临床及CT影像组学特征预测胃癌微卫星高度不稳定状态

目的 观察临床和CT影像组学特征用于预测胃癌微卫星高度不稳定(MSI-H)状态的价值。方法 纳入150例胃癌患者,MSI-H阳性30例、阴性120例;按7∶3比例将其分为训练集(n=105)和验证集(n=45)。基于腹部静脉期增强CT图提取病灶影像组学特征并加以筛选,计算影像组学评分(Radscore);比较训练集和验证集MSI-H阳性与阴性患者临床资料及Radscore差异;分别基于其间差异有统计学意义的临床因素和Radscore构建临床模型、CT影像组学模型及临床-CT影像组学联合模型,评估其预测胃癌MSI-H状态的价值。结果 训练集和验证集中,MSI-H阳性与阴性肿瘤位置、Radscore差异均有统计学意义(P均<0.05)。临床模型、CT影像组学模型及联合模型评估训练集胃癌MSI-H状态的曲线下面积(AUC)分别0.760、0.799及0.864,在验证集分别为0.735、0.812及0.849;联合模型的AUC大于2种单一模型(P均<0.05)。结论 基于肿瘤位置和Radscore的临床-CT影像组学联合特征可有效预测胃癌MSI-H状态。     

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。     

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。     

基于非小细胞肺癌双能CT表现及影像组学列线图模型预测其血管生成拟态

目的 基于非小细胞肺癌(NSCLC)双能CT (DECT)表现及影像组学构建联合列线图模型,分析其预测NSCLC血管生成拟态(VM)的价值。方法 回顾性分析137例经手术病理证实的单发NSCLC患者,以7 ∶ 3比例将其分为训练集和验证集。基于肺窗CT提取及筛选最优影像组学特征,计算影像组学评分。以单因素分析及多因素logistic回归分析筛选NSCLC表达VM的独立预测因素,分别以之构建临床、能谱及影像组学模型;基于独立预测因素构建联合列线图模型。采用受试者工作特征曲线评估各模型预测NSCLC VM的效能,以校准曲线分析模型的拟合度,以决策曲线分析评估模型的临床获益。结果 最终筛选出6个最优影像组学特征。病灶最大径、毛刺征、CT_{140 keV}及影像组学评分为NSCLC VM的独立预测因素(OR=2.25、9.69、0.99、-14.44,P均＜0.05)。临床、能谱及影像组学模型预测验证集NSCLC VM的曲线下面积(AUC)分别为0.83、0.85、0.87,均低于联合列线图模型(AUC=0.95,Z=2.14、2.10、2.07,P均＜0.05)。联合列线图模型预测结果与实际结果的一致性较好,且其临床获益较高。结论 基于DECT及影像组学构建的联合列线图模型能可有效预测NSCLC VM。     

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。     

平扫CT影像组学鉴别肺炎型黏液腺癌与大叶性肺炎

目的 观察平扫CT影像组学鉴别肺炎型黏液腺癌(PTMA)与大叶性肺炎(LP)的价值。方法 回顾性分析57例PTMA(PTMA组)和129例LP患者(LP组),按7∶3比例将其纳入训练集(n=131)和测试集(n=55)。比较组间患者临床资料，筛选临床特征，构建临床模型；勾画病灶ROI,提取其影像组学特征，建立影像组学模型；基于临床特征及影像组学特征建立列线图模型。观察3种模型鉴别PTMA与LP的效能。结果 组间患者年龄和呼吸道症状占比差异均有统计学意义(P均<0.05)。临床模型鉴别训练集和测试集PTMA与LP的曲线下面积(AUC)分别为0.784和0.909。最终纳入16个影像组学特征建立影像组学模型，其在训练集和测试集鉴别PTMA与LP的AUC分别为0.909和0.870;列线图模型的AUC分别为0.939和0.933。影像组学模型及列线图模型在训练集鉴别PTMA与LP的AUC均大于临床模型(P均<0.05)。结论 平扫CT影像组学有助于鉴别PTMA与LP。     

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...     

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。     

临床、CT特征及影像组学联合模型评估最大径≤2cm原发性肺腺癌侵袭性

目的 观察临床、CT特征及影像组学联合模型评估最大径≤2 cm原发性肺腺癌侵袭性的价值。方法 回顾性纳入116例最大径≤2 cm肺腺癌患者，依据病理结果将其分为高侵袭组(n=51)及低侵袭组(n=65),并按7∶3比例随机分为训练集(n=81)和测试集(n=35)。比较组间临床及CT特征差异；提取并筛选CT影像组学特征，计算影像组学评分(Rad-score)。采用logistic回归分析建立临床、CT特征及Rad-score联合模型，评估其预测效能及临床获益。结果 组间患者恶性肿瘤家族史，病灶分叶征、毛刺征、存在提示预后不良病理表现占比差异均有统计学意义(P均<0.05);基于训练集数据筛选出8个影像组学特征并构建的联合模型评估训练集和验证集最大径≤2 cm肺腺癌侵袭性的曲线下面积分别为0.96和0.87,其预测值与真实值的误差较小，准确度较高，可使临床获益。结论 临床、CT特征及影像组学联合模型可用于评估最大径≤2 cm原发性肺腺癌的侵袭性。     

