基于IQon Spectral CT平扫的影像组学在甲状腺结节良恶性诊断及鉴别诊断中的价值

目的：基于IQon Spectral CT平扫图像，通过影像组学联合机器学习方法，研究其在甲状腺良恶性结节诊断及鉴别诊断中的临床价值。方法：回顾性收集107例（161个结节）经病理证实的甲状腺结节患者CT平扫图像，应用RadCloud平台对影像学特征进行提取分析，采用k-NearestNeighbor(KNN)、支持向量机（SVM）和logistic回归（LR）分类器建立预测模型（分为训练组和测试组，训练组和测试组的比例为4∶1），并评价预测模型的性能。结果：KNN、SVM和logistic回归三种模型预测效能相当，其中SVM模型性能相对较优，预测模型的ROC曲线下面积为0.822(95%可信区间：0.750～0.890)，敏感度为77%，特异度为77%；在测试组中ROC曲线下面积为0.790(95%可信区间：0.640～0.940)，敏感度为71%，特异度为68%。结论：基于影像组学联合机器学习算法在甲状腺结节的良恶性鉴别诊断中具有显著的临床价值。     

基于CT影像组学的机器学习模型预测透明细胞肾癌的WHO/ISUP级别

目的 探讨基于三期CT图像的影像组学特征建立机器学习模型术前预测透明细胞肾细胞癌（ccRCC）WHO/ISUP核分级的价值。方法 回顾性收集2016年1月至2023年1月安徽医科大学第一附属医院经病理证实的236名ccRCC患者的3期（平扫期、皮髓质期、实质期）CT图像和临床病理资料。并按照7∶3的比例随机分为训练集和测试集,人工手动分割病灶后提取三期影像组学特征,并对提取得到的特征进行降维,筛选出最有价值的组学特征并用机器学习的方法建立3种机器学习模型,分别为逻辑回归（LR）、支持向量机（SVM）、随机森林（LR）。模型的诊断性能通过受试者工作特征曲线（ROC）及曲线下面积（AUC）来评估。结果 最终筛选得到15个有价值的特征用来构建模型,在测试集中3种机器学习模型的AUC值分别为0.797、0.753、0.761。结论 基于三期CT图像影像组学特征建立的机器学习模型在术前预测ccRCC的WHO/ISUP级别具有一定的价值。     

CT影像组学在甲状腺良恶性微小结节鉴别诊断中的价值

回顾性分析经手术病理学证实的203例甲状腺微小结节患者,其中甲状腺微小乳头状癌148例和微小结节性甲状腺肿55例,使用影像组学智能分析软件(AK)对甲状腺微小结节的CT平扫及增强图像进行组学分析,运用6种模型进行评估:Forest模型、SVM模型、KNN模型、Tree模型、Bayes模型及Logistic模型.获取不同模型对于甲状腺良恶性微小结节鉴别诊断的准确度、特异性、敏感度及AUC.平扫和增强扫描Forest模型诊断效能均最佳.平扫训练组诊断准确度99.3％、特异性97.9％、敏感度100％、AUC 0.999,测试组诊断准确度87.9％、特异性81.0％、敏感度91.1％、AUC 0.884.增强训练组诊断准确度100％、特异性100％、敏感度100％、AUC 1.000,测试组诊断准确度82.8％、特异性93.3％、敏感度71.4％、AUC 0.905.CT 影像组学 Forest模型对甲状腺微小结节的良恶性鉴别诊断具有一定的价值,平扫和增强CT影像组学分别具有较高的敏感度和特异性.     

