基于增强CT影像组学模型预测食管癌患者放化疗完全缓解后肿瘤复发的价值

目的：探讨基于术前平扫期、动脉期和静脉期CT影像所构建的影像组学模型用于预测食管癌患者放化疗完全缓解后肿瘤复发的价值。方法：回顾性收集2013年6月—2019年6月我院接受放化疗治疗的食管癌患者，达到完全缓解后且通过定期复查和随访确认肿瘤复发情况。最终入组77例患者并随机分为训练组（38例无复发和11例复发）和验证组（19例无复发和9例复发）。所有患者均在治疗前2周进行增强CT扫描，分别提取平扫期、动脉期和静脉期的食管癌病灶组学特征参数，采用最小绝对收缩和选择算子（LASSO）回归进行数据降维筛选关联特征，通过逻辑（Logistic）回归方法构建预测模型并利用并以受试者工作特征（ROC）曲线和决策（DCA）曲线评估模型效能。结果：通过特征降维在平扫期、动脉期和静脉期内分别筛选出4个、5个和5个组学特征用于建模。基于平扫期、动脉期、静脉期CT影像构建的预测模型在训练组中取得的曲线下面积（AUC）分别为0.806、0.952和0.959；在验证组中取得的AUC分别为0.708、0.930和0.918。决策曲线分析结果表明基于动脉期和静脉期CT影像的组学模型相比于基于平扫期CT影像的组学模型...     

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。     

基于磁共振影像组学列线图预测中晚期鼻咽癌放化疗疗效

目的 探讨基于多模态磁共振的影像组学特征结合临床信息构建的列线图在中晚期鼻咽癌临床放化疗疗效中的预测价值。方法 回顾性分析160例经病理证实为鼻咽癌的初诊患者的影像及临床资料。按照7:3的比例将患者分为训练组(n=112)与验证组(n=48)。在训练组提取T2加权脂肪抑制序列、T1加权增强序列和弥散加权成像序列图像的影像组学特征,经过最小绝对收缩和选择算子数据降维,筛选出最有效的特征构建影像组学预测模型。纳入相关的临床信息,利用Logistic逻辑回归,筛选最有价值的临床信息并构建临床信息模型;联合临床信息模型与组学特征模型构建联合模型,并构建列线图。通过ROC曲线及曲线下面积来评估各模型的诊断效能,通过决策曲线分析和校正曲线评估列线图的临床应用价值。结果 联合2项临床信息和9项影像组学特征构建的临床-影像组学模型在训练组和验证组的曲线下面积分别为0.852(95%CI:0.765～0.940)、0.736(95%CI:0.574～0.898),显示出良好的预测效能。结论 基于多模态磁共振的影像组学列线图在预测中晚期鼻咽期临床放化疗疗效中具有可行性,具有较好的临床应用价值。     

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。     

术前静脉期CT影像组学列线图预测喉鳞癌患者预后

目的：研究增强CT影像组学术前预测喉鳞癌术后复发的价值。方法：收集本院64例经术后病理证实为喉鳞癌的患者作为训练组;将TCGA数据库中下载的39例患者作为验证组,基于患者术前CT增强静脉期图像,利用3D-slicer软件提取喉鳞癌全域影像组学特征。在训练组中,应用单因素COX及LASSO回归确定复发相关的最佳组学特征,构建影像组学风险评分对喉鳞癌患者预后分层;基于多因素COX回归构建预测1年、3年无进展生存的列线图。采用受试者工作特征曲线（ROC）评估影像组学风险评分的诊断效能。最后采用相同阈值对验证组患者进行模型验证。结果：训练组确定4个影像组学特征与复发显著相关,构建影像组学评分模型,Kaplan-Meier曲线显示训练组和验证组低风险组（组学评分<0.7）无进展生存时间均显著长于高风险组（P<0.001,P=0.025）。多因素COX回归研究表明影像组学评分是喉鳞癌术后复发的独立危险因素。在训练组中列线图预测喉鳞癌患者三年术后无进展生存C指数为0.816,影像组学模型C指数为0.795。在验证组中列线图C指数为0.858,影像组学模型C指数为0.795。结论：基于术前...     

