共查询到18条相似文献,搜索用时 171 毫秒
1.
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。 相似文献
2.
目的 探讨MR纹理分析鉴别脑胶质母细胞瘤和单发转移瘤的价值。 方法 收集我院病理或临床证实为脑胶质母细胞瘤患者35例、脑单发转移瘤患者40例。所有患者均接受常规MR平扫及增强检查,包括T1 FLAIR、T2WI、T2 FLAIR、DWI及增强T1WI。采用MaZda软件于DWI及增强T1WI序列最大层面上手动勾画肿瘤ROI,提取病变的纹理特征。 结果 脑胶质母细胞瘤和单发转移瘤的直方图纹理参数中增强T1WI的偏度,灰度共生矩阵参数中增强T1WI自相关、均值,DWI自关性差异有统计学意义。基于这些纹理参数构建多变量 Logistic回归分析显示该模型的ROC曲线下面积为0.834。 结论 纹理分析为鉴别脑胶质母细胞瘤和单发转移瘤,提供可靠、可以量化的客观依据。 相似文献
3.
探讨T2 mapping成像鉴别宫颈癌类型、分化程度及预测淋巴血管间隙浸润(LVSI)的价值。 方法 对57例经病理证实的宫颈癌患者于治疗前行常规MR、DWI和T2 mapping检查,测量肿瘤和正常子宫肌层的T2值和ADC值。对比测量参数在肿瘤与正常子宫肌层、鳞癌与腺癌、中高分化与低分化、LVSI阳性与LVSI阴性之间的差别,绘制ROC曲线,评价诊断效能。 结果 宫颈癌肿瘤与正常子宫肌层之间T2值、ADC值差异均有统计学意义( P均<0.001),鳞癌与腺癌之间T2值、ADC值差异均无统计学意义( P均>0.05),低分化组T2值和ADC值均低于中高分化组( P均<0.05),LVSI阳性组T2值明显低于LVSI阴性组( P=0.002)。LVSI阳性组和LVSI阴性组ADC值差异无统计学意义( P=0.675)。T2值、ADC值鉴别高中分化与低分化宫颈癌的ROC曲线AUC分别为0.709、0.747,T2值预测宫颈癌LVSI的AUC为0.856。 结论 T2 mapping成像可用于诊断宫颈癌和病理分级,预测宫颈癌LVSI状态优于ADC值。 相似文献
4.
目的 探讨常规MRI纹理分析在眼眶淋巴瘤和炎性假瘤鉴别诊断中的应用价值。 方法 回顾性分析经病理或治疗随访证实的15例眼眶淋巴瘤及17例炎性假瘤患者的MRI资料。应用MaZda软件手工勾画ROI,并提取T1WI、脂肪抑制T2WI及脂肪抑制T1WI增强扫描图像中病变的纹理特征。通过 Fisher系数、分类错误概率联合平均相关系数(POE+ACC)、交互信息(MI)及三者联合(FPM)的方法选择最佳纹理参数集合。使用线性判别分析(LDA)和非线性判别分析(NDA)进行纹理分类。比较最佳分类序列上两种病变的纹理特征差异。 结果 T1WI及T2WI最佳纹理参数主要源于共生矩阵及游程矩阵,增强T1WI最佳纹理参数主要源于共生矩阵及直方图。T2WI纹理特征鉴别眼眶淋巴瘤及炎性假瘤能力最佳,其中FPM选择纹理特征联合NDA分类的误判率最低,为1.56%。眼眶淋巴瘤T2WI纹理特征参数中的能量及长游程补偿均高于炎性假瘤( P均<0.005),而熵及短游程补偿均低于炎性假瘤( P均<0.005)。 结论 常规MR图像纹理分析可用于鉴别眼眶淋巴瘤和炎性假瘤。 相似文献
5.
目的 评估基于临床病理及常规和功能MRI(fMRI)影像组学模型预测乳腺癌腋窝淋巴结(ALN)转移的价值。 方法 回顾性分析140例浸润性乳腺癌,按7∶3比例将其分为训练集( n=99)和验证集( n=41)。采用多因素 Logistic回归分析分别建立基于临床病理及MRI特征的临床模型及各序列图像影像组学、联合序列影像组学以及临床病理及常规和fMRI影像组学的个体化模型,以受试者工作特征(ROC)曲线评价其诊断效能;比较个体化模型与临床模型曲线下面积(AUC)的差异,应用决策曲线分析(DCA)评估模型的临床获益。 结果 临床模型预测训练集和验证集ALN转移的AUC分别为0.95和0.88;T2WI、DWI、DCE-MRI模型及联合序列模型在验证集中的AUC分别为0.67、0.71、0.72及0.76。个体化模型在训练集和验证集中的AUC为0.98和0.93,与临床模型差异均无统计学意义( Z=1.56、1.34, P=0.12、0.18)。DCA结果显示阈值>0.25时,个体化模型的净受益高于临床模型。 结论 基于临床病理及常规和功能MRI的个体化模型预测乳腺癌ALN转移的效能与临床模型相当,其净受益高于后者,且均优于单一序列模型。 相似文献
6.