基于增强CT的影像组学在直肠癌病理分级中的预测价值

目的 探索基于增强CT静脉期的影像组学在术前对直肠癌的病理分级中的预测价值。方法 选取2019年1月1日～2022年1月1日住院患者96例,所有患者均已通过术后病理确定病理分级,且在行增强CT检查前未进行手术、放疗及化疗等任何治疗。将增强CT静脉期影像图像及病例信息整理并集合,使用放射云平台管理影像数据,采用8∶2比例随机分为训练组和验证组。首先将大量的高维可采特征从已有的影像图像中提取,然后再筛选出最佳特征,利用K近邻(KNN)、支持向量机(SVM)、极值梯度提升(XGBoost)3个分类器,构建基于放射组学的模型,并采用验证方法提高模型的有效性。分别在训练组和验证组中使用ROC曲线来评估直肠癌病理分级预测的准确性。结果 使用LASSO方法从采集的影像图像中共提取1409个定量成像特征,并筛选出1个最优影像组学特征,进一步建立影像组学标签用于机器算法,用来鉴别低级别及高级别直肠癌。基于KNN,SVM,XGBoost 3个分类器,训练组的AUC值分别为0.88(95%CI:0.82-0.94),0.76(95%CI:0.59-0.93),0.89(95%CI:0.72-1.00),验证...     

整合影像组学和基因组学构建肾透明细胞癌肿瘤分级预测模型

目的 基于影像基因组学特征构建预测肾透明细胞癌(CCRCC)的肿瘤分级的机器学习模型，并挖掘CCRCC分级相关基因及其功能，为个体化精准医疗提供线索和潜在靶点。方法 以CCRCC为研究对象，共涉及197例样本，通过整合其影像组学及基因组学大数据，提取关键特征，构建机器学习模型预测CCRCC肿瘤分级。针对与CCRCC分级相关的关键特征基因进行功能富集分析，解析影响CCRCC进展的生物学功能。结果 通过影像组学特征与基因组学信息构建的机器学习模型均能有效地预测CCRCC分级。基于影像组学建立的模型其曲线下面积(AUC)为0.715 (95%CI:55.1%～87.8%)；基于差异表达的特征基因构建的预测模型AUC为0.856 (95%CI:73.2%～98%)；基于显著突变的特征基因构建的预测模型AUC为0.652 (95%CI:47.8%～82.5%)。相较于单一组学的模型，整合多组学构建的模型能更好地预测肿瘤分级(AUC=0.929,95%CI:84.1%～100%)。基因功能富集分析揭示WNT4可能通过调控信号通路、细胞分化通路参与CCRCC的发生发展。结论 基于影像基因组学的联合特...     

基于增强CT影像组学联合临床特征预测肝细胞癌病理分化程度的应用研究

目的 探讨增强CT影像组学模型联合临床特征对术前预测肝细胞癌(HCC)的病理分化程度的应用价值。方法 回顾性分析经手术切除或病理穿刺证实为HCC的196例患者的病理学及术前增强CT影像学资料。按照WHO标准将患者分为高分化组及中-低分化组,按照7:3比例将患者随机分为训练组(137例)和验证组(59例),保存增强CT动脉期(AP)、静脉期(VP)及延迟期(DP)影像学图像,在医准-达尔文科研平台中提取并筛选各期图像的影像组学特征,应用“最大值归一化法、最优特征筛选、最小绝对收缩和选择算子(LASSO)回归”进行降维、筛选,构建动脉期+静脉期、动脉期+延迟期、静脉期+延迟期及三期联合的影像组学模型。应用单因素及多因素分析方法从临床资料中筛选具有统计学差异的危险因素并建立临床模型。用逻辑回归(Logistic)方法分析影像组学模型、临床模型及影像组学联合临床模型,使用受试者工作特征曲线(ROC)评估各模型预测肝癌病理分化程度的效能,并计算曲线下面积(AUC)、准确度、特异度及敏感度等。结果 1.在影像组学模型中,三期联合模型预测肝癌病理分化程度效能最佳,训练组及验证组曲线下面积(AUC)分...     