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。     

联合含瘤周肿瘤全体积CT影像组学特征及临床相关独立预测因子列线图预测肺腺癌淋巴血管侵犯

目的 观察基于含瘤周的肿瘤全体积(GPTV) CT影像组学特征及临床相关独立预测因子构建的联合模型列线图预测肺腺癌淋巴血管侵犯(LVI)的价值。方法 回顾性分析142例经病理证实的肺腺癌患者,以7 ∶ 3比例将其随机分为训练集(n=100,40例LVI阳性、60例LVI阴性)和验证集(n=42,17例LVI阳性、25例LVI阴性)。以单因素分析及多因素logistic回归分析筛选肺腺癌LVI的临床相关独立预测因子,以之构建临床模型。分别基于肿瘤全体积(GTV)及含瘤周3 mm、6 mm、9 mm的GPTV (GPTV₃、GPTV₆和GPTV₉)的增强动脉期CT图提取并筛选最佳影像组学特征,构建影像组学模型,即GTV、GPTV₃、GPTV₆和GPTV₉模型并筛选最佳者;基于后者的影像组学评分和临床相关独立预测因子构建联合模型,绘制列线图进行可视化。以受试者工作特征(ROC)曲线评估各模型预测肺腺癌LVI的效能,以决策曲线分析(DCA)评价联合模型列线图的价值。结果 性别、吸烟和毛刺征均为肺腺癌LVI的临床相关独立预测因子(P均＜0.05)。分别基于GTV、GPTV₃、GPTV₆及GPTV₉筛选出7、16、10及8个最佳影像组学特征,用于构建GTV、GPTV₃、GPTV₆及GPTV₉模型。GPTV₃模型预测训练集、验证集肺腺癌LVI的曲线下面积(AUC)分别为0.82、0.77,均高于GTV (0.79、0.72,Z=3.74、2.62,P均＜0.01)、GPTV₆(0.80、0.72,Z=2.40、2.06,P均＜0.05)及GPTV₉(0.77,0.72,Z=3.03、2.59,P均＜0.01),为最佳影像组学模型。联合模型列线图(0.86、0.73,Z=2.66、2.31,P均＜0.05)及GPTV₃模型(0.82、0.77,Z=2.23、2.54,P均＜0.05)于训练集和验证集的AUC均高于临床模型(0.73、0.61),而联合模型列线图与GPTV₃模型的AUC差异均无统计学意义(Z=1.57、0.88,P均＞0.05)。阈值取0.20~0.50时,联合模型列线图与GPTV₃模型的净获益相当,且均大于临床模型。结论 基于GPTV₃影像组学特征及临床相关独立预测因子的列线图可有效预测肺腺癌LVI。     

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T2WI影像组学模型产前预测胎盘植入性病变

目的 评估基于MR T2WI影像组学模型产前预测胎盘植入性病变（PAS）的价值。方法 回顾性分析241例孕妇及胎儿MRI,其中116例PAS、125例无PAS。按7：3比例将其分为训练集（n=168）和验证集（n=73）,于训练集提取并筛选半傅立叶采集单次激发快速自旋回波（HASTE）及真实稳态进动快速成像（TrueFISP）序列图像的影像组学特征,构建预测PAS的影像组学模型,并以回归分析方法构建临床模型、影像组学模型及临床-影像组学模型。采用校准曲线和受试者工作特征（ROC）曲线分析模型的效能,以决策曲线分析（DCA）评估其临床实用性。结果 对各序列图像分别提取1 130个影像组学特征,经LASSO回归等处理后,各筛选出9个影像组学特征,用于构建预测PAS的HASTE及TrueFISP影像组学模型。ROC曲线显示,临床模型、HASTE影像组学模型及TrueFISP影像组学模型在验证集中诊断PAS的曲线下面积（AUC）分别为0.882、0.968和0.930（P均>0.05）;HASTE联合TrueFISP影像组学模型的AUC为0.990,高于临床（Z=-2.36,P=0.02）、HASTE影像组学（Z=-2.48,P=0.02）及TrueFISP影像组学模型（Z=-2.43,P=0.02）;临床-HASTE-TrueFISP影像组学模型的AUC为0.995,与HASTE联合TrueFISP影像组学模型差异无统计学意义（Z=-0.85,P=0.40）,高于HASTE或TrueFISP影像组学模型（Z=-2.64、-2.47,P均<0.05）。临床模型之外,各模型在验证集数据中的校准度均较好;阈值取0~0.6时,其在验证集的临床净获益均大于临床模型。结论 基于产前HASTE及TrueFISP序列图像的联合影像组学模型有助于准确预测PAS。     

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。     

基于增强CT放射组学预测肝细胞肝癌病理分级

目的 观察增强CT放射组学术前预测肝细胞肝癌（HCC）病理分级的可行性及价值。方法 回顾分析429例经手术病理证实的HCC患者，分为训练组（n=329）和测试组（n=100），记录其临床特征；提取动脉期（AP）及静脉期（VP）CT图像的放射组学特征，应用最小绝对值收敛和选择算子（LASSO）回归分析法对其进行降维，筛选最有价值的组学特征后，构建基于AP、VP、AP+VP图像特征的组学模型，计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC，采用10倍交叉验证训练选择最优组学预测模型，筛选对预测HCC病理分级有意义的临床特征后，构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线，评估其诊断能力。结果 联合组学模型最优，其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义（Z=8.58、3.24，P均<0.05）。测试组中，联合模型预测HCC病理分级的AUC值（0.70）与组学模型（0.69）和临床模型（0.63）差异均无统计学意义（P均>0.05）。结论 基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。     

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...