目的 观察基于术前MR T2WI、弥散加权成像(DWI)及表观弥散系数(ADC)图多序列影像组学模型评估直肠癌淋巴结转移的价值。 方法 回顾性分析74例经术后病理确诊单发直肠癌患者的T2WI、DWI和ADC图,按照7∶3比例将其分为训练集( n=52,21例淋巴结转移、31例无淋巴结转移)和测试集( n=22,9例淋巴结转移、13例无淋巴结转移)。由2名影像科医师以病理结果为标准基于常规MRI评价淋巴结转移,评估其诊断效能;分别基于T2WI、DWI、ADC图及三者联合提取病灶影像组学特征,筛选后构建影像组学模型,包括T2WI模型、DWI模型、ADC模型及多序列模型,并于训练集进行训练,于测试集评估其效能。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),观察各模型诊断直肠癌淋巴结转移的效能。 结果 训练集与测试集患者性别、年龄、病灶位置、T分期及N分期差异均无统计学意义( P均>0.05)。常规MRI评估直肠癌淋巴结转移的准确率为58.11%(43/74),敏感度和特异度分别为76.67%(23/30)和45.45%(20/44)。T2WI、DWI、ADC及多序列模型评估测试集直肠癌淋巴结转移的AUC分别为0.78、0.68、0.77及 0.82,后者的准确率、敏感度及特异度分别为86.36%、88.89%及84.62%。 结论 术前基于MR T2WI、DWI及ADC图多序列影像组学模型能有效评估直肠癌淋巴结转移。 相似文献
7.
目的 探讨基于灰阶超声的影像组学模型预测乳腺癌新辅助化疗(NACT)效果的应用价值。 方法 选取53例乳腺癌患者,根据NACT疗效分为临床应答与临床无应答组,比较二组临床资料及灰阶超声特征。提取基于灰阶超声的乳腺癌影像组学特征,采用 Logistic回归分析建立基于上述特征的模型,采用ROC曲线评价模型预测乳腺癌NACT后临床应答的效能。 结果 NACT后临床应答组32例、临床无应答组21例,2组间年龄、绝经比例、分期及分子分型差异均无统计学意义( P均>0.05),声像图所示病灶最大径、内部回声、钙化、边缘、后方回声、形态差异均无统计学意义( P均>0.05)。共6个影像学特征纳入 Logistic回归模型,该模型预测乳腺癌NACT后临床应答的AUC为0.88[95% CI(0.78,0.99)],敏感度0.88,特异度0.81。 结论 基于灰阶超声的影像组学模型对评价乳腺癌NACT效果有一定价值。 相似文献
8.
目的 构建MR T2WI影像组学模型,评价其预测结直肠癌患者Kirsten大鼠肉瘤(KRAS)病毒癌基因亚型的价值。 方法 将99例经病理证实的结直肠癌患者分为训练组( n=68)及验证组( n=31),根据 KRAS基因检测结果进一步将其分为突变亚组及野生亚组,训练组2亚组分别含36、32例,验证组2亚组分别含16、15例,比较亚组间实验室检查结果及肿瘤大小的差异;提取并筛选训练组MR T2WI影像组学特征,构建影像组学模型、临床模型及影像组学-临床联合模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价各模型预测结直肠癌患者 KRAS基因亚型的效能;以DeLong检验比较各模型间效能差异。通过校正曲线分析3种模型的校正性能,以Hosmer-Lemeshow检验评价校准曲线的校准度;以决策曲线分析(DCA)评价3种模型临床应用价值。 结果 训练组和验证组内亚组间实验室检查结果及肿瘤大小差异均无统计学意义( P均>0.05)。共提取3个组学特征用于构建预测模型。影像组学模型与临床模型、影像组学-临床联合模型预测2组 KRAS基因亚型的AUC差异均无统计学意义( P均>0.05);影像组学-临床联合模型预测训练组 KRAS基因亚型的AUC显著高于临床模型( P<0.05),但在验证组差异均无统计学意义( P>0.05)。校准曲线及Hosmer-Lemeshow检验显示3种模型预测值和观察值的一致性良好( P均>0.05)。影像组学模型和影像组学-临床联合模型在2组中的DCA曲线净收益值均高于临床模型。 结论 MR T2WI影像组学纹理特征预测结直肠癌患者 KRAS基因突变亚型具有一定潜力。 相似文献
9.