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。     

基于CT平扫影像组学模型预测食管癌淋巴结转移

目的 评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法 回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3 ∶ 1将其分为训练组（包括201例无淋巴结转移和75例淋巴结转移）和验证组（67例无淋巴结转移和25例淋巴结转移）。自胸部CT中提取食管癌病灶的影像组学特征,并以最小绝对收缩和选择算子（LASSO）回归进行降维,筛选与食管癌淋巴结转移关联度高的特征;采用支持向量机构建预测淋巴结转移的影像组学模型,并以受试者工作特征（ROC）曲线分析模型的诊断效能。结果 共提取1 046个组学特征参数,经LASSO降维筛选出11个特征参数用于建立预测淋巴结转移模型。影像组学模型预测训练组淋巴结转移的曲线下面积（AUC）为0.84,敏感度为84.00%,特异度为75.12%,准确率为77.54%;于验证组的AUC为0.82,敏感度为80.00%,特异度为77.61%,准确率为78.26%。结论 术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移具有较高价值。     

基于MRI影像组学预测肝泡型包虫病边缘微血管侵犯

目的 评估基于MR T2WI影像组学模型预测肝泡型包虫病（HAE）病灶边缘微血管侵犯的价值。方法 回顾性分析89例经术后病理证实的HAE患者,其中32例病灶边缘存在微血管侵犯、57例无侵犯。提取病灶MR T2WI影像组学特征,以方差阈值法和单变量选择法筛选最优特征,以随机森林（RF）、极限梯度增强树（XGBoost）和逻辑回归（LR）三种分类器构建预测HAE病灶边缘微血管侵犯的机器学习（ML）模型。按8：2比例将患者分为训练集（n=70）和测试集（n=19）,验证模型的预测效能;绘制受试者工作特征（ROC）曲线,计算其曲线下面积（AUC）。结果 共提取1 409个影像组学特征,经特征降维选出7个最优影像组学特征,并以之构建模型。ROC曲线显示,XGBoost模型在训练集及测试集中的AUC分别为0.96和0.89。结论 基于MR T2WI影像组学XGBoost模型可有效预测HAE病灶边缘微血管侵犯。     

高频超声声像图特征评价慢性乙型肝炎患者病理肝纤维化的研究

【【摘要】 目的：分析慢性乙型肝炎所致不同程度肝纤维化的高频超声声像图特征,探索高频声像图特征积分对慢性乙型肝炎肝纤维化的诊断价值。 方法：回顾2015年1月至2017年10月于华西医院就诊的慢性乙型肝炎患者高频超声检查资料,根据声像图特征肝脏包膜及实质回声不同表现进行赋值,并对同一研究对象肝脏包膜及肝脏实质回声进行分值叠加作为高频超声综合积分。以肝脏纤维化病理分期作为金标准,按照Scheuer国际通用肝纤维分期评估方案进行。通过有序回归分析评估高频超声声像图积分赋值的合理性。采用Spearman相关系数评价肝脏高频声像图特征积分与肝脏病理纤维化分期之间的相关关系。通过受试者操作特征（Receiver operating characteristic,ROC）曲线评估肝脏高频超声对慢性乙型肝炎纤维化的诊断价值。 结果：本研究最终纳入1795例慢性乙型肝炎患者,肝脏高频声像图特征诊断肝纤维化的曲线下面积较大,高频声像图赋值叠加作为综合积分对各期肝纤维化诊断效能均为最高,尤其是诊断重度肝纤维化及肝硬化。高频声像图叠加综合积分4分及以上肝硬化可能性大,综合积分3分重度肝纤维化可能性大,综合积分2分及以下肝脏纤维化程度较轻。 结论：肝脏高频声像图特征积分诊断慢性乙肝肝纤维化具有可行性,叠加综合积分诊断效能高于单一声像图特征指标。高频超声成像可无创且较准确诊断慢性乙肝肝纤维化,值得进一步研究和临床应用推广。 】     

