逐层匀场技术弥散加权成像评价膀胱癌

目的 对比基于逐层匀场技术弥散加权成像（iShim-DWI）与常规弥散加权成像（DWI）图像质量,评估iShim-DWI对膀胱癌的应用价值。方法 回顾性分析70例经手术病理证实的膀胱癌患者,依据TNM分期将其分为肌层浸润性膀胱癌（MIBC）组（n=34）和非肌层浸润性膀胱癌（NMIBC）组（n=36）,根据术后病理分级分为低级别尿路上皮癌组（n=38）和高级别尿路上皮癌组（n=32）。观察常规DWI和iShim-DWI图像质量的差异。测量iShim-DWI病灶表观弥散系数（ADC）,比较NMIBC组与MIBC组、高、低级别尿路上皮癌组ADC差异。以受试者工作特征（ROC）曲线评估ADC鉴别膀胱癌肌层浸润及高、低级别膀胱癌和T2WI、传统DWI及iShim-DWI诊断膀胱癌肌层浸润的效能。结果 2名医师对iShim-DWI图像的主观评分均高于传统DWI（P均<0.01）。NMIBC组ADC[1.12（1.06,1.18）×10^－3 mm²/s]大于MIBC组[0.81（0.75,0.83）×10^－3 mm²/s,Z=－6.79,P<0.01],ADC鉴别MIBC与NMIBC的AUC为0.97;低级别尿路上皮癌组ADC[1.13（1.06,1.17）×10^－3 mm²/s]大于高级别尿路上皮癌组[0.80（0.74,0.82）×10^－3 mm²/s,Z=－6.79,P<0.01],AUC为0.99。基于T2WI+常规DWI诊断膀胱癌肌层浸润的AUC均低于T2WI+iShim-DWI（P均<0.05）。结论 iShim-DWI有助于评估膀胱癌病理分级及肌层浸润,且图像质量优于常规DWI。     

MR体素内不相干运动成像评价膀胱尿路上皮癌病理分级及肌层侵犯

目的 探讨MR体素内不相干运动成像（IVIM）在膀胱尿路上皮癌病理分级及肌层侵犯中的应用价值。方法 将60例经手术及病理证实的膀胱尿路上皮癌患者分为低级别（LG）和高级别（HG）组、非肌层侵犯（NMIBC）和肌层侵犯（MIBC）组。比较组间IVIM参数[表观弥散系数标准值（ADC_st）、慢扩散系数（D）、灌注分数（f）和快扩散系数（D^*）,建立二元Logistic回归模型,计算IVIM参数两两组合的预测概率值;绘制IVIM参数及其组合预测概率值的ROC曲线,并评价其诊断效能。结果 HG组ADC_st、D和f值低于LG组（P均<0.05）,其ROC曲线下面积（AUC）分别为0.88、0.86、0.72（P均<0.01）;ADC_st和D、ADC_st和f、D和f组合预测概率值的AUC分别为0.91、0.90和0.88（P均<0.000 1）。MIBC组ADC_st、D和f值低于NMIBC组（P均<0.000 1）,其AUC分别为0.91、0.85和0.88（P均<0.000 1）;ADC_st和D、ADC_st和f、D和f组合预测概率值的AUC值均为0.93（P均<0.000 1）。结论 ADC_st、D和f值越低,提示膀胱尿路上皮癌病理分级越高,侵犯肌层可能性越大;IVIM多参数组合可提高诊断效能。     

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。     

CT图像纹理分析鉴别诊断磨玻璃密度肺腺癌的浸润性

目的 探讨CT图像纹理分析鉴别诊断表现为磨玻璃密度结节的肺腺癌浸润性的价值。方法 收集在我院接受肺部CT检查且手术病理证实为肺腺癌患者100例（浸润性腺癌56例,非浸润性腺癌44例）。随机选择69例为训练组,31例为验证组。使用A.K.（Analysis-Kinetics）分析软件进行影像特征提取;Kruskal-Wallis非参数检验和Spearman相关性分析进行特征降维;使用R语言软件包"GLM"函数,建立Logistic回归模型;以交叉验证方法对回归模型进行检验。采用ROC曲线评价独立预测因素的诊断效能。结果 影像特征提取得到396个影像组学特征,经降维最终得到与鉴别肺非浸润腺癌与浸润腺癌最相关的参数3个,建模后验证Logistic回归模型示其诊断准确率为83.30%,敏感度及特异度分别为77.80%、91.70%。结论 CT图像纹理分析可有效鉴别表现为磨玻璃密度结节肺腺癌的浸润性。     