CT影像组学联合临床特征在预测肺腺癌EGFR突变中的价值

目的探究CT影像组学联合临床特征对肺腺癌EGFR突变状态的预测效能。方法对125例肺腺癌病人进行回顾性研究,分成训练组（n=74）与验证组（n=51）,基于CT成像提取影像组学特征;采用支持向量机（SVM）分类器,分别构建临床模型、影像组学模型以及联合模型;受试者工作特征曲线（ROC）及曲线下面积（AUC）用于评价模型的预测效能。结果临床模型、影像组学模型以及联合模型在训练组中的AUC分别为0.749（0.653~0.843）、0.818（0.711~0.898）、0.860（0.760~0.930）,在验证组中的AUC分别为0.753（0.612~0.863）、0.797（0.661~0.896）、0.855（0.728~0.938）。结论对于肺腺癌EGFR突变状态的预测,CT影像组学特征优于临床因素与CT征象,当影像组学结合临床因素与CT征象,能进一步提高预测效能。     

基于CT影像组学对食管鳞状细胞癌病理分化程度的预测

目的：探讨CT影像组学在预测食管鳞状细胞癌分化程度中的价值。方法：回顾性分析2008年1月到2016年8月经手术病理切片证实为食管鳞状细胞癌,临床资料完善和术前行CT增强扫描并获得完整图像的160例,随机分成训练集(103例)和验证集(57例),运用Matlab软件对图像进行特征提取并进行筛选,建立影像组学标签。结合获得的影像组学标签和临床资料建立多变量logistic回归分析,建立影像组学模型(radiomics predictive mode)并进行验证。运用受试者操作特征(receiver operator characteristic,ROC)曲线评价模型术前预测食管鳞状细胞癌分化程度的效能。结果：影像组学标签为食道癌病理分化程度显著的独立预测因素。影像组学预测模型在训练组中的曲线下面积(area under curve,AUC)值为0.791,敏感度为81.6%,特异度为72.3%;在验证集中的AUC值为0.757,敏感度为70.0%,特异度为73.0%。结论：基于CT影像提取的影像组学特征构建的模型,对于术前预测食管癌分化程度具有一定的效能。     

Fisher判别模型在肾透明细胞癌多层螺旋CT征像及病理学WHO/ISUP分级中的价值

目的 探讨基于术前多层螺旋CT(MSCT)检查结果及术后病理世界卫生组织/国际泌尿病理学会(WHO/ISUP)分级资料建立肾透明细胞癌(CCRCC)术前病理分级Fisher判别模型的临床应用价值.方法 收集2017年5月至2020年5月浙江中医药大学附属第二医院行手术治疗的53例CCRCC患者术前MSCT影像,包括肿瘤...     

多层螺旋CT对肾透明细胞癌的诊断及鉴别诊断价值

目的探讨肾透明细胞癌多层螺旋CT的影像特征及与其他亚型的鉴别方法。方法回顾性分析2008年1月~2015年6月61例肾癌患者的CT图像,分成透明细胞癌组和非透明细胞癌组。比较两组增强幅度与肿瘤的大小、有无钙化、囊变、坏死和肿瘤的扩散状况(肾包膜、静脉及淋巴结转移)情况。结果平扫肾透明细胞癌组CT值和非透明细胞癌组CT值差异无统计学意义(P0.05)。而皮质期和髓质期的透明细胞癌的CT值显著高于非透明细胞癌(P0.05)。结论肿瘤的增强程度是鉴别肾透明细胞癌和非透明细胞癌最有价值的参数,而肿瘤的大小、有无钙化、囊变、坏死和肿瘤的扩散状况对鉴别有一定的作用。     

CT诊断肾少脂肪血管平滑肌脂肪瘤与透明细胞癌的临床价值探析

目的:研究CT诊断肾少脂肪血管平滑肌脂肪瘤(AML)与透明细胞癌(CCRCC)的临床价值。方法:选择90例肾病患者,其中47例肾少脂肪血管平滑肌脂肪瘤患者,43例透明细胞癌患者,利用CT扫描重新进行诊断。探析CT技术对这两种肾病的鉴别诊断以及临床价值。结果:CT对肾少脂肪血管平滑肌脂肪瘤与透明细胞癌准确诊出率均很高,且病灶钙化常见于透明细胞癌,少见于肾血管平滑肌脂肪瘤;肾血管平滑肌脂肪瘤的CT平扫密度高于透明细胞癌;肾血管平滑肌脂肪瘤的强化程度低于透明细胞癌。结论:诊断中注意病灶钙化、CT平扫密度值以及细胞强化程度,将使得CT诊断更具有临床价值,更值得临床推荐。     