超声造影与剪切波弹性成像评估慢性乙型肝炎肝纤维化的对比研究

目的探讨超声造影与剪切波弹性成像(SWE)在慢性乙型肝炎(CHB)肝纤维化评估中的应用价值。方法选取我院行肝穿刺活检的CHB患者120例,根据活检结果分为无纤维化组(S0期)18例、肝纤维化组(S1~S3期)73例、肝硬化组(S4期)29例。应用超声造影获取各组肝动静脉渡越时间(HAVTT1和HAVTT2)值,SWE检查获得肝脏弹性测值;应用受试者工作特征(ROC)曲线分析各检测指标预测肝纤维化及肝硬化的诊断效能。结果随着肝纤维化分期提高,HAVTT1、HAVTT2逐渐缩短,肝脏弹性测值逐渐增大;HAVTT1、HAVTT2及肝脏弹性测值在无纤维化组、肝纤维化组及肝硬化组之间两两比较差异均有统计学意义(均P<0.05)。ROC曲线分析显示,HAVTT1、HAVTT2诊断肝纤维化及肝硬化的曲线下面积分别为0.870、0.851和0.889、0.856,肝脏弹性测值诊断肝纤维化及肝硬化的曲线下面积为分别为0.953、0.898;肝脏弹性测值的诊断效能明显优于HAVTT1及HAVTT2,差异均有统计学意义(均P<0.05)。结论应用SWE技术获取的肝脏弹性值对CHB患者肝纤维化及肝硬化的诊断优于超声造影。     

肺结节超高分辨率CT靶扫描影像组学联合机器学习在原位腺癌与微浸润腺癌鉴别中的价值

目的 基于肺结节超高分辨率CT(UHRCT)靶扫描影像组学特征,分别采用Logistic回归（LR）和支持向量机（SVM）构建机器学习模型,以鉴别磨玻璃结节（GGN）中的原位腺癌（AIS）和微浸润腺癌（MIA）。方法 回顾性分析手术病理证实肺腺癌的198例患者（AIS 56例;MIA 142例）,按分层抽样将患者随机分为训练组（n=138）和验证组（n=60）。手动分割GGN,从中提取影像组学特征。采用最小冗余最大相关性算法和套索算法对影像组学特征进行降维,分别使用LR和SVM构建预测模型。采用受试者操作特征（ROC）曲线评价模型的预测性能。结果 在训练组中,LR和SVM曲线下面积（AUC）分别为0.787(95%CI:0.712～0.863)和0.896(95%CI:0.842～0.951)。在验证组中,LR和SVM的AUC分别为0.824(95%CI:0.713～0.936)和0.839(95%CI:0.734～0.945)。结论 基于肺结节UHRCT靶扫描影像组学结合机器学习能较好鉴别AIS与MIA,为患者GGN个性化分析提供潜在方法。     

