基于多期CT影像组学鉴别卵巢良、恶性肿瘤的临床应用价值

【摘要】目的：探讨基于多期CT影像组学模型及联合模型鉴别卵巢良、恶性肿瘤的临床应用价值。方法：回顾性搜集2018年1月-2022年7月经术后病理证实的144例良性及182例恶性卵巢肿瘤患者的临床及CT多期影像组学资料，将患者随机按7:3分为训练组228例及验证组98例。图像预处理并利用ITK-SNAP勾画肿瘤病灶区域，用PY提取组学特征，将提取特征正则化，采用Spearman相关分析，相关系数大于0.9，保留其一特征, 使用最小绝对收缩与选择算子（LASSO）回归分析对组学特征降维，建立影像组学标签。将影像组学的优势期相与临床指标结合建立联合模型，利用列线图分析预测效能。结果：筛选出平扫、动脉期、静脉期及延迟期的特征数分别为22、7、10、22个，构建各期影像组学模型，结果显示延迟期为最优模型，在训练组中，其受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.857。将临床特征与延迟期影像组学特征构建联合模型，其ROC的AUC值为0.870，优于临床模型，且差异有统计学意义（Z=3.376，P=0.0007）。验证组中，联合模型ROC的AUC值为0.844，优于临床模型，差异无统计学意义（Z=1.650，P=0.0989）。结论：CT扫描的延迟期影像组学特征鉴别卵巢良性与恶性肿瘤的效能优于其它期相，延迟期影像组学标签与临床特征相结合的联合模型有较高的鉴别诊断效能。     

超声影像组学标签预测三阴性乳腺癌的价值

目的 探讨基于常规超声的影像组学标签在术前诊断三阴性乳腺癌(TNBC)的价值.资料与方法 回顾性连续收集230例经手术病理证实的肿块型浸润性乳腺癌患者的临床资料和术前超声图像,按照1:2随机抽样选取TNBC与非TNBC共102例患者纳入本研究.按超声检查时间顺序,将患者分为训练组66例和验证组36例.通过ImageJ软...     

基于CT靶扫描构建多模态联合模型Nomogram评估孤立性肺结节

目的:探究基于CT靶扫描图像提取影像组学特征联合CT征象构建多模态联合模型术前评估孤立性肺结节(SPN)的可行性。方法:纳入2018年1月-2020年7月在郑州大学第二附属医院行胸部CT扫描诊断为SPN以SPN为中心的薄层靶扫描的患者,继而由医师遵循单盲原则定性评估患者CT征象后,对SPN进行病灶3D分割,导入pyradiomics进行特征提取。患者按照7:3比例随机分为训练组和测试组,以训练组患者SPN良恶性为研究目的,对影像组学特征进行去冗除杂以构建影像组学标签Rad-score,并纳入CT征象特征联合Rad-score构建多元逻辑回归模型评估SPN的良恶性。结果:共计纳入82名SPN患者,恶性结节共计43例,良性结节39名。训练组中59例患者,其中31例恶性,28例良性;测试组中23例患者,其中12例恶性,11例良性。取最小惩罚系数对应的10个特征构建的影像组学标签(Radiomics signature, Rad-score)。采用ROC分析Rad-score在训练组和测试组中评估恶性SPN的诊断效能,训练组中Rad-score的AUC=0.89,95%置信区间：0.81～0....     

乳腺癌MRI影像组学特征与分子标记物的相关性研究

【摘要】目的：探讨乳腺癌MRI动态增强扫描（DCE-MRI）影像组学特征与病理免疫组化分子标记物的相关性。方法：回顾性分析140例经手术病理证实、行DCE-MRI扫描的乳腺癌患者的病例资料，对所有患者提取乳腺癌病灶的MRI影像组学特征（包括11个形态学特征和13个纹理特征），并采用病理学免疫组化方法检测分子标记物，比较分子标记物表达阳性者与表达阴性者间的形态学特征及纹理特征的差异，对具有组间差异的影像组学特征进行受试者工作特征（ ROC）曲线分析。结果：雌激素受体（ER）阳性者的和平均（290.28±28.90）明显高于ER阴性者（266.26±33.76），鉴别病灶是否表达ER时，ROC曲线下面积（AUC）为0.701；孕激素受体（PR）阳性者的圆度（3.99±2.75）明显低于 PR 阴性者（6.11±4.18），联合圆度、紧致度、实体度这3个影像组学特征鉴别病灶是否表达PR时，AUC为0.678；增殖细胞核抗原（Ki-67）阳性者的和熵（7.76±0.53）明显高于Ki-67阴性者（7.36±0.50），联合和熵、毛刺度、面积、熵这4个影像组学特征鉴别病灶是否表达Ki-67时，AUC为0.767；P53蛋白(P53)阳性者的紧致度（2.56±1.33）明显低于 P53 阴性者（4.03±2.79），联合紧致度、分形度、实体度、圆度这4个影像组学特征鉴别病灶是否表达P53时，AUC为0.669。结论：乳腺癌MRI影像组学特征与分子标记物的表达具有相关性，可作为临床术前无创性预测乳腺癌分子标记物表达的手段。     

