki-67表达水平。方法 回顾性分析甲乳外科收治的乳腺癌患者217例临床及超声影像资料，病理结果均为乳腺浸润性导管癌。病例一般资料包含年龄、肿瘤最大直径、二维超声表现、剪切波弹性成像资料。217例乳腺癌患者随机被分为训练组159例及验证组58例。先行单因素Logistic回归筛出可能影响乳腺癌Ki-67表达水平的变量，再行多因素Logistic回归构建乳腺癌Ki-67表达水平的临床预测模型。诺谟图可视化展示预测模型，采用受试者工作特征曲线、校准曲线及临床决策曲线对模型的校准度及实用性予以评价。结果 肿瘤最大直径、肿瘤微钙化及SWE最大弹性模量值。这3个临床组学特征与乳腺癌Ki-67表达水平呈显著相关性。训练集中ROC曲线下面积为0.892,提示该预测模型有能力区分Ki-67表达情况，同时在验证集中得以证实，AUC^ROC=0.717。诺谟图与临床决策曲线在后续分析中同样表现良好，证明了预测模型潜在临床价值。结论 本研究提供了以临床特征及超声影像资料相结合的Nomogram,可用于预测乳腺浸润性导管癌患者Ki-67表达水平...     

基于超声影像组学及临床特征的可解释性机器学习模型预测乳腺癌新辅助化疗疗效

目的 探讨基于乳腺癌原发灶超声影像组学特征联合临床病理因素构建的机器学习模型预测乳腺癌新辅助化疗(NAC)病理完全缓解的临床价值。方法 回顾性纳入272例术前接受NAC治疗且有病理检查结果的乳腺癌患者,从超声图像中提取并筛选影像组学特征后构建影像组学评分,基于多因素Logistic回归分析、XGBoost、决策树、随机森林、支持向量机等机器学习算法,评分联合临床病理特征构建乳腺癌患者NAC疗效的预测模型并对模型性能加以验证。结果 受试者工作特征曲线显示,基于随机森林算法构建的联合模型预测性能最佳(训练集AUC:0.855,测试集AUC:0.844)。决策曲线分析表明,随机森林模型具有更高的临床获益。SHAP分析显示,对模型预测结果贡献程度最大的3个变量依次为影像组学评分值、Her-2、ER。结论 基于超声影像组学特征构建的机器学习模型可协助评估乳腺癌患者NAC疗效,随机森林模型在诊断性能和临床实用性方面表现最佳。     

超声影像组学在鉴别腮腺多形性腺瘤与基底细胞腺瘤中的临床价值

目的 探讨超声影像组学在腮腺多形性腺瘤(PA)与基底细胞腺瘤(BCA)鉴别诊断中的价值。方法 纳入222例病理诊断为腮腺PA或BCA患者,并分为训练集(130例PA和28例BCA)与验证集(51例PA和13例BCA)。从每个病例超声图像中提取了1 316个影像组学特征,经降维筛选后构建超声影像组学评分。同时构建临床+超声模型、超声影像组学模型及超声影像组学评分模型。通过受试者工作特征(ROC)曲线、校准曲线评价模型的预测效能,使用决策曲线分析(DCA)评估临床应用价值。结果 选择8个特征构建超声影像组学评分。年龄、形态、超声影像组学评分是鉴别PA与BCA的独立预测变量,基于上述变量构建超声影像组学模型。校准曲线显示超声影像组学模型的一致性较好,训练集与验证集的曲线下面积(AUC)分别为0.892(95%CI:0.834～0.951)、0.878(95%CI:0.793～0.963)。DCA结果表明其临床价值优于其他模型。结论 超声影像组学模型可较准确地鉴别PA和BCA,具有优化临床决策的潜力。     

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...     

