磁共振影像组学在鉴别中低危和高危前列腺癌中的应用

目的建立基于支持向量机学习算法的影像组学模型,研究其鉴别高危前列腺癌与中低危前列腺癌的诊断效能。方法回顾性分析265例经病理证实的前列腺癌病人,其中高危病人155例,中低危病人110例。所有病人术前均进行MRI检查。由两位放射医师使用达尔文智能科研平台手动勾画感兴趣区,从每例病人的T2WI和ADC图中分别提取影像组学特征,采用受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)验证影像组学特征的鉴别效能,对比T2WI、ADC及T2WI+ADC的诊断价值。结果共筛选出10个影像组学特征(6个ADC序列特征,4个T2WI序列特征)可以用来鉴别高危及中低危前列腺癌。仅使用T2WI获得的组学模型鉴别效能较低,训练队列AUC为0.70(95%CI 0.63~0.77),验证队列AUC为0.58(95%CI 0.47~0.68)。ADC图组学模型预测效能较好,训练队列AUC为0.79(95%CI 0.72~0.85),验证队列AUC为0.78(95%CI 0.68~0.86)。T2WI联合ADC图构建的影像组学模型表现出最优预测效能,训练队列AUC为0.84(95%CI 0.78~0.89),验证队列AUC为0.80(95%CI 0.69~0.88)。结论本研究构建的基于T2WI和ADC图的影像组学模型在一定程度上对中低危及高危前列腺癌病人进行区分,为前列腺癌的分期提供了一种无创的预测方式,指导治疗方案的选择。     

基于mp-MRI影像组学预测前列腺癌Gleason分级的价值探讨

目的探讨多参数磁共振成像（mp-MRI）影像组学预测前列腺癌Gleason分级的价值。方法回顾性分析266例前列腺癌病人,根据病理结果分为Gleason评分高危组（Gleason≥4+3分）、Gleason评分低危组（Gleason≤3+4分）,在T2WI横断面、ADC图（b值0、1 500 s/mm2）上手动勾画病灶后进行影像组学特征的提取及量化,将所选病例数据特征随机分为训练组与测试组（测试集比例为0.3）,构建支持向量机分类模型,得到训练组与测试组的ROC曲线及曲线下面积（AUC）。结果Gleason评分高危组118例,Gleason评分低危组148例,其中训练组186例（高危组83例、低危组103例）,测试组80例（高危组35例、低危组45例）,T2WI、ADC图影像组学支持向量机模型训练组的AUC为0.753,测试组AUC为0.741,准确率为62.5%（95%CI:0.572~0.893）;T2WI、ADC图影像组学联合PSA值支持向量机模型训练组的AUC为0.768,测试组AUC为0.752,准确率为72.5%（95%CI:0.613~0.917）;经Delong验证,两者差异无统计学意义（P>0.05）。结论mp-MRI影像组学预测前列腺癌Gleason分级有较高的参考价值。     

基于双模态MRI影像组学术前预测浸润性乳腺癌腋窝淋巴结转移

目的探讨T2WI联合DCE-MRI的影像组学特征术前预测浸润性乳腺癌腋窝淋巴结转移的价值。方法回顾性分析经手术病理证实的168例浸润性乳腺癌病人的临床病理资料及MRI图像资料。根据手术病理结果,将其分为淋巴结转移组（n=64）和无淋巴结转移组（n=104）,并按8:2的比例将病人随机分为训练组（n=134）与验证组（n=34）。在T2WI和DCE两个序列手动勾画ROI进行图像分割和影像组学特征提取,利用Select K Best、LASSO回归及迭代筛选特征对高维组学特征进行降维,保留与腋窝淋巴结转移高度相关的特征。采用logistic回归建立T2WI、DCE和T2WI联合DCE三个影像组学预测模型,利用ROC曲线下面积（AUC）评估模型的效能,并以最优模型生成列线图。结果T2WI、DCE和T2WI联合DCE的影像组学预测模型在训练组的AUC分别为0.75、0.75和0.80;验证组的AUC分别为0.75、0.73和0.79。T2WI联合DCE模型的预测效能最佳。结论T2WI联合DCE影像组学预测模型在术前对浸润性乳腺癌腋窝淋巴结转移的预测具有一定的价值,能够无创、准确地预测腋窝淋巴结转移状态。     