基线ADC图全容积ROI影像组学模型预测肿块样乳腺癌新辅助化疗后获得病理完全缓解的价值

【摘要】目的：基于基线期ADC图全容积ROI特征提取构建影像组学预测模型,探讨其对肿块样乳腺癌新辅助化疗（NAC）疗效的预测价值。方法：将2016年1月－2017年12月在本院经粗针穿刺活检病理证实为浸润性乳腺癌的94例女性患者纳入研究,并按照7∶3 的比例随机分为训练组（66例）和验证组（28例）。所有患者在NAC后采用Miller-Payne（M-P）病理分级系统评估疗效,其中获得病理完全缓解（PCR）者14例（14.9%）。回顾性分析每例患者NAC前、后的的临床资料及NAC前3.0T MRI检查资料。采用ITK-SNAP软件获得肿瘤的容积ROI,并采用A.K软件提取影像组学特征,序贯采用最大相关最小冗余（mRMR）特征选择方法和最小绝对收缩和选择算子（LASSO）进行降维分析,并构建影像组学模型（Radscore）。采用ROC曲线和临床决策曲线综合评价模型的预测效能和临床应用价值。结果：基于ADC图全容积ROI影像组学模型预测乳腺癌PCR,在训练组中的AUC和符合率分别为0.87（95% CI：0.75~0.99）和0.848,在验证组中分别为0.85（95% CI：0.71~1.00）和0.821。决策曲线显示,风险因素的概率阈值为10%~80%时,影像组学模型增加了更多的临床收益。结论：基于基线期ADC图全容积ROI影像组学模型对肿块样乳腺癌NAC后疗效（病理评估）有较好的预测效能。     

18 F-FDG PET/CT在三阴性乳腺癌分子分型诊断中的价值

目的 探究¹⁸F-氟脱氧葡萄糖-正电子体层扫描成像(¹⁸F-FDG PET/CT)在三阴性乳腺癌分子分型诊断中的价值。方法 回顾性分析2010年1月1日至2022年12月31日在天津医科大学肿瘤医院行¹⁸F-FDG PET/CT检查的227例乳腺癌患者的临床和影像学资料,根据乳腺癌原发灶雌激素受体(ER)、孕激素受体(PR)及人表皮生长因子受体2(HER-2)表达状态将患者分为三阴性乳腺癌和非三阴性乳腺癌两组;基于PET图像和CT图像,提取影像组学特征,构建影像组学模型用于预测三阴性乳腺癌的分子分型;并比较两组患者的临床资料、CT形态学特征和PET代谢参数的差异,筛选出差异有统计学意义的指标,建立联合临床特征的综合性影像组学模型。结果 与非三阴性乳腺癌相比,三阴性乳腺癌在肿瘤直径、边缘、合并同侧腋下淋巴结转移、累犯邻近皮肤乳头及PET代谢参数等方面表现出更显著的侵袭性(t=-3.19,χ²=7.30、8.10、5.34,t=3.80、3.30、3.42,P＜ 0.05)。构建的¹⁸F-FDG PET/CT影像组学模型能够有效预测三阴性乳腺癌的分子分型,受试者工作特征(ROC)曲线分析显示,曲线下面积(AUC)为0.83(95%CI 0.78~0.88),预测准确度为75.9%,灵敏度为74.5%,特异度为77.2%。构建的综合性影像组学模型AUC为0.86(95%CI 0.81~0.90),预测准确度为77.2%,灵敏度为78.6%,特异度为75.9%。结论 ¹⁸F-FDG PET/CT在三阴性乳腺癌分子分型诊断中发挥重要价值,构建的影像组学模型和综合性影像组学模型进一步提高了PET代谢参数的预测效能,有助于临床上尽早制定准确的治疗方案,从而改善患者预后。     