CT影像组学列线图评估肺腺癌脏层胸膜侵犯

目的 建立CT影像组学列线图模型,观察其评估肺腺癌脏层胸膜侵犯(VPI)的价值。方法 回顾性分析183例经术后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=128)及验证集(n=55);根据有无VPI进一步分为浸润组和非浸润组。基于肺CT图像提取影像组学特征,构建影像组学评分(Rad-score)。以多因素logistic回归分析筛选训练集内组间差异具有统计学意义的影像学表现,构建常规模型,并结合Rad-score绘制列线图,对比观察其判断肺腺癌伴VPI的效能,以及列线图模型判断腺癌伴VPI结果与实际结果的一致性及其差异。结果 最终以8个影像组学特征构建Rad-score。多因素logistic回归分析显示,病灶存在分叶征、瘤内坏死、胸膜牵拉及Rad-score是判断肺腺癌伴VPI的独立因素(P均＜0.05)。以同时存在分叶征、瘤内坏死及胸膜牵拉为常规模型,结合Rad-score所绘制的列线图模型判断训练集与验证集肺腺癌伴VPI的AUC分别为0.875、0.865,优于常规模型在训练集的0.779、验证集的0.805,以及Rad-score模型在训练集的0.810和验证组的0.803,差异具有统计学意义(P均＜0.05)。校准曲线及Hosmer-Lemeshow检验结果均显示,列线图模型判断训练集及验证集肺腺癌患者伴VPI与实际结果的一致性良好(P均＞0.05)。结论 CT影像组学列线图模型判断肺腺癌伴VPI应用价值良好。     

11C-蛋氨酸PET/CT影像组学模型评估胶质母细胞瘤异柠檬酸脱氢酶1状态

目的 观察¹¹C-蛋氨酸(MET)PET/CT影像组学模型评估胶质母细胞瘤异柠檬酸脱氢酶1(IDH1)状态的价值。方法 回顾性分析157例接受¹¹C-MET PET/CT检查的胶质母细胞瘤患者资料,包括68例IDH1突变及89例野生型;按8 ∶ 2比例将其分为训练集(n=125)与验证集(n=32)。基于PET/CT图像勾画病灶ROI并提取、筛选影像组学特征,分别建立逻辑回归(LR)、支持向量机(SVM)及决策树(DT)影像组学模型;同时基于患者年龄及影像组学特征绘制列线图;对比观察影像组学模型及临床-影像组学列线图评估IDH1状态的效能。结果 DT影像组学模型评估训练集胶质母细胞瘤IDH1状态的曲线下面积(AUC)为0.910,大于LR(0.697)及SVM(0.698)模型(P均＜0.05)。验证集中,DT模型评估胶质母细胞瘤IDH1状态的AUC为0.805,大于LR模型(0.740)及临床-影像组学列线图(0.704)(P均＜0.05)。结论 基于DT的¹¹C-MET PET/CT影像组学模型有助于评估胶质母细胞瘤IDH1状态。     

临床、CT影像组学及融合模型预测肝细胞癌分化程度

目的 评价临床、CT影像组学及融合模型预测肝细胞癌（HCC）分化程度的可行性。方法 纳入330例HCC患者,根据病理所见分化程度分为高分化组（n=85）、中分化组（n=161）及低分化组（n=84）,比较组间临床资料及CT征象差异。按3∶1比例随机将各组分为训练集及测试集。提取训练集CT影像组学特征,构建临床模型、影像组学模型及融合模型。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评估各模型鉴别不同分化程度HCC的效能。结果 共纳入352个CT影像组学特征,109个来自高、中分化HCC,84个来自中、低分化HCC,159个来自高、低分化HCC。临床模型鉴别高、低分化HCC的AUC为0.85;CT影像组学模型鉴别高分化与中、低分化HCC的AUC分别为0.80及0.79;融合模型鉴别高、低分化HCC的AUC为0.88。结论 临床、CT影像组学及融合模型预测高、低分化HCC的效能均较高。CT影像组学模型可较好地预测高、中分化HCC。     