病变周围区域与病变内部区域的MRI影像组学特征对临床显著性前列腺癌的诊断价值

目的 比较前列腺病变周围区域(PLV)与病变内部区域(ILV)的MRI影像组学特征对临床显著性前列腺癌(csPCa)的诊断价值。方法 回顾性分析140例进行过前列腺MRI检查的患者(训练集112例,测试集28例)。分别在T2加权成像(T2WI)、表观弥散系数(ADC)、动态对比增强磁共振成像(DCE-MRI)勾画可疑病变区域及病变周围区域,并提取影像组学特征,运用单变量分析及最小绝对值收敛和选择算子(LASSO)筛选特征,LASSO回归结合10折交叉验证建立预测模型,运用受试者操作特征曲线下面积(AUC)、德隆检验(Delong test)分别对模型进行评估及比较。结果 ILV模型的在训练集及测试集中的AUC分别为0.91、0.91,PLV模型的在训练集及测试集中的AUC分别为0.89、0.87。两预测模型在训练集与测试集中的诊断效能差异均无统计学意义。结论 前列腺病变周围区域的MRI影像组学特征对于csPCa的诊断价值低于病变内部区域的MRI影像组学特征的诊断价值。     

区分T1-2与T3-4期胃癌CT影像组学模型的建立与验证

目的:探讨基于CT影像组学构建的模型术前鉴别T1-2与T3-4期胃癌的价值。方法:回顾性分析465例术前行腹部CT增强扫描且经切除术后T分期明确的胃癌患者,将其分为T1-2期及T3-4期两组,采用分层抽样方法按7∶3分为训练集及测试集。在其静脉期CT图像上进行感兴趣区(ROI)的勾画及影像组学特征的提取。采用LASSO回归筛选出与T分期相关性最高的特征,分别利用逻辑回归、支持向量机及决策树建立影像组学模型。基于影像组学特征建立影像组学标签,基于临床特征建立临床模型,结合影像组学标签及临床特征构建影像组学诺模图。使用受试者工作特征(ROC)曲线评价各模型鉴别T分期的效能;Delong检验比较最优影像组学模型与临床模型的ROC曲线下面积(AUC)的差异性及诺模图与二者中效能更好的模型之间AUC的差异性;采用校准曲线评价模型评估与实际病理结果的匹配性,决策曲线评价模型的临床净收益。结果:影像组学模型中,逻辑回归模型的预测效能最好,在训练集和测试集上的AUC分别为0.864、0.836,均高于临床模型;结合影像组学标签及临床特征生成的影像组学诺模图预测效能优于3种影像组学模型和临床模型,在训练...     

基于双参数MRI影像组学机器学习鉴别前列腺癌Gleason评分分级分组中的应用

目的 探讨基于双参数MRI影像组学机器学习模型对前列腺癌(PCa)Gleason评分分级分组中的价值。方法 回顾性收集经病理证实为PCa的患者138例,其中GG>2患者83例,GG≤2患者55例。所有病人术前均进行MRI检查。按7∶3将患随机分为训练集和测试集,分别用于影像组学模型的机器学习和验证,采用RF、SVM和XGboost构建3组模型(ADC、T₂WI、ADC+T₂WI),采用受试者操作特征(ROC)曲线评估析各模型鉴别GG≤2与GG>2PCa的诊断效能。结果 测试集中应用SVM算法的T₂WI+ADC模型诊断效能最高,AUC为0.896。其次为T₂WI+ADC中的RF模型,AUC为0.871。在各特征集中,RF和SVM算法的模型的AUC均高于XGboost算法。结论 基于双参数MRI影像组学机器学习模型可较好地鉴别GG≤2与GG>2PCa。     