MRI影像组学联合炎症因子对肝细胞肝癌微血管侵犯的预测价值

【摘要】目的：探讨基于MRI影像组学联合炎症因子术前预测肝细胞肝癌（HCC）微血管侵犯（MVI）的价值。方法：纳入经病理证实的HCC患者221例,其中MVI阳性117例,MVI阴性104例。比较MVI阴性与阳性患者的炎症因子、影像特征差异,运用多因素Logistic分析确定MVI的独立危险因素,建立影像特征及炎症因子预测模型。勾画Gd-DTPA 增强门静脉期瘤周20mm及瘤内所有层面,使用最小绝对收缩和选择算子（LASSO）算法筛选影像组学特征,建立瘤周、瘤内、瘤周及瘤内共三种影像组学模型。选择瘤周、瘤内影像组学及炎症因子建立联合预测模型,使用ROC曲线在验证组中评估模型的预测效能。结果：Logistic多因素分析结果显示肿瘤最大直径、包膜、动脉期瘤周强化、［碱性磷酸酶（ALP）+γ-谷氨酰转肽酶(GGT)］/淋巴细胞计数（AGLR）是MVI的独立危险因素,基于上述独立危险因素建立的影像特征及炎症因子预测模型预测HCC MVI的ROC曲线下面积（AUC）训练组为0.80,验证组为0.75。基于瘤周及瘤内影像组学建立的影像组学模型较仅包含瘤内影像组学的模型预测HCC MVI的AUC高（瘤周及瘤内模型在训练组和验证组的AUC分别为0.83、0.79,瘤内模型在训练组和验证组的AUC分别为0.75、0.73）。瘤周、瘤内影像组学及炎症因子构建的联合预测模型预测HCC MVI的AUC训练组为0.87,验证组为0.82。结论：基于Gd-DTPA门静脉期建立的瘤周及瘤内影像组学模型可对HCC MVI进行术前预测,联合炎症因子可进一步提高其预测效能。     

CT影像组学模型对甲状腺良恶性结节的鉴别价值

目的探讨CT影像组学模型对良恶性甲状腺结节的鉴别诊断价值。方法回顾性分析2017年5月至2018年8月间南京医科大学附属淮安第一医院经病理证实的179例甲状腺结节患者的临床和影像资料。良性结节89例,恶性结节90例。患者术前均行甲状腺结节CT平扫和增强扫描。采用分层随机抽样方法将患者按照8∶2的比例分为训练组(143例)与测试组(36例),采用A.K软件基于术前CT图像提取378个影像组学特征,后采用Spearman相关分析与最小绝对收缩和选择算子回归分析进行特征筛选与模型构建,在训练组与测试组中应用受试者操作特征(ROC)曲线对模型进行验证,评价影像组学特征预测良恶性甲状腺结节的效能。结果经过特征筛选,16个影像组学特征用于构建甲状腺结节良恶性鉴别模型。训练组中预测模型的ROC曲线下面积(AUC)为0.92(95%可信区间:0.88~0.97),灵敏度和特异度分别为88.7%、82.0%,诊断准确率91.1%;测试组中AUC为0.90(95%可信区间:0.81~0.98),灵敏度和特异度分别为88.5%、84.6%,诊断准确率88.2%。结论基于CT的影像组学模型对良恶性甲状腺结节有较高的诊断效能。     