目的 探讨基于MR T2WI的影像组学标签在术前预测乳腺癌人表皮生长因子受体2(HER2)表达状态的价值。 方法 回顾性收集209例乳腺癌患者的T2WI,将患者随机分为训练组( n=145)和验证组( n=64)。手动勾画病灶ROI,并于Matlab 2013a平台中提取组学特征。通过组间相关系数及最小绝对收缩和选择算子逻辑回归模型筛选组学特征并构建组学标签。比较HER2表达阳性与阴性亚组患者的影像组学得分差异,采用ROC曲线评价训练组中影像组学标签预测HER2的效能,并以获得的预测阈值用于验证组中进行验证。 结果 最终获得由13个组学特征构成的影像组学标签。在训练组及验证组中,HER2阳性亚组与阴性亚组患者间组学得分差异均有统计学意义( P均<0.05)。基于T2WI的影像组学标签在训练组及验证组中的AUC分别为0.798、0.707。 结论 基于T2WI构建的影像组学标签对术前预测乳腺癌HER2表达状态具有一定价值。 相似文献
10.
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。 相似文献
11.
目的 探讨基于T2WI的3D纹理分析评估宫颈癌组织学分级的价值.方法 回顾性分析经病理证实的175例宫颈癌患者,其中高分化41例(高分化组),中分化76例(中分化组),低分化58例(低分化组),术前均接受常规MR平扫及增强扫查.采用ITK-SNAP软件勾画感兴趣体积(VOI),以LIFEx软件计算获取41个纹理参数;比... 相似文献
12.
目的 探讨MRI测量早期宫颈癌间质浸润深度的准确性。 方法 回顾性分析66例早期宫颈癌患者术前MRI资料,包括T2WI、DCE-MRI和DWI等,测量宫颈间质浸润最大深度,据此将肿瘤分为浸润型(包括深层浸润、双向浸润)和腔内生长型。分析MRI测量值与病理结果的一致性,比较3种MR序列图像测量宫颈间质浸润最大深度与病理结果的差异。 结果 66例宫颈癌中,浸润型48例,其中31例深层浸润、17例双向浸润型,腔内生长型18例。T2WI、DCE-MRI和DWI测量宫颈间质浸润最大深度与病理结果的一致性均为中等( ICC=0.66、0.57和0.60, P均<0.05),3种图像之间测量值与病理结果差值的差异均无统计学意义( F=5.95, P均>0.05)。MRI对于浸润型宫颈癌的测量结果与病理结果的一致性优于腔内生长型。 结论 MRI测量早期宫颈癌间质浸润深度的准确性较好,且对浸润型优于腔内生长型。 相似文献
13.
目的 评价MRI纹理分析预测乳腺癌腋窝淋巴结(ALN)转移的价值.方法 以172例乳腺癌为训练组,分为ALN阳性亚组(n=79)和阴性亚组(n=93),提取增强MRI及ADC图中ALN纹理特征,比较2亚组间纹理特征差异;筛选纹理特征,构建多因素Logistic回归模型,并对模型进行内部验证.以另外37例乳腺癌为测试组,... 相似文献
14.
目的 采用基于纹理特征的十倍交叉验证法的神经网络分类器,探讨多序列MRI在肝硬化诊断识别中的价值。 方法 将5个序列MR图像(T1WI、T2WI、增强动脉期、门静脉期和平衡期)分成正常肝脏组、较早期肝硬化组及中晚期肝硬化组,手动获取ROI;采用灰度共生矩阵提取ROI的56个纹理特征参数;采用十倍交叉验证法的BP网络分类器分别分类识别3组肝脏组织。 结果 门静脉期图像对正常肝脏、较早期肝硬化及中晚期肝硬化的分类效果最好,正确率为87.62%(92/105),T2WI分类效果最差,正确率为78.33%(47/60),T1WI、动脉期和平衡期图像居两者之间。 结论 采用基于纹理特征的十倍交叉验证法的神经网络分类器可以区分正常肝脏、较早期和中晚期肝硬化MRI;在基于多序列MRI的肝硬化识别研究中,门静脉期图像有可能成为首选。 相似文献
15.