基于MRI影像组学列线图预测脑膜瘤术后脑水肿分级的价值

目的 探究基于多序列MRI影像组学列线图预测脑膜瘤术后脑水肿严重程度的临床应用价值。方法 回顾性分析2019年1月至2022年4月在蚌埠医学院第一附属医院经手术病理证实为脑膜瘤患者170例的术前MRI图像、术后CT图像及临床资料,轻度脑水肿患者101例、重度脑水肿患者69例。随机的将病例按照7:3分为训练组(119例)和验证组(51例)。采用医准-达尔文AI平台获得T₁WI、T₂WI及T₁WI+C图像的10个影像组学特征。根据最大绝对值归一化和选择算子回归进行特征降维、最优特征筛选(个数)最后采用逻辑回归建立模型,在此模型基础上绘制列线图。三种不同模型预测脑膜瘤术后水肿程度的诊断效能用特征曲线(ROC)下的面积(AUC)评估。结果 基于临床特征构建的临床模型、基于影像特征构建的影像模型及联合临床资料和影像特征构建的临床-影像组学模型在训练组和验证组的AUC均大于0.80,具有一定的预测效能。其中基于临床资料和影像特征构建的临床-影像组学模型在训练组(AUC=0.90)和验证组(AUC=0.91)均高于临床模型和影像组学模...     

CT影像组学识别非酒精性脂肪性肝炎的应用研究

目的 构建并验证基于CT的全肝影像组学模型用于识别非酒精性脂肪性肝炎（non-alcoholic steatohepatitis,NASH）。方法 回顾性选取2018年6月至2022年12月浙江省人民医院收治的122例非酒精性脂肪性肝病患者,其中NASH患者52例。将纳入患者按7：3比例随机分为训练组（n=85）和测试组（n=37）,选取每例患者的肝脏平扫图像提取影像组学特征,对训练组提取的特征进行降维并建立影像组学标签,之后联合相关临床特征构建联合预测模型用于识别NASH患者,使用受试者操作特征曲线及测试组数据评估模型的诊断效能。结果 联合预测模型基于年龄和影像组学标签构建,该模型在训练组和测试组中识别NASH患者的诊断效能分别为0.899和0.880,特异性分别为91.2%和88.1%,敏感度分别为86.7%和88.2%。校准曲线在训练组和测试组中也显示出良好的校准性能。结论 基于肝脏CT的影像组学模型可定量评估NASH,有望为临床提供一种无创性评价工具。     

基于术前CT影像组学列线图可预测Ⅰ～Ⅲ期肾透明性细胞癌术后复发

目的 探讨Ⅰ~Ⅲ期肾透明细胞癌术后复发的术前CT影像组学特征并构建列线图,以期为肾癌个体化治疗提供参考。方法 回顾性收集256例（训练集175例,测试集81例）肾透明细胞癌患者的临床病理及 CT 资料。利用 ITK-SNAP 软件和PyRadiomics计算平台对肿瘤的容积图像进行分割和特征提取。训练集中,基于lasso-CV算法进行特征筛选,并计算影像组学评分Rad_score;利用单因素和多因素逻辑回归分析筛选临床病理及CT特征为Clinic因素;构建Rad_score、Clinic、Rad_score+Clinic列线图,并在测试集中进行验证。评估列线图的辨别度和校准度,应用决策曲线分析评估其临床应用价值。结果 6个影像组学特征最终用于计算Rad_score。Clinic因素为KPS评分、血小板、钙化和TNM临床分期。在辨别度方面,Rad_score+Clinic列线图的效能（训练集AUC 0.84,测试集AUC 0.85）显著高于Rad_score列线图（训练集AUC 0.78,P=0.029;测试集AUC0.77,P=0.025）和 Clinic列线图（训练集AUC 0.77,P=0.014,测试集AUC 0.77,P=0.011）。校准度方面,Rad_score+Clinic列线图拟合优度检验为训练集P=0.065,测试集P=0.628。决策曲线分析显示,加入Rad_score后的Rad_score+Clinic列线图比单纯Clinic列线图应用价值高。结论 基于术前CT影像组学特征的列线图预测Ⅰ~Ⅲ期肾透明细胞癌术后复发有较高的效能,可为肾癌个体化治疗提供参考。     