基于MRIT2WI与ADC图像的纹理分析鉴别直肠癌T3亚分期的价值

目的探讨基于MRIT2WI和表观扩散系数（ADC）图像的纹理分析鉴别直肠癌T3亚分期的价值。方法回顾性选取2016年7月至2020年9月经手术病理检查证实为T3期直肠癌的109例患者为研究对象,包括黄山首康医院20例和常熟市第一人民医院89例。所有患者行MRI检查,分别在T2WI和ADC图像上勾画整个肿瘤体积,并提取一阶纹理参数（平均值、标准差、P5、P10、P90、偏度、峰度、均匀性）和二阶纹理参数（能量、熵、惯性、相关）。比较T3a期和T3b~c期直肠癌患者各纹理参数的差异,并绘制ROC曲线分析各纹理参数对T3a期与T3b~c期直肠癌的诊断效能。结果T3a期53例,T3b期42例,T3c期14例。在T2WI图像纹理参数中,T3a期直肠癌患者峰度明显低于T3b~c期患者,而均匀性、能量均明显高于T3b~c期患者,差异均有统计学意义（均P＜0.05）;峰度、均匀性、能量鉴别T3a与T3b~c期直肠癌的AUC分别为0.668、0.638、0.806。在ADC图像纹理参数中,T3a期直肠癌患者偏度、熵均明显低于T3b~c期患者（均P＜0.05）;偏度、熵鉴别T3a与T3b~c期直肠癌的AUC分别为0.626、0.731。结论基于MRIT2WI和ADC图像的纹理分析鉴别T3a与T3b~c期直肠癌具有一定的临床价值,其中T2WI图像纹理参数能量的诊断效能最高。     

3.0T磁共振图像计算机特征鉴别诊断前列腺良恶性病变的价值

目的 探讨3.0T MRI图像计算机特征鉴别诊断前列腺良恶性病变的价值。方法 收集接受3.0T磁共振检查的前列腺患者330例,进行T1加权成像（T2WI）、T2加权成像（T2WI）、多b值的弥散成像（DWI）与动态增强检查。所有病例均经活检或手术病理证实,其中前列腺癌患者198例,前列腺增生患者132例。选取病变最大层面图像,手动勾画病灶感兴趣区（ROI）,进行方向梯度直方图（HOG）特征、局部二值模式（LBP特征）、哈尔特征（Haar特征）提取。通过支持向量机（SVM）分类器进行训练并得到对应的分类模型,通过不同的分类模型对比选取最具有鉴别前列腺良恶性病变价值的图像特征参数,并采用图像特征分类分析统计方法对所选择的图像特征参数进行评估。鉴别诊断结果以绘制受试者工作特征曲线（ROC曲线）表示,并通过计算曲线下面积（AUC）、灵敏度、特异度、准确率来进行效果评估。结果 磁共振T2WI、长b值DWI、ADC图中,在Haar图像特征条件下,ADC图的AUC值最大（0.85）;在HOG图像特征条件下,DWI序列的AUC值最大（0.78）;在LBP图像特征条件下,ADC图的AUC值最大（0.87）;在采用三种特征融合[HOG+LBP+Haar（HLH）]的图像特征条件下,DWI序列的AUC值较大（0.89）,大于ADC图及T2WI序列的AUC值（0.88、0.84）。图像特征分类分析方法中,LBP图像特征区分两种病变的AUC值较大（0.87）,大于Haar图像特征（0.85）和HOG图像特征（0.78）,HLH融合特征方法的AUC值（0.89）大于其中任一特征,具有最优的鉴别诊断结果。结论 3.0T MRI的T2WI、DWI/ADC图像计算机特征分析有助于鉴别诊断前列腺良恶性病变,长b值的DWI和ADC图对鉴别诊断前列腺良恶性结节占有重要地位,而HLH融合的计算机图像特征分析能为前列腺良恶性病变鉴别诊断提供可靠依据。     