膀胱肿瘤与膀胱壁接触长度及角度预测肌层浸润性膀胱癌的价值

目的 探究常规超声检查中，膀胱肿瘤与膀胱壁接触长度(CL)及角度在预测肌层浸润性膀胱癌(MIBC)的作用。方法 回顾性分析经病理证实的140例膀胱癌患者，其中MIBC组41例，非肌层浸润性膀胱癌(NMIBC)组99例，比较组间超声特征差异。使用多因素回归分析筛选MIBC的独立危险因素并建立诊断模型。绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC),评价模型在膀胱癌侵袭性上的诊断效能。结果 MIBC组与NMIBC组相比，更常表现为多发、直径>3 cm(P<0.05)。MIBC组的病灶直径、CL、总角度(TA)、接触长度与肿瘤周长的比值(CL/C)显著高于NMIBC组(P<0.05)。多因素诊断模型预测肌层浸润AUC为0.816,灵敏度为0.788,特异度为0.727,独立危险因素包括TA≥188°、CL≥2.42 cm、CL/C≥0.42。结论 常规超声可作为术前评估膀胱癌肌层侵犯的初筛手段。发现肿瘤TA≥188°、CL≥2.42 cm、CL/C≥0.42时，应警惕肌层浸润性膀胱癌的可能。     

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分别为0.97和0.85，均优于CK5/6、Ki-67和影像组学标签。结论 基于MRI影像组学模型鉴别浸润性与非浸润性乳腺癌效果较好。     

磨玻璃结节样多灶性肺腺癌CT征象与病理对照

目的 探讨磨玻璃结节样多灶性肺腺癌（MLA）的CT征象并与病理结果进行对照。方法 收集16例（共36个病灶）经病理证实的MLA患者资料,并依据病理结果将病灶分为浸润前病变组（n=7）、微浸润腺癌组（n=20）、浸润性腺癌组（n=9）,对3组病灶的CT征象进行分析并与病理结果对照。结果 36个病灶中,圆形/类圆形19个（52.78%）,分叶征19个（52.78%）,毛刺征12个（33.33%）,空泡征13个（36.11%）,血管集束征12个（33.33%）,瘤肺界面清晰32个（88.89%）。浸润前病变组7个（7/7,100%）病灶均表现为纯磨玻璃结节;微浸润腺癌组12个（12/20,60.00%）病灶表现为纯磨玻璃结节,8个（8/20,40.00%）病灶表现为部分实性结节;浸润性腺癌组仅有1个（1/9,11.11%）病灶表现为纯磨玻璃结节,余8个（8/9,88.89%）病灶表现为部分实性结节。3组间纯磨玻璃结节、毛刺征、空泡征及血管集束征差异均有统计学意义（P均<0.05）。浸润前病变组与浸润性腺癌组间纯磨玻璃结节、毛刺征、血管集束征差异有统计学意义（P=0.001、0.003、0.001）;微浸润腺癌与浸润性腺癌毛刺征、空泡征及血管集束征差异有统计学意义（P=0.014、0.014、0.001）。结论 综合分析多发磨玻璃结节的CT征象,有助于术前诊断MLA。     