基于超声造影影像组学预测局部进展期直肠癌新辅助放化疗病理完全缓解的应用研究

目的评估基于超声造影的影像组学模型对局部进展期直肠癌(LARC)患者新辅助放化疗(nCRT)后病理完全缓解(pCR)的预测效能。方法本研究回顾性纳入2018年4月至2023年4月在广西医科大学第一附属医院接受nCRT后行全直肠系膜切除的106例LARC患者, 以6∶4随机划分为训练集63例(pCR者14例)和验证集43例(pCR者12例)。基于PyRadiomics从超声造影图像肿瘤感兴趣区域提取影像学特征。采用类内相关系数、Mann-WhitneyU检验、最小绝对收缩和选择算子算法对特征进行降维。最后选取7个与pCR相关的影像学特征, 基于R语言使用弹性网络回归构建超声造影影像组学模型, 并与临床特征融合构建一个联合模型。采用ROC曲线下面积(AUC)评估模型的诊断效能。结果训练集中, 超声造影影像组学模型的AUC为0.695(95%CI=0.532～0.859), 联合模型的AUC为0.726(95%CI=0.584～0.868)。验证集中, 超声造影影像组学模型的AUC为0.763(95%CI=0.625～0.902), 联合模型的AUC为0.790(95%CI=0.653～0....     

两个以下前哨淋巴结转移的乳腺癌：MR影像组学预测非前哨淋巴结转移的应用价值

目的 探讨基于机器学习的MRI影像组学在预测两个以下前哨淋巴结（SLN）阳性乳腺癌非前哨淋巴结（NLSN）转移的应用价值。方法 回顾性分析2016年1月—2022年12月间在温州医科大学附属第五医院经术后病理证实的乳腺癌患者408例,均经前哨淋巴结活检证实有两个以下SLN阳性。采用Radcloud平台提取动态增强MRI (DCEMRI)图像肿瘤内部的影像组学特征,并通过降维获得最优特征。随后,建立6种机器学习分类器包括K近邻（KNN）、支持向量机（SVM）、逻辑回归（LR）、随机森林（RF）、线性判别分析（LDA）和极端梯度提升（XGBoost）。选择验证集中曲线下面积（AUC）最高的作为最佳影像组学模型,并将其结果转换输出为影像组学评分（Rad-score）。将P<0.05的临床病理特征纳入到多因素Logistic回归分析中,以筛选影响NSLN转移的独立危险因素,并建立临床模型。进一步建立基于Rad-score和临床危险因素的联合模型,并绘制列线图。采用AUC、校准曲线和决策曲线分析（DCA）评价模型的预测性能。结果 通过降维得到14个与NSLN转移显著相关的影像组学特征。在验...     

基于MRI影像组学鉴别浸润性与非浸润性乳腺癌

目的探讨基于MRI影像组学鉴别浸润性与非浸润性乳腺癌的价值。方法回顾性分析100例接受乳腺常规MR和动态增强扫描的乳腺癌患者(75例浸润性、25例非浸润性),将其分为训练组(n=70)和验证组(n=30)。提取病灶纹理特征,采用最小绝对缩减和变量选择算子(LASSO)回归对训练组纹理特征进行降维,建立影像组学标签。比较浸润性与非浸润性乳腺癌临床、病理及影像学特征,以多因素Logistic回归分析建立影像组学模型,采用ROC曲线评价模型的诊断效能。结果共提取3 132个影像学特征,经LASSO回归降维获得19个价值较高者,建立影像组学标签。浸润性与非浸润性乳腺癌之间,训练组和验证组毛刺、基底细胞角蛋白(CK5/6)、瘤细胞增殖因子(Ki-67)和影像组学标签差异均有统计学意义(P均<0.05),训练组时间-强度曲线(TIC)类型差异有统计学意义(P<0.05),验证组TIC类型差异无统计学意义(P>0.05)。训练组CK5/6、Ki-67和影像组学标签为浸润性乳腺癌的独立危险因素(P均<0.05);以其构建影像组学模型,在训练组和验证组鉴别浸润性乳腺癌的AUC分别...     