基于MRI影像组学模型鉴别鼻腔鼻窦内翻乳头状瘤与息肉

目的 探讨基于磁共振T2WI及增强T1WI影像组学模型在鉴别鼻腔鼻窦内翻乳头状瘤与息肉的应用价值。方法 搜集病理证实且具有完整T2WI及增强T1WI图像的内翻乳头状瘤(NIP)病例54例,单侧鼻息肉(NP)病例51例。采用ITK-Snap勾画病灶的所有层面。采用pyradiomics提取影像组学特征,首先使用最小冗余最大相关(mRMR)进行特征提取,进一步使用rfe-SVM特征消除,去掉最小得分的特征,建立预测模型。使用ROC曲线敏感性和特异性评价模型的性能,并在验证集中验证。结果 总共提取影像组学特征1 133个,经mRMR降维后筛选保留30个特征用于建立预测模型。T1WI增强预测模型的AUC值为：训练集0.98,验证集0.95,训练集的敏感度和特异度分别为89.7%和100%,验证集的敏感度和特异度分别为93.8%和93.3%。T2WI预测模型的AUC值为:训练集0.95,验证集0.91,训练集的敏感度和特异度分别为82.1%和95.6%,验证集的敏感度和特异度分别为93.8%和84.2%。结论 基于磁共振影像组学T1WI增强预测模型及T2WI预测模型对鉴别鼻腔鼻窦内翻乳头状瘤及息...     

3.0 T MRI表观扩散系数诊断中度肝纤维化价值的实验研究

目的探讨3.0 T MRI表观扩散系数（ADC）诊断中度肝纤维化的价值。方法采用猪血清腹腔注射复制肝纤维化大鼠模型。采用3.0 T MRI 行DWI检查,计算b值=800 s/mm2时ADC 值。DWI 检查后快速处死大鼠,行病理检查,对照组（12 只）、轻度肝纤维化组（S1期18 只）和中度肝纤维化组（S2、S3期共22 只）比较采用单因素方差分析及SNK 法多重比较。采用ROC 曲线分析ADC 值区分中度和轻度肝纤维化的效能。结果中度肝纤维化组大鼠肝脏ADC 值为（1.47±0.39）×10-3 mm2/s,轻度肝纤维化组大鼠肝脏ADC 值为（1.78±0.67）×10-3 mm2/s,两组比较,差异有统计学意义,对照组与轻度肝纤维化组大鼠肝脏ADC 值比较差异无统计学意义（p >0.05）,与中度组比较差异有统计学意义（p <0.05）。ADC 值区分中度肝纤维化和轻度肝纤维化的ROC曲线下面积（AUC）为0.79,以ADC 值=1.68×10-3 mm2/s为界值时,诊断的敏感性和特异性分别为61%和100%。结论3.0 T MRI 功能弥散加权成像能反映早期肝纤维化微观改变,肝脏ADC值有助于中度肝纤维化的诊断。     

磁共振影像组学模型在直肠癌肝转移评估中的临床价值

目的 探究基于不同磁共振序列构建的影像组学模型在直肠癌肝转移评估中的临床应用价值.方法 回顾性纳入2015年4月?2018年5月经病理证实为直肠癌并在我院行治疗前基线磁共振检查的患者140例.根据肝脏穿刺活检、手术病理和影像结果分为肝转移组和未转移组.通过ITK-SNAP软件在T2加权图像(T2 weighted im...     

基于T2WI与RS-EPI DWI影像组学特征的自动化机器学习模型预测直肠癌术前T分期的价值

目的 探讨基于磁共振T2加权成像(T2 weighted image,T2WI)和分段读出平面回波成像(readout-segmented EPI,RS-EPI)与扩散加权成像(diffusion weighted image,DWI)的影像组学特征,通过开发和验证自动化机器学习模型,预测直肠癌术前病理T分期的价值.方...     

T2WI、DWI及DCE-MRI联合诊断前列腺癌的效果分析

目的:探讨T2加权成像（T2WI）、扩散加权成像（DWI）及动态对比增强磁共振成像（DCE-MRI）联合诊断前列腺癌的价值。方法:选取2017年3月—2019年4月就诊的疑似前列腺癌患者119例,均行常规MRI、DWI和DCE-MRI检查。结果:119例疑似患者中,有69例诊断为前列腺癌,有50例诊断为前列腺增生;T2WI、DWI和DCE-MRI联合诊断前列腺癌的灵敏性为97.10%,明显高于T2WI、DWI单独诊断（均P＜0.05）;T2WI、DWI、DCE-MRI及联合诊断前列腺癌特异性、准确率比较差异无统计学意义（均P＞0.05）;前列腺癌Ktrans、KeP、Ve和VP分别为（1.42±0.87）、（1.83±0.80）、（0.84±0.21）和（0.15±0.07）,明显高于前列腺增生（均P＜0.05）,而ADC为（0.92±0.34）×10-3 mm2/s,明显低于前列腺增生（P＜0.05）;Ktrans、KeP、Ve、VP与Gleason评分无相关性（均P＞0.05）,ADC值与Gleason评分呈负相关（r=-0.508,P＜0.05）。结论:T2WI、DWI及DCE-MRI联合用于诊断前列腺癌有较好的效果,其中DWI及DCE-MRI可为诊断提供客观参数。     