高频超声评价慢性乙型肝炎患者肝纤维化的研究

目的总结慢性乙型肝炎所致不同程度肝纤维化的高频超声图像特征,探索高频声像图特征赋值对慢性乙型肝炎肝纤维化的诊断价值。方法回顾性分析1795慢性乙型肝炎患者高频超声图像资料,根据肝脏包膜、实质回声特征进行赋值,将同一患者肝脏包膜及肝脏实质回声进行分值叠加作为高频超声综合积分。以肝纤维化病理分期作为金标准,通过有序回归分析评估高频各声像图特征赋值的合理性。Spearman相关分析评价肝脏各高频声像图特征赋值与肝纤维化分期间的关系。绘制受试者工作特征曲线评估各声像图特征赋值对慢性乙型肝炎肝纤维化的诊断效能。结果 1795例慢性乙型肝炎患者中,肝纤维化病理分期:S0期9例,S1期73例,S2期268例,S3期605例,S4期840例。各声像图特征赋值中,以高频超声综合积分与肝纤维化分期相关系数最好,为0.745(P0.05)。高频超声综合积分评价肝纤维化(病理分期≥S3)和肝硬化(病理分期S4)的曲线下面积分别为0.920(95%可信区间:0.906～0.932)和0.881(95%可信区间:0.866～0.896),均优于肝脏包膜赋值和肝实质回声赋值(均P0.05)。高频超声综合积分≥4分者肝硬化可能性大;综合积分3分者重度肝纤维化可能性大;综合积分≤2分者肝纤维化程度较轻。结论肝脏高频超声综合积分对慢性乙型肝炎肝纤维化的诊断效能高于单一声像图特征赋值;高频超声可无创准确地诊断慢性乙型肝炎肝纤维化。     

基于CT增强图像纹理特征预测可切除胃癌患者预后

目的 探讨基于术前CT增强图像纹理特征预测可切除胃癌患者预后的价值。方法 回顾性分析197例经手术病理确诊胃癌患者，随机分为训练组（n=147）和验证组（n=50）。于术前CT增强门静脉期图像中提取90个病灶三维定量特征，采用组间相关系数（ICC）从中选择可重复性好者，以LASSO COX回归模型进行降维并筛选出与患者总生存时间（OS）相关特征，建立影像标签，对2组患者进行分类，根据标签分数的中位数值分为高危组和低危组，观察组间OS差异，分析临床、病理特征及影像纹理特征标签与患者预后的关系。构建融合纹理特征标签和临床病理特征的诺莫图，评价其预测胃癌患者预后的效能；绘制决策曲线，评价其临床价值。结果 经筛选获得2个与患者OS相关的CT纹理特征并以之建立影像标签。训练组（χ²=9.25）和验证组（χ²=8.49）中，高危组和低危组患者OS差异均有统计学意义（P均<0.01）。影像标签及TNM分期为胃癌的独立危险因素。影像标签预测训练组和验证组患者3年OS的AUC分别为0.72（P=0.02）和0.67（P=0.07），融合影像标签和TNM分期的诺莫图模型预测3年OS的AUC分别为0.78和0.81（P均<0.01）。阈值为0.13~0.59时，诺莫图模型的净获益高于单独影像标签。结论 基于CT增强图像纹理特征建立的影像标签可用于胃癌患者术后危险分层；联合病理特征构建的纹理诺模图模型有助于预测患者预后。     

肝组织应变参数无创性诊断肝纤维化的可行性研究

目的介绍一种由肝组织二维灰阶超声视频分析获得的应变参数,并评价其诊断慢性乙型肝炎肝纤维化的可行性。方法 27例慢性乙型肝炎患者(慢性肝病组)及8例肝右叶囊肿患者(对照组)纳入本研究,采集每位患者平静呼吸时剑突下肝组织纵切面上的二维灰阶超声视频,分析视频获得肝组织的最大累积呼吸应变值(MARS)。以肝组织活检诊断的肝纤维化病理分期作为诊断标准,应用受试者特征曲线(ROC)评价MARS诊断慢性乙型肝炎肝损害的价值。结果对照组与慢性肝病组的MARS值分别为(29.44±10.44)%及(16.70±6.60)%。经独立样本t检验,前者明显高于后者(P=0.008)。以MARS诊断肝纤维化S≥S1及S=S4,ROC曲线下面积分别为0.889及0.741。结论基于灰阶超声视频分析的MARS可以无创性诊断肝纤维化,是一种新颖、经济及可行的方法。     