超声影像组学在鉴别诊断甲状旁腺腺瘤和甲状旁腺增生中的价值

目的 探讨超声影像组学方法在鉴别诊断甲状旁腺腺瘤（PA）和甲状旁腺增生（PH）中的临床应用价值。方法 选取2019年1月至2023年6月我院收治的133例甲状旁腺功能亢进症患者（共181枚病灶）,其中腺瘤66例（67枚）,增生67例（114枚）,比较两组临床资料及病灶常规超声特征。所有病灶按7:3分为训练集（126枚）和验证集（55枚）,基于灰阶超声图像勾画感兴趣区（ROI）并提取影像组学特征。应用最小绝对收缩和选择算子（LASSO）回归筛选特征并构建影像组学模型;应用多因素Logistic回归筛选重要的常规超声特征并构建常规超声模型;应用多因素Logistic回归构建基于影像组学特征和常规超声特征的联合模型。绘制受试者工作特征曲线（ROC）以评估各模型的效能并在验证集中进行验证;绘制校准曲线分析影像组学模型和联合模型预测结果与实际结果的一致性。结果 基于LASSO算法筛选出8个影像组学特征用于构建影像组学模型。单因素和多因素Logistic回归分析显示,病灶最大径、外周线状高回声和极性供支血管征为鉴别PA和PH的重要常规超声特征（均P＜0.05）。在训练集和验证集中,影像组学模型曲线下面积（AUC）分别为0.764和0.750,常规超声模型AUC分别为0.812和0.838,联合模型AUC分别为0.825和0.856。联合模型AUC在训练集和验证集中均高于影像组学模型,差异均有统计学意义（均P＜0.05）;其余各模型间AUC比较差异均无统计学意义。结论 影像组学联合模型能较准确地鉴别甲状旁腺腺瘤和甲状旁腺增生,可为临床制定手术方案提供一定的参考价值。     

增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯

目的 观察增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯(EMVI+)的价值。方法 回顾性分析经术后病理确诊的131例结直肠癌患者资料,按7∶3比例将其分为训练集(n=92,含44例EMVI+、48例EMVI-)与测试集(n=39,含23例EMVI+、16例EMVI-)。基于术前门静脉期CT提取及筛选肿瘤最佳影像组学特征并据以构建影像组学模型;以单因素及多因素logistic回归分析训练集临床、CT及病理学资料,筛选结直肠癌EMVI+的独立预测因素并建立临床模型,基于影像组学模型及临床模型建立联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测结直肠癌EMVI+的效能。以校准曲线及决策曲线分析评估模型校准度及临床实用性。结果 共筛选出4个最佳影像组学特征,以之构建影像组学模型。糖类抗原(CA)19-9及CA72-4均为结直肠癌EMVI+的独立预测因素(OR=1.033、1.285,P均<0.05)。联合模型预测训练集结直肠癌EMVI+的AUC高于影像组学模型和临床模型(AUC=0.908、0.825、0.770,P=0.017、0.003);影像组学、临床及联合模型在测试集的AUC分别为0.751、0.632、0.799,两两之间AUC差异均无统计学意义(P均>0.05)。影像组学模型及联合模型的校准度均较好。训练集以>0.1、测试集以>0.12为阈值时,联合模型的临床净获益较高。结论 增强CT影像组学联合临床能有效预测结直肠癌EMVI。     

超声影像组学标签对乳腺癌腋窝淋巴结转移的预测价值

目的探讨基于常规超声的影像组学特征预测乳腺癌腋窝淋巴结转移的应用价值。 方法回顾性收集2020年1月至2020年10月于中山大学肿瘤防治中心就诊经手术病理确诊的265例乳腺癌患者的临床资料和术前超声图像,按超声检查时间顺序,将患者分为训练集（159例）和验证集（106例）。应用ImageJ软件手动勾画病灶区域,使用Pyradiomics从每个病灶区域中提取影像组学特征,采用多种方法逐步筛选特征,应用Logistic回归构建预测乳腺癌腋窝淋巴结转移的超声影像组学标签。在训练集和验证集上采用ROC曲线、校准曲线和决策曲线评估超声影像组学标签预测乳腺癌腋窝淋巴结转移的效能。 结果最终筛选出8个关键超声影像组学特征用于构建超声影像组学标签。该标签在训练集和验证集中预测乳腺癌腋窝淋巴结转移的ROC曲线下面积分别为0.805（95%CI：0.734~0.876）、0.793（95%CI：0.706~0.880）。在校准曲线中,该标签在训练集和验证集均表现出较好的校准度（P=0.592、0.593）,决策曲线分析进一步表明了该标签具有一定的临床实用性。 结论基于超声的影像组学标签在预测乳腺癌腋窝淋巴结转移方面具有一定价值,可为治疗前乳腺癌的准确分期以及治疗方案的合理选择提供参考依据。     