基于CT影像组学模型鉴别肾乏脂肪血管平滑肌脂肪瘤与均质肾透明细胞癌

目的 基于增强CT影像组学特征联合临床特征建立综合模型，验证其术前鉴别肾乏脂肪血管平滑肌脂肪瘤（fp-AML）与均质肾透明细胞癌（hd-ccRCC）的效能。方法 回顾性分析经病理证实的32例fp-AML与39例hd-ccRCC。在增强CT皮质期、实质期及排泄期图像手工勾画肿瘤ROI，提取影像特征，计算观察者间及观察者内组内相关系数（ICC），采用LASSO回归进行特征选择，通过Logistic多元回归分析构建回归方程，并计算皮质期、实质期、排泄期及三期联合的影像组学得分。通过Logistic多元回归分析建立综合模型，并绘制列线图。采用Hosmer-Lemeshow拟合优度检验评价列线图的拟合度，以ROC曲线分析检测列线图的鉴别效能，以决策曲线评价列线图鉴别fp-AML和hd-ccRCC的净获益。结果 自各期图像中提取出包括强度、形状、纹理、图像滤波在内共1 029个特征，对ICC均>0.75的特征进行LASSO选择，分别于皮质期、实质期、排泄期和三期联合获得6、6、5和7个有鉴别意义的特征，AUC分别为0.83[95%CI（0.73，0.92）]、0.80[95%CI（0.70，0.91）]、0.78[95%CI（0.68，0.89）]和0.86[95%CI（0.77，0.95）]。基于三期联合影像组学得分和临床特征的列线图的AUC为0.90[95%CI（0.81，0.99）]，以之术前鉴别fp-AML和hd-ccRCC可获得较满意的诊断净获益。结论 通过列线图表示基于增强CT影像组学特征联合临床特征建立的综合模型术前鉴别fp-AML与hd-ccRCC具有较高诊断效能，有助于术前定性诊断肾肿瘤。     

基于增强CT影像组学模型术前预测胰腺神经内分泌肿瘤病理分级

目的观察基于CT影像组学模型术前预测胰腺神经内分泌肿瘤(PNET)病理分级(G1和G2/3级)的价值。方法回顾性分析145例经病理证实的PNET,分为训练组91例、验证组54例,2组各自来源于同一医疗机构。基于训练组动脉期和门脉期CT图像提取PNET影像组学特征,以Pearson相关分析及ReliefF算法进行筛选;采用Logistic回归,针对差异有统计学意义的参数构建预测PNET病理分级的联合影像组学模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),以敏感度、特异度及准确率评估其诊断效能,并以验证组加以验证。结果基于训练组动脉期与门脉期CT图像构建的联合影像组学模型具有良好预测效能,AUC为0.86[95%CI(0.78,0.94)],截断值为0.63时,敏感度为78.95%,特异度为85.29%,准确率为81.32%。验证组预测PNET病理分级AUC为0.85[95%CI(0.75,0.95)],截断值为0.63时,敏感度为84.61%,特异度为75.00%,准确率为79.63%。结论基于增强CT图像构建的影像组学模型对于术前预测PNET病理分级具有一定价值。     

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...     

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。     

基于平扫CT的Logistic回归模型和朴素贝叶斯模型预测血肿扩大

目的 探究基于平扫CT的Logistic回归模型和朴素贝叶斯(NB)模型预测自发性脑出血早期血肿扩大(HE)的价值.方法 回顾性分析208例自发性脑出血患者的临床、初次CT扫描和24 h内随访CT资料,以随访CT显示血肿体积比例较前增加＞33％或体积差＞6 ml为HE,将患者分为HE组(86例)和非HE组(122例)....     

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。     

多层感知器模型预测纯磨玻璃结节肺腺癌浸润程度

目的 利用CT数据建立预测纯磨玻璃结节（pGGN）肺腺癌浸润程度的多层感知器（MLP）模型，并验证其诊断效能。方法 收集2015年1月—2018年10月393例接受手术治疗并经术后病理证实为肺腺癌或不典型腺瘤样增生（AAH）的pGGN患者（共442枚pGGN）作为训练集，建立MLP模型和二元Logistic回归模型。以2019年6月―8月89例接受手术治疗的pGGN患者（共100枚pGGN）作为验证集，利用受试者工作特征（ROC）曲线下面积（AUC）及模型预测准确率、敏感度及特异度评估其效能。结果 二元Logistic回归模型验证集的AUC、预测准确率、敏感度及特异度分别为0.799、0.820、0.683及0.915，而MLP模型验证集分别为0.869、0.880、0.805及0.932，MLP模型较二元Logistic回归模型绝对净重新分类改善指数（NRI）为6%（Z=3.473、P=0.001）。结论 所建MLP模型对预测表现为pGGN的肺腺癌中的IA具有较高准确率。