MRI纹理分析和LI-RADS分类鉴别诊断肝硬化小肝癌与不典型增生结节的价值比较

【摘要】目的：比较MRI纹理分析和LI-RADS分类在鉴别肝硬化小肝癌（sHCCs）与不典型增生结节（DNs）中的价值。方法：回顾性分析2015年10月－2018年4月在本院经手术或穿刺活检病理证实的65例肝硬化结节患者的临床资料和术前MRI资料。共78个肝硬化结节（≤3cm）,56个为sHCCs,22个为DNs。由两位放射科医师采用盲法共同分析肝硬化结节的MRI征象,并根据LI-RADS（LR）v2018标准对结节进行分级。采用MaZda软件在横轴面T2WI上于病灶最大层面沿病灶边缘手工勾画ROI,提取病灶的纹理特征,联合Fisher系数、交互信息及分类错误概率+平均相关系数三种纹理选择方法筛选出30个最佳特征子集。采用logistic回归分析筛选关键纹理特征,并构建影像组学标签。采用ROC曲线评估LR-5类、LR-4+LR-5类和影像组学标签鉴别2种病变的诊断效能。结果：LR-5类、LR-4+LR-5类和影像组学标签诊断良、恶性肝硬化结节的ROC曲线下面积（AUC）分别为0.750（95% CI:0.645~0.885）、0.851（95% CI:0.739~0.962）和0.970（95% CI:0.947~0.993）。与LR-4+LR-5类相比,影像组学标签能显著提高诊断特异度（77.3% vs. 95.5%,P=0.031）和符合率（88.5% vs. 96.2%,P=0.023）,两者之间诊断敏感度的差异无统计学意义（92.9% vs. 96.4%,P=0.397）。结论：MRI纹理分析在鉴别肝硬化小肝癌与增生结节方面较LI-RADS分类具有更优的诊断效能。     

基于数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的多中心研究

【摘要】目的：探讨基于多中心数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的价值。方法：以病理诊断为金标准,按照7:3的比例将皖南医学院第一附属医院弋矶山医院437例浸润性乳腺癌患者随机拆分为训练组305例（Ⅰ/Ⅱ级217例,Ⅲ级88例）和验证组132例（Ⅰ/Ⅱ级94例,Ⅲ级38例）,将阜阳市人民医院（n=129）和太和县人民医院（n=162）291例浸润性乳腺癌患者（Ⅰ/Ⅱ级203例,Ⅲ级88例）作为外部测试组。对比分析双乳内外斜位（MLO）和头尾位（CC）图像,选取病变面积较大的数字化乳腺X线图像使用深睿医疗多模态科研平台进行图像分割和影像组学特征提取,采用特征间线性相关性分析与最小绝对收缩和选择算法对组学特征进行降维并使用逻辑回归构建影像组学模型。临床指标经单因素及多因素二元Logistic回归分析并构建临床模型。影像组学评分联合临床指标构建列线图。采用受试者工作特征（ROC）曲线和决策曲线分析（DCA）评价模型性能,使用Delong检验比较模型间的预测效能。结果：最终筛选出3个与浸润性乳腺癌组织学分级最相关的影像组学特征。列线图对浸润性乳腺癌组织学分级的预测效能在训练组、验证组和外部测试组分别为0.811、0.825和0.803,诊断效能优于单一模型。DCA显示在概率值为20%～60%时,训练组、验证组及外部测试组列线图预测浸润性乳腺癌组织学分级的净收益高于影像组学模型及临床模型。结论：基于数字乳腺X线影像组学模型对浸润性乳腺癌组织学分级的预测具有较高的效能,对患者制定个性化治疗方案和预后评估有着重要的临床应用价值。     

CT影像组学在头颈部木村病淋巴结病变与淋巴瘤鉴别中的应用

【摘要】目的：探讨基于增强CT影像组学特征鉴别头颈部木村病淋巴结病变和淋巴瘤的可行性,并验证建立的逻辑回归诊断模型。方法：回顾性分析经手术病理或穿刺活检证实的14例头颈部木村病（38枚肿大淋巴结）和27例淋巴瘤患者（37枚肿大淋巴结）的相关资料,所有患者均行头颈部增强CT扫描。将病灶所有显示层面的CT静脉期图像导入ITK-SNAP软件（www.itksnap.org）,手动勾画立体感兴趣区（VOI）,使用artificial intelligence kit软件提取纹理特征。按照7:3的比例将数据随机分为训练组与验证组。采用方差分析+秩和检验、一般线性模型和Lasso算法进行特征降维,并用最终筛选出的纹理特征构建逻辑回归模型并进行5折交叉验证。用验证组数据对模型进行验证,评价指标采用ROC曲线下面积（AUC）、敏感性和特异性。结果：从75个病灶中共提取396个特征,通过降维最终筛选出5个可用于鉴别两种病变的组学特征。逻辑回归模型在训练组中鉴别效能的AUC为0.987,特异度为0.958,敏感度为0.966;验证组的AUC 为0.938,特异度为0.786,敏感度为1。结论：影像组学鉴别头颈部木村病淋巴结病变和淋巴瘤具有可行性,基于CT影像组学特征建立的逻辑回归模型具有较高的诊断效能。     