基于增强CT不同影像组学模型术前预测食管鳞状细胞癌分化的应用

目的采用增强CT图像、不同机器学习模型建立食管鳞状细胞癌术前病理分化的影像组学模型,探讨影像组学模型术前预测食管鳞状细胞癌分化的可行性及价值。方法回顾性分析172例术后病理结果为食管鳞状细胞癌病例,分为分化良好组和分化不良组。将其增强CT图像以DICOM格式导入医准-达尔文系统,按3∶1随机分为训练集和测试集,提取静脉期CT图像的影像组学特征,应用最小最大值归一化法、最优特征筛选和最小绝对收缩和选择算子(LASSO)回归对其进行降维、筛选,分别构建支持向量机、随机森林和Logistic回归模型,利用5倍交叉验证对三种模型进行训练,绘制三种模型训练集和测试集ROC曲线,评估其诊断效能。结果三种影像组学模型的AUC均大于0.7,支持向量机模型AUC最高,AUC为0.88。不同分化组的临床炎性指标差异无统计学意义(P0.05)。训练集和测试集临床特征差异无统计学意义(P0.05)。结论基于增强CT三种影像组学模型可用于术前预测食管鳞状细胞癌病理分化程度。     

CT影像特征及影像组学在肺部淋巴瘤与肺浸润性黏液腺癌诊断中的应用

目的 探讨CT影像特征及影像组学鉴别诊断肺部淋巴瘤与肺浸润性黏液腺癌(PIMA)的价值。方法回顾性纳入2016年1月-2022年1月湖北省中西医结合医院收治的37例肺淋巴瘤(淋巴瘤组)和68例PIMA(PIMA组)患者,按7:3随机分为训练组73例(淋巴瘤27例,PIMA46例)和验证组32例(淋巴瘤12例,PIMA20例),分析各组临床、影像学资料,并提取影像组学特征,利用LASSO十折交叉验证进行特征选择,建立联合模型,绘制受试者工作特征(ROC)曲线检验CT影像特征及影像组学特征模型对肺淋巴瘤和PIMA的鉴别效能。结果 训练组中淋巴瘤组的空气支气管征、支气管扩张及胸腔积液检出率均高于PIMA组,差异有统计学意义(P<0.05);验证组中淋巴瘤的空气支气管征、支气管扩张检出率高于PIMA组,差异有统计学意义(P<0.05);保留空气支气管征、支气管扩张及胸腔积液建立CT影像特征模型,训练组ROC曲线下面积(AUC)=0.886,验证组AUC=0.792;保留5个最佳特征子集构建CT影像组学特征模型,训练组AUC=0.889,验证组AUC=0.842;联合模型训练组AUC...     

MRI影像组学预测肝外胆管癌腹部淋巴结转移价值研究

目的 探讨MRI影像组学术前预测肝外胆管癌患者淋巴结转移的价值。方法 回顾性分析63例肝外胆管癌患者的MRI图像，按8∶2随机将淋巴结分为训练组(n=65)及验证组(n=16)。利用飞利浦ISD软件于轴位DWI图像手动勾画局部淋巴结的三维感兴趣区，并复制到对应的ADC图上，利用RyRadiomics软件包提取影像组学特征。采用皮尔逊相关系数及Kruskal-Wallis算法筛选出30种最佳影像组学特征，使用支持向量机建立影像组学模型。利用受试者工作特征曲线评价模型预测效能。结果 良、恶性淋巴结的短径(P=0.009)、长径(P=0.002),差异有统计学意义；最终14种影像组学特征参与建立MRI影像组学模型，影像组学模型在训练集及测试集中曲线下面积分别为0.895及0.917。结论 基于淋巴结本身的MRI影像组学模型能较好地预测肝外胆管癌患者的淋巴结转移，有助于指导临床选择精准淋巴结清扫范围并改善患者预后。     