二维剪切波成像诊断慢性乙型肝炎肝纤维化不同取值方法的对比研究

目的探讨二维剪切波弹性成像诊断慢性乙型肝炎肝纤维化测量数据最佳取值方法。方法分析175例慢性乙型肝炎肝纤维化患者二维剪切波弹性成像肝脏弹性测值,以肝穿刺结果为诊断标准,比较采用均值和中位数两种不同测量数据的取值方法对慢性乙型肝炎肝纤维化分期的诊断价值。结果以均值为取值方法诊断显著性肝纤维化、严重肝纤维化和肝硬化的受试者工作特征曲线下面积分别为0.916、0.939和0.950,以中位数为取值方法分别为0.913、0.936和0.943,以均值为取值方法的受试者工作特征曲线下面积均稍高于以中位数为取值方法,但两者无显著性差异(均P0.05)。结论建议采用测量数据的均值作为检查结果诊断慢性乙型肝炎肝纤维化分期。     

实时二维剪切波弹性成像对慢性乙型肝炎患者≥S2期肝纤维化的评估

目的探讨实时二维剪切波弹性成像(2D-SWE)技术诊断慢性乙型肝炎患者≥S2期肝纤维化的应用价值。方法选取2013年1月至2015年12月在宁波市鄞州第二医院就诊的慢性乙型肝炎患者595例,均行2D-SWE及超声引导下穿刺活检,以病理结果为"金标准",分析弹性模量值与肝纤维化病理分期之间的相关性,采用受试者工作特征(ROC)曲线分析2D-SWE诊断≥S2期肝纤维化的效能。2位不同年资的医师盲法检测同一患者肝脏硬度弹性模量值,采用组内一致性检验(ICC)评价测量值的重复性。结果肝纤维化S0~S4期的弹性模量值分别为(5.6±0.7)k Pa、(6.5±0.9)k Pa、(8.4±2.1)k Pa、(11.6±3.6)k Pa、(14.8±3.7)k Pa,组间比较差异有统计学意义(F=181.370,P0.01),与纤维化病理分期的Spearman相关系数为0.731。2D-SWE诊断肝纤维化(≥S2期)的ROC曲线下面积为0.900,阈值为7.43 k Pa,对应的敏感度与特异度分别为79.9%、84.8%。不同医师采用2D-SWE技术诊断同一组慢性乙型肝炎患者的一致性较高,相关系数为0.864~0.979。结论 2D-SWE技术可定量测量肝脏硬度,是无创性评估慢性乙型肝炎≥S2期肝纤维化的重要诊断方法,有利于指导及时抗病毒治疗。     

超声影像组学在甲状腺滤泡腺瘤和滤泡癌鉴别诊断中的应用价值研究

目的：探讨基于二维超声图像的超声影像组学鉴别甲状腺滤泡癌和甲状腺滤泡性腺瘤的价值。方法：选取2019年1月—2022年12月在广西医科大学第一附属医院就诊的108例患者（共患有113个甲状腺滤泡性肿物）为研究对象,其中包括甲状腺滤泡癌41个,甲状腺滤泡性腺瘤72个。基于甲状腺肿物最大直径二维超声图像勾画的感兴趣区域,提取对应的影像组学特征。经过假设检验、Spearman相关分析和套索回归筛选相关的组学特征并构建逻辑回归模型,最后通过受试者工作曲线的曲线下面积、灵敏度、特异度、阳性预测值、阴性预测值评估模型的诊断效能。结果：每一例甲状腺肿物对应的超声图像均提取出1 239个组学特征,通过过滤和筛选,选出与两种肿物鉴别相关的11个组学特征来构建模型。训练组和验证组的受试者工作曲线的曲线下面积分别为0.826、0.828。训练组的灵敏度、特异度、阳性预测值、阴性预测值分别为0.706、0.800、0.706、0.800。验证组的灵敏度、特异度、阳性预测值、阴性预测值分别为0.643、0.864、0.750、0.792。结论：基于二维超声图像的超声影像组学模型,可较为有效地鉴别甲状腺滤泡癌和甲...     