CT影像组学联合炎症指标构建逻辑回归模型预测食管鳞癌新辅助化疗疗效

【摘要】目的：探究基于CT影像组学联合血液学炎症指标构建逻辑回归模型预测食管鳞癌新辅助化疗（NAC）疗效的可行性。方法：回顾性分析两家医院经病理证实的54例食管鳞癌患者在术前规范化NAC前、后两次胸部CT增强图像及NAC前一周内的血液学炎症指标检测结果。测量治疗前、后病灶的最长径,计算其变化率,并根据实体肿瘤疗效评价标准（RECIST 1.1）,将患者分为NAC有效组（30例）及无效组（24例）。采用独立样本t检验或Mann-Whitney U检验筛选血液学炎症指标中与疗效相关的因素。在患者治疗前静脉期图像上沿肿瘤边界逐层手工勾画ROI,最终生成三维感兴趣区（VOI）并提取其影像组学特征,使用最小冗余最大相关及Boruta工具包进行特征筛选并构建影像组学标签。分别建立影像组学特征、血液学炎症指标、影像组学标签联合血液学炎症指标的逻辑回归模型,采用混淆矩阵和ROC曲线分析模型对NAC疗效的预测效能,采用DCA曲线评估其临床实用价值。结果：外周血淋巴细胞计数及淋巴细胞数与单核细胞数的比值被纳入炎症指标模型。于治疗前静脉期图像上共提取了1168个组学特征,经降维后共筛选出5个影像组学特征（wavelet-HLL_gldm_DependenceEntropy、wavelet-HHL_gldm_LargeDependenceLowGrayLevelEmphasis、wavelet-HHH_glrlm_HighGrayLevelRunEmphasis、wavelet-HHH_glrlm_LowGrayLevelRunEmphasis和wavelet-HLL_glszm_ZoneEntropy）用于构建影像组学标签。基于影像组学、血液学炎症指标以及联合模型预测NAC疗效的的AUC分别为0.77、0.72和0.80。结论：基于新辅助化疗前的增强CT影像组学及血液学炎症指标特征构建的预测模型可较好的预测食管鳞癌患者新辅助化疗疗效,以联合模型的效能最优,可为临床制订个性化治疗方案提供参考。     

基于薄层CT的三维影像组学在预测亚厘米磨玻璃样肺腺癌浸润程度的价值

【摘要】目的：探讨基于术前薄层CT的三维影像组学预测亚厘米磨玻璃样肺腺癌浸润程度的临床应用价值。方法：回顾性分析华东医院2013年1月－2017年7月经病理证实的394例亚厘米肺腺癌患者（共446个结节）的术前肺部薄层CT和临床资料。选取2013年1月－2015年12月的253例患者的286个结节为验证集;2016年1月－2017年7月141例患者的160个结节为训练集。所有病例参照病理金标准分为浸润前病变和浸润性病变,且所有结节均逐层勾画ROI而得到其容积感兴趣区（VOI）。采用Matlab 2016b软件从每个结节的VOI中提取475个影像组学特征,利用最小绝对收缩和选择算子（LASSO）进行特征筛选,随后建立影像组学标签。采用单因素及多因素分析方法筛选出训练集中两组病变间差异有统计学意义的变量并建立回归模型,进一步在验证集中对此模型进行验证。采用ROC曲线评价模型对结节浸润性的预测效能。结果：经可重复性分析及LASSO降维,最终筛选出13个影像组学特征并建立影像组学标签。多因素分析结果显示影像组学标签和CT值是预测肺癌浸润程度的独立危险因子。在训练集中,回归方程、CT值和影像组学标签的ROC曲线下面积（AUC）分别为0.785（95%CI：0.730~0.840）、0.742（95%CI：0.681~0.802）和0.696（95%CI：0.630~0.760）。在验证集中,回归模型、CT值和影像组学标签的AUC分别为0.704（95%CI：0.618~0.790）、0.683（95%CI：0.595~0.772）和0.674（95%CI：0.588~0.761）。结论：基于薄层CT的三维影像组学特征联合临床资料建立的多因素logistic回归模型对预测亚厘米级磨玻璃结节样肺腺癌的浸润程度具有很好的临床应用价值及发展前景。     