基于靶扫描CT影像组学对磨玻璃样肺腺癌浸润程度的预测价值

目的 探讨基于靶扫描CT影像组学及形态学征象预测磨玻璃样肺腺癌浸润程度的价值。方法 回顾性分析2020年1月-2022年4月浙江省嘉兴市中医医院经病理证实的147例磨玻璃结节患者(151个磨玻璃结节,其中AIS 17例,MIA 59例,IAC 75例)的术前靶扫描CT图像,随机7:3划分为训练组及验证组。评估结节的一般临床资料及靶扫描CT形态学征象并通过Logistics回归建立临床模型;通过软件获取病灶的影像组学特征,采用LASSOLogistics算法建立影像组学模型。采用受试者工作特征曲线下面积(AUC)评估两种模型的性能。结果 联合患者的年龄、病灶的大小、毛刺征、分叶征、胸膜牵拉征构建的临床模型在训练组及验证组AUC分别为0.878(95%CI:0.808-0.941)、0.955(95%CI:0.887-0.994);通过12个CT靶扫描影像组学特征建立的影像组学模型在训练组及验证组AUC分别为0.984(95%CI:0.964-0.997)、0.932(95%CI:0.851-0.988)。结论 靶扫描CT影像组学模型及CT形态学征象模型都可以有效的预测磨玻璃样肺腺癌的浸润...     

肾透明细胞癌患者肿瘤组织中CD146 mRNA的表达及意义

目的探讨肾透明细胞癌( CCRCC)患者肿瘤组织中CD146 mRNA的表达及意义。方法用ELISA法定量检测CD146蛋白含量及Real-Time PCR技术检测102例CCRCC患者肿瘤组织中CD146 mRNA的表达,并以51例肾脏良性病变患者手术正常肾组织作为对照。结果发现存在转移的CCRCC患者, CD146蛋白浓度与对照组比较差异有统计学意义(F =52.1,P <0.01),CD146 mRNA 的平均表达值(0.0438±0.0024)明显高于原位CCRCC患者(0.0382±0.0011,P=0.018)和对照组患者(0.0344±0.0010,P=0.001)。结论 CD146 mRNA表达上调与CCRCC的病理分级及淋巴结转移相关,有望成为评判CCRCC恶性程度、转移潜能及预后的一个新指标,为临床的干预性治疗提供可靠±据。     

18F-FDG PET/CT影像组学预测晚期非小细胞肺癌化疗预后的价值

目的：探讨¹⁸F-FDG PET/CT影像组学特征预测晚期非小细胞肺癌(non-small cell lung cancer,NSCLC)化疗预后的价值。方法：本项目回顾性研究了146例治疗前行¹⁸F-FDG PET/CT检查的Ⅲ期、Ⅳ期NSCLC病例，全部病例在PET/CT检查后都进行了规范化化疗，按8∶2比率将病例随机分为训练组和测试组，并提取影像组学特征。在训练组中应用最小绝对收缩和选择算子(LASSO)算法和Cox风险比例回归模型分别筛选预测无进展生存(Progression-free survival,PFS)的影像组学特征和临床特征，分别建立影像组学模型、临床模型及二者结合的复合模型，计算影像组学评分(Rad-score)、临床评分及复合评分，并在测试组中进行检验。结果：LASSO算法最终筛选出4个影像组学特征，ROC结果表明：影像组学模型在训练组中预测PFS的AUC为0.746，测试组AUC为0.622。COX多因素分析共纳入了3种与PFS相关的临床特征，分别是病理类型、临床分期及MTV30。临床模型、影像组学模型及复合模型预测...