基于术前分期CT的影像组学标签预测乳腺癌Ki-67增殖指数

目的:探讨基于术前分期CT的影像组学标签对乳腺癌Ki-67增殖指数无创预测的附加价值。方法:收集2016年5月—2017年12月经手术后病理学检查证实为浸润性乳腺癌的患者245例,且均为临床术前评估分期需行常规胸部CT增强扫描,按时间顺序分为训练组(145例)和验证组(100例)。手动勾画病灶感兴趣区(region of interest,ROI),基于病灶三维图像提取影像组学特征,通过mRMR算法及Boruta算法筛选组学特征并利用logistic回归构建影像组学标签。采用受试者工作特征(receiver operating characteristic,ROC)曲线评价训练组中影像组学标签预测Ki-67增殖指数的效能,并以获得的预测阈值在验证组中进行验证。结果:最终获得由8个组学特征构成的影像组学标签,其对于乳腺癌术前Ki-67增殖指数具有较好的预测效能,在训练组和验证组中的ROC曲线的曲线下面积(area under curve,AUC)分别为0.782(95%CI:0.691～0.874)和0.781(95%CI:0.686～0.876)。结论:基于术前分期CT的影像组学标签在预测Ki-67增殖指数方面具有一定价值,也是术前常规胸部CT增强扫描在辅助临床分期之外的附加价值,有潜力成为一种无创方法来实现术前对Ki-67增殖指数的预测。     

基于Sonazoid超声造影库普弗期表现术前预测肝细胞癌Ki-67水平的影像组学研究

目的基于Sonazoid超声造影(CEUS)库普弗期特征构建影像组学预测模型, 探讨其在术前预测肝细胞癌(HCC)的核增殖抗原蛋白67(Ki-67)水平中的价值。方法 2020年10月至2021年8月前瞻性地纳入复旦大学附属中山医院经手术及病理证实的HCC且术前1周进行过Sonazoid CEUS检查的患者, 分别从灰阶图像及库普弗期图像的肿瘤区域提取、筛选特征并分别构建影像组学预测模型, 以病理及免疫组化结果为金标准, 比较不同模型预测Ki-67水平的效能。结果共有50例经病理及免疫组化证实的HCC病灶纳入研究, 其中24例Ki-67高水平(>20%), 26例Ki-67低水平(≤20 %)。根据灰阶图像及库普弗期图像特征分别构建HCC病灶Ki-67水平影像组学预测模型, 发现基于库普弗期图像的影像组学模型较灰阶图像影像组学模型有着显著更高的ROC曲线下面积(0.753比0.535, P=0.017)、准确性(0.720比0.580, P=0.023)和敏感性(0.458比0.250, P=0.043)。校准曲线显示基于库普弗期影像组学特征评分较灰阶影像组学评分与实际观测的Ki...     

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...     

多参数MRI影像组学在术前预测胰腺导管腺癌淋巴结转移中的价值

目的 联合常规MRI及表观扩散系数(apparent diffusion coefficient,ADC)图的影像组学特征构建多参数MRI影像组学模型术前预测胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)淋巴结转移(lymph node metastasis,LNM),并与建立的常规MRI影像组学模型和临床模型比较预测效能,探索基于ADC图影像组学的附加价值。材料与方法 218例PDAC按照7∶3的比例随机分为训练集和验证集。纳入临床及常规影像特征构建临床影像学模型。提取常规MRI图像(T1WI、T2WI、动脉期图像及门静脉期图像)及ADC图的影像组学特征。在训练集中采用最小绝对收缩和选择算子筛选出与LNM最相关的特征用于模型构建。构建基于常规MRI影像组学模型(影像组学模型1)和联合常规MRI和ADC图的影像组学模型(影像组学模型2)。使用受试者工作特征曲线下面积(area under the curve,AUC)评估模型预测效能。采用DeLong检验比较模型间的AUC值的差异是否有统计学意义。校准曲线评估模型的准确性。决策曲线分析评估模型...     