MR扩散加权成像诊断前列腺癌的临床研究

目的探讨磁共振(MR)扩散加权成像(D W I)诊断前列腺癌的临床价值。方法选取2012年2月至2014年12月我院收治的前列腺癌患者临床资料90份为研究样本,术前1个月内均行常规磁共振扫描(T2WI)及DWI,记录T2WI、DWI、(T2WI+DWI)三种诊断方法的表观扩散系数值(ADC),同将诊断结果与组织病理结果对照,比较三种诊断方法的敏感度、特异度及准确度,并分析ADC值与前列腺癌Gleason分级、TNM分期的相关性。结果早期前列腺癌患者ADC值[(0.85±0.17)×10-3mm2/s]低于良性前列腺增生及前列腺炎患者,但组间比较无统计学意义(P0.05),随TNM分期增加,前列腺癌患者ADC值降低,各期差异无统计学意义(P0.05)。T2WI、DWI、T2WI+DWI三种诊断方法对早期前列腺癌的诊断灵敏度分别为66.7%、83.3%、90.0%,特异度分别为76.7%、75.0%、80.0%,准确度分别为73.3%、77.8%、83.3%,其中T2WI+DWI诊断的灵敏度明显高于T2WI(P0.05),三种诊断方法特异度及准确度比较无显著差异(P0.05);相关分析显示前列腺癌区ADC值与Gleason分级呈负相关(r=-0.576,P0.05),与TNM分期无相关性(r=-0.234,P0.05)。结论磁共振扩散加权成像对前列腺癌的诊断及临床病情评估具有较高的参考价值,值得在临床推广应用。     

磁共振扩散加权成像联合T2WI图纹理分析定量评估乳腺良恶性结节的价值

目的：探讨磁共振扩散加权成像表观扩散系数（ADC）、T2加权成像（T2WI）图纹理参数定量评估乳腺良恶性结节的价值。方法：回顾性分析丽水市中心医院82例经病理证实为恶性或良性肿瘤的乳腺结节患者的磁共振ADC和T2WI图像,利用后处理软件对乳腺结节勾画感兴趣区（ROI）,提取ADC图和T2WI纹理特征,生成多个一阶和二阶纹理参数。采用双样本t检验或Mann-Whitney U检验比较良恶性结节组纹理参数值差异。对差异有统计学意义的参数绘制ROC曲线,计算相应临界值AUC、敏感度和特异度,并用Z检验比较ADC图、T2WI纹理参数及二者联合的ROC曲线结果的差异。结果：良性结节组ADCmean、ADCmedian、ADCmin明显高于恶性结节组（均P＜0.05）。恶性结节组ADC图偏度值、熵值明显高于良性结节组（均P＜0.05）。ROC曲线显示,确定乳腺良恶性结节的ADCmean、ADCmedian、ADCmin、偏度值、熵值诊断阈值分别为1.34×10-3 mm2/s、1.41×10-3 mm2/s、0.97×10-3 mm2/s、-0.075、3.762,AUC分别为0.90（95%CI=0.82～0.95）、0.89（95%CI=0.80～0.95）、0.91（95%CI=0.83～0.96）、0.74（95%CI=0.64～0.83）、0.95（95%CI=0.87～0.98）;对ROC曲线比较显示熵值有最佳诊断效能,相应阈值的敏感度和特异度分别为80.55%、94.74%,比较ADC图、T2WI及二者联合的熵值AUC,显示二者联合的AUC值最大（AUC=0.97）。结论：基于ADC图和T2WI的纹理分析参数对鉴别乳腺良恶性结节有较高的诊断价值,尤以二阶纹理参数熵值诊断价值较大。