实时二维剪切波弹性成像技术无创评价肝纤维化程度及其与病理分期的相关性研究

目的探讨实时二维剪切波弹性成像(SWE)技术无创评价慢性乙型肝炎患者肝纤维化程度的诊断价值及其与病理分期的相关性。方法选取行经皮肝脏穿刺活检病理组织学检查确诊的慢性乙型肝炎患者213例作为病例组,另选取同期健康体检成人40例作为对照组,两组均应用SWE技术行肝脏弹性检测,获取肝脏弹性值(LSM),并与肝穿刺活检病理结果进行对照分析,探讨LSM与肝纤维化病理分期的相关性。以肝活检病理结果为金标准,绘制LSM预测不同肝纤维化病理分期的受试者工作特征(ROC)曲线,并计算其曲线下面积。结果病例组S1、S2、S3及S4期患者肝脏LSM与对照组比较,差异均有统计学差异(均P0.05)。病例组患者中,除S0期与S1期、S3期与S4期患者肝脏LSM比较差异无统计学意义,余各分期两两比较差异均有统计学意义(均P0.05)。相关性分析结果表明,LSM与肝纤维化病理分期呈正相关(r=0.53,P0.05)。各病理分期肝纤维化患者LSM诊断肝纤维化的ROC曲线下面积分别为0.822、0.814、0.843及0.814;≥S1期阈值为9.56 k Pa,≥S2期阈值为9.64 k Pa,≥S3期阈值为11.64 k Pa,S4期阈值为13.43 k Pa。结论 SWE技术可以较好地判断慢性乙型肝炎患者肝纤维化程度,为临床治疗和疗效评定提供重要依据。     

直肠黏液腺癌中应用MRI多参数影像组学方法预测新辅助治疗结局的效能分析

目的:探究直肠黏液腺癌(RMAC)中应用MRI多参数影像组学方法预测新辅助治疗(NCR)结局的效能分析。方法:回顾性收集本院2014年1月至2016年1月收治的298例病理确诊为RMAC患者的临床资料,根据NCR治疗结局,将患者分为治疗有效组和治疗无效组。以GE 1.5T Creator MRI平扫T2、DWI和ADC以及增强T1序列作为原始图像,利用3D Slicor软件共提取698个影像组学纹理标签,经过有效性分析和特征降维选出特征子集,共筛选到6个效能较好的纹理标签数据集,以此来构建影像组学预测模型。利用ROC曲线下面积AUC评价模型预测效能。结果:多因素Logistic回归分析显示,患者的平扫T2WI、DWI和ADC、增强T1WI提取出的特征纹理数据对预测NCR治疗无效的病例组具有统计学意义(P<0.05)。ROC曲线图显示,RMAC患者平扫T2WI、DWI和ADC、增强T1WI指标预测患者治疗疗效的曲线下面积(AUC)分别为0.856、0.755、0.878。结论:利用平扫T2WI、DWI和ADC、增强T1WI对预测RMAC患者NCR治疗无效组效能好。     

基于CT影像组学鉴别局灶性隐源性机化性肺炎与肺腺癌

目的 基于影像组学建立列线图鉴别局灶性隐源性机化性肺炎（FCOP）与肺腺癌（LA）。方法 回顾性搜集77例FCOP与77例LA的影像及临床资料,按照7∶3随机分为训练集106例和验证集48例。采用A.K.软件提取组学特征,降维后获得影像组学标签,建立列线图,并评估模型的诊断效能、校准度及临床应用价值。结果 11个高度相关的组学特征构建影像组学标签,并联合癌胚抗原（CEA）建立列线图,训练集和验证集的受试者工作特征曲线（ROC）下面积均为0.84,且具有较高的校准度及临床应用价值。结论 基于CT影像组学特征建立的列线图能较好地用于鉴别FCOP与LA。