影像组学特征预测周围型肺癌Ki-67水平的CT研究

目的 周围型肺癌的影像组学特征与Ki-67表达水平之间的关系尚不清楚。本研究建立基于CT增强动脉期图像的影像组学标签预测周围型肺癌的Ki-67表达情况。方法 回顾性收集2017年5月—2020年11月行胸部CT增强扫描并在检查后2周内经病理证实、行Ki-67表达水平检测的117例周围型肺癌患者,其中男43例,女74例,年龄35～79岁（中位年龄54岁）。经手术病理证实,Ki-67高表达组54例,Ki-67低表达组63例,以7∶3的比例将患者分为训练组（n=82）和验证组（n=35）。使用ITK-SNAP于CT动脉期图像上手动勾画肺癌全肿瘤容积数据,A.K软件提取影像组学特征。采用LASSO回归模型进一步筛选特征并构建影像组学标签,并计算每例患者的影像组学评分,然后结合临床信息进行多因素Logistic回归分析,筛选出预测Ki-67水平的独立危险因素。在验证组和训练组中使用受试者工作特征曲线及曲线下面积（AUC）评价影像组学标签的预测性能。根据Hosmer-Lemeshow检验评估影像组学标签的校准度。采用决策曲线分析法（DCA）评估影像组学标签的临床价值。结果 从396个特征中选择7个...     

多模态超声特征预测肿块型乳腺癌Ki-67表达分级的研究

目的基于多模态超声特征预测肿块型乳腺癌患者Ki-67的表达分级, 从而辅助临床诊治。方法回顾性选取2017年9月至2020年9月于哈尔滨医科大学附属第二医院就诊、经病理证实为乳腺癌的女性患者93例(共93个肿块), 根据免疫组化结果分为Ki-67高表达组(55例)和Ki-67低表达组(38例)。分析两组乳腺肿块二维灰阶超声(US)、彩色多普勒血流显像(CDFI)、剪切波弹性成像(SWE)及超声造影(CEUS)图像中的定性、定量特征, 将差异性特征纳入逻辑回归算法, 绘制ROC曲线评估并进行Kappa检验。结果单因素分析显示US及CDFI特征(大小、边缘)、SWE特征(硬环征、Eratio)、CEUS特征(灌注缺损、IMAX)在两组之间差异有统计学意义(均P<0.05)。应用多因素分析显示边缘、硬环征、灌注缺损是Ki-67表达分级的独立因素(均P<0.05)。最终获得模型ROC曲线下面积为0.882(95%CI=0.798～0.940, P<0.05), 敏感性为0.818, 特异性为0.790。结论基于Logistic回归算法初步分析了多模态超声特征与肿块型乳腺癌Ki...     

增强CT影像组学-CT特征联合模型鉴别鼻腔鼻窦鳞状细胞癌与淋巴瘤

目的 观察增强CT影像组学-CT特征联合模型(联合模型)鉴别鼻腔鼻窦鳞状细胞癌(SNSCC)与鼻腔鼻窦淋巴瘤(SL)的价值。方法 回顾性收集68例SNSCC及63例SL患者,按7∶3比例分为训练集(n=92,含48例SNSCC及44例SL)与验证集(n=39,含20例SNSCC及19例SL)。以单因素分析及logistic回归分析训练集临床资料及病灶CT表现,筛选鉴别SNSCC与SL的独立预测因素并建立CT特征模型;基于训练集增强静脉期CT提取和筛选病灶最佳影像组学特征,建立影像组学模型,计算影像组学标签;基于二者构建联合模型并绘制列线图。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型鉴别SNSCC与SL的效能;以校准曲线、决策曲线分析评估联合模型的校准效能及其临床获益。结果 CT所示原发病灶部位及骨质侵犯均为鉴别SNSCC与SL的独立预测因素(P均＜0.05);于增强静脉期CT筛选出3个最佳影像组学特征;分别以之构建CT模型及影像组学模型;并基于二者构建联合模型。CT、影像组学及联合模型在训练集的AUC分别为0.895、0.730及0.925,差异均有统计学意义(Z=－3.964~－1.833,P均＜0.05);在验证集的AUC分别为0.845、0.684及0.868,联合模型的AUC大于影像组学模型(Z=－2.568,P=0.010)。联合模型校准度良好,其在训练集以15%~62%及85%~92%为阈值时、在验证集以88%~95%为阈值时临床净获益较高。结论 所获增强CT影像组学-CT特征联合模型可有效鉴别SNSCC与SL。     