PurposeThe study evaluated the usefulness of magnetic resonance imaging (MRI) texture parameters in differentiating clear cell renal carcinoma (CC-RCC) from non-clear cell carcinoma (NC-RCC) and in the histological grading of CC-RCC. Materials and methodsAfter institutional ethical approval, this retrospective study analyzed 33 patients with 34 RCC masses (29 CC-RCC and five NC-RCC; 19 low-grade and 10 high-grade CC-RCC), who underwent MRI between January 2011 and December 2012 on a 1.5-T scanner (Avanto, Siemens, Erlangen, Germany). The MRI protocol included T2-weighted imaging (T2WI), diffusion-weighted imaging [DWI; at b 0, 500 and 1000 s/mm2 with apparent diffusion coefficient (ADC) maps] and T1-weighted pre and postcontrast [corticomedullary (CM) and nephrographic (NG) phase] acquisition. MR texture analysis (MRTA) was performed using the TexRAD research software (Feedback Medical Ltd., Cambridge, UK) by a single reader who placed free-hand polygonal region of interest (ROI) on the slice showing the maximum viable tumor. Filtration histogram-based texture analysis was used to generate six first-order statistical parameters [mean intensity, standard deviation (SD), mean of positive pixels (MPP), entropy, skewness and kurtosis] at five spatial scaling factors (SSF) as well as on the unfiltered image. Mann–Whitney test was used to compare the texture parameters of CC-RCC versus NC-RCC, and high-grade versus low-grade CC-RCC. P value < 0.05 was considered significant. A 3-step feature selection was used to obtain the best texture metrics for each MRI sequence and included the receiver-operating characteristic (ROC) curve analysis and Pearson’s correlation test. ResultsThe best performing texture parameters in differentiating CC-RCC from NC-RCC for each sequence included (area under the curve in parentheses): entropy at SSF 4 (0.807) on T2WI, SD at SSF 4 (0.814) on DWI b500, SD at SSF 6 (0.879) on DWI b1000, mean at SSF 0 (0.848) on ADC, skewness at SSF 2 (0.854) on T1WI and skewness at SSF 3 (0.908) on CM phase. In differentiating high from low-grade CC-RCC, the best parameters were: entropy at SSF 6 (0.823) on DWI b1000, mean at SSF 3 (0.889) on CM phase and MPP at SSF 5 (0.870) on NG phase. ConclusionSeveral MR texture parameters showed excellent diagnostic performance (AUC > 0.8) in differentiating CC-RCC from NC-RCC, and high-grade from low-grade CC-RCC. MRTA could serve as a useful non-invasive tool for this purpose. 相似文献
16.
目的 探讨MRI检查T2加权成像(T2-weighted imaging,T2WI)及弥散加权成像(diffusion-weighted imaging,DWI)图像纹理参数与宫颈鳞状细胞癌放化疗疗效的相关性.方法 回顾性纳入2015年2月至2016年1月北京协和医院接受放化疗的宫颈鳞状细胞癌患者,并根据其预后分为疾病... 相似文献
17.
目的 对比5.0T与3.0T平扫MRI显示胰岛素瘤质量。 方法 前瞻性对12例胰岛素瘤患者以5.0T和3.0T MR仪采集术前腹部T1WI、T2WI平扫并行弥散加权成像(DWI),对比5.0T与3.0T各序列MR图像质量主观评分及肿瘤-胰腺实质对比度评分,观察肿瘤信噪比(SNR)和对比度噪声比(CNR),比较各序列图像及总体肿瘤显示率。 结果 5.0T T1WI和DWI显示胰岛素瘤的主观评分均高于3.0T T1WI和DWI( P均<0.05),5.0T T2WI主观评分与3.0T T2WI差异无统计学意义( P=0.166)。针对肿瘤-胰腺实质对比度评分,5.0T T1WI高于3.0T T1WI( P=0.023),而5.0T T2WI与3.0T T2WI、5.0T DWI与3.0T DWI差异均无统计学意义( P均>0.05)。胰岛素瘤SNR在5.0T T2WI高于3.0T T2WI( P=0.015),5.0T T1WI与3.0T T1WI、5.0T DWI与3.0T DWI之间差异均无统计学意义( P均>0.05);胰岛素瘤CNR在5.0T与3.0T各序列图像差异均无统计学意义( P均>0.05)。5.0T T1WI、T2WI及DWI胰岛素瘤显示率分别为100%(12/12)、66.67%(8/12)及83.33%(10/12),3.0T T1WI、T2WI及DWI分别为75.00%(9/12)、58.33%(7/12)及66.67%(8/12);5.0T MRI胰岛素瘤总体显示率为100%(12/12),3.0T MRI为83.33%(10/12)。 结论 相比3.0T MRI,胰岛素瘤5.0T MRI显示胰岛素瘤更佳并有利于诊断。 相似文献
18.
目的 评估基于MRI影像组学模型术前预测宫颈癌淋巴血管间隙浸润(LVSI)的价值.方法 回顾性分析123例经病理证实宫颈癌患者,根据病理结果分为LVSI+(n=61)及LVSI-(n=62).基于T2WI及动脉期对比增强T1WI(CE-T1WI)提取影像组学特征,按7:3比例将数据分为训练集(n=87)和验证集(n=3... 相似文献
|