基于超声特征列线图模型预测乳腺叶状肿瘤Ki-67表达水平的价值

目的:探讨基于超声特征构建的列线图模型对乳腺叶状肿瘤(PTB)Ki-67表达水平的预测价值。方法:回顾性分析119例经病理证实为PTB的超声影像学资料,根据Ki-67表达水平分为低表达组(Ki-67≤10%)82例和高表达组(Ki-67＞10%)37例。对比分析两组声像图特征的差异,包括最大径、纵横径比、形态、边缘、实质回声、囊变、钙化、后方回声、血流信号、阻力指数及收缩期峰值流速。以单因素分析及多因素Logistic回归分析筛选出预测Ki-67高表达水平的独立预测因子,基于独立预测因子构建联合列线图模型;采用Bootstrap 法进行内部验证并利用校准曲线判断模型的吻合度,绘制受试者工作特征曲线(ROC)评估模型的预测效能,以决策曲线分析模型的临床获益。结果:最大径、囊变、血流信号、收缩期峰值流速与PTB患者的Ki-67表达水平相关(P <0.05),其中最大径(OR=0.642,95% CI:0.295～0.993)、囊变(OR=0.078,95% CI:0.008～0.808)和收缩期峰值流速(OR=1.404,95% CI:1.106～1.782)是预测Ki-67高表达水平的独立预测因子(P <0.05)。列线图模型量化独立预测因子显示预测效果与实际结果的一致性良好,一致性指数(C-index值)为0.814(95% CI:0.710～0.913)。ROC曲线分析表明独立预测因子的联合预测概率模型效能[曲线下面积(AUC)=0.812]优于各单独指标中的最大径(AUC=0.696)、囊变(AUC=0.705)及收缩期峰值流速(AUC=0.736),且当阈值为0.10～0.48时,其临床获益较高。结论:利用超声特征构建的列线图模型可用于预测PTB患者的Ki-67 表达水平,该模型具有较高的准确性和可靠性。     

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...     

病理参数联合ABVS影像特征列线图预测乳腺癌Luminal分型

目的 分析病理参数联合超声自动乳腺全容积扫描(ABVS)影像特征构建的列线图预测乳腺癌Luminal分型的价值。方法 回顾性分析212例行超声ABVS检查的Luminal型乳腺癌患者的病理及超声资料,以雌激素受体(ER)阳性、人表皮生长因子受体2(HER-2)阴性、Ki-67<14%及孕激素受体(PR)>20%作为Luminal A型乳腺癌的分型标准,将患者分为Luminal A型(64例)与Luminal B型(148例),按7∶3将患者随机分为训练组(n=148)与验证组(n=64)。单因素与多因素Logistic回归分析筛选预测乳腺癌Luminal分型的独立影响因素,基于独立影响因素构建联合预测模型,并绘制模型的列线图与校准曲线。结果 单因素与多因素Logistic回归分析发现脉管侵犯、长径及冠状面汇聚征为预测乳腺癌Luminal分型的独立影响因素,联合模型曲线下面积(AUC)训练组为0.725(95%CI:0.639～0.812),验证组为0.777(95%CI:0.640～0.915)。结论 病理参数联合超声ABVS影像特征区分乳腺癌Luminal分型有一定价值,...