基于CT影像组学模型术前预测喉癌淋巴结转移

【摘要】目的：研究CT影像组学在术前预测喉癌患者淋巴结转移中的价值。方法：搜集本院304例经手术病理证实为喉癌患者的影像学资料,随机选择243例及61例分别作为训练集和验证集。从术前静脉期CT图像中手工勾画肿瘤体积并提取影像组学特征。在训练集中,采用LASSO回归进行特征筛选,使用Logistic回归分别构建影像组学模型、形态学模型及二者联合模型。利用受试者工作特征（ROC）曲线评价各个模型的预测效能,并对模型的ROC曲线行Delong检验。在验证集中评估各种模型的诊断效能。结果：最后获得5个影像组学特征。在训练集中,影像组学模型ROC曲线下面积（AUC）为0.85（95%CI：0.77~0.93）,形态学模型AUC为0.66（95%CI：0.59~0.72）,联合模型AUC为0.82（95%CI：0.74~0.91）;在验证集中,影像组学模型AUC为0.83（95%CI：0.69~0.97）,形态学模型AUC为0.59（95%CI：0.40~0.77）,联合模型AUC为0.73（95%CI：0.56~0.91）。Delong检验显示影像组学模型与形态学模型差异、联合模型与形态学模型差异均有统计学意义（P＜0.05）,而联合模型与影像组模型差异无统计学意义（P＞0.05）。结论：基于病灶为兴趣区的CT影像组学模型可以术前较好地预测喉癌淋巴结转移,其诊断效能高于形态学模型。     

基于增强CT影像组学评分和临床分期的列线图预测胃癌脉管浸润的价值

目的 探讨基于增强CT影像组学评分（Radscore）和TNM分期的列线图预测胃癌脉管浸润（LVI）的价值。 方法 回顾性收集160例术前行上腹部CT增强检查且行术后胃癌LVI状态评估的病人,男109例,女51例,平均年龄（62.23±10.74）岁。160例病人（包括LVI阴性者92例,阳性者68例）按照7∶3比例随机分为训练集（112例）和测试集（48例）;其中,训练集中LVI阴性者60例、阳性者52例,测试集中LVI阴性者32例、阳性者16例。基于增强CT影像提取并筛选影像组学特征,建立影像组学标签并计算Radscore。采用t检验、Mann-Whitney U检验、卡方检验或Kruskal-Wallis H 检验比较LVI阳性组和阴性组间临床病理特征[病人性别、年龄、肿瘤直径、TNM分期、AJCC分期、肿瘤分化程度及癌胚抗原（CEA）、糖类抗原199（CA199）]的差异,将差异有统计学意义的特征和影像组学标签纳入多因素logistic回归,建立临床影像联合模型和列线图。采用受试者操作特征（ROC）曲线评估影像组学模型和列线图的预测效能并计算相应的曲线下面积（AUC）。采用决策曲线评价影像组学模型和列线图的临床净获益。分别基于训练集及测试集中的数据绘制校准曲线对列线图进行验证。 结果 LVI阳性组和阴性组间肿瘤T分期、N分期、AJCC分期的差异均有统计学意义（均P<0.05）,且LVI阳性组的Radscore高于阴性组（P<0.05）。在测试集中,基于T分期、N分期、AJCC分期和Radscore的临床影像联合模型预测LVI的AUC值、准确度和特异度较影像组学模型分别提高了8.2%、18.2%和21.9%。决策曲线分析显示应用联合模型的临床净获益优于影像组学模型。联合模型的列线图显示Radscore得分最高,其次是AJCC分期,最后是N分期和T分期。训练集和测试集中的校准曲线显示列线图的预测结果与真实结果具有较好的一致性。 结论 联合T分期、N分期、AJCC分期和增强CT的Radscore建立的列线图能够成功预测胃癌LVI。     

基于CT影像组学鉴别非小细胞肺癌纵隔转移性淋巴结的模型研究

目的建立不同CT扫描时相图像鉴别非小细胞肺癌(non-small cell lung cancer,NSCLC)纵隔淋巴结的影像组学模型,并探讨不同模型的诊断效能。方法回顾性分析86例NSCLC患者的术前CT图像,所有患者均行平扫期、动脉期和静脉期CT扫描。选取231枚纵隔淋巴结为研究对象,将2015年1月—2017年6月入组的163枚淋巴结作为训练组,2017年7月—2018年6月入组的68枚淋巴结作为验证组。分别在三时相图像上勾画感兴趣区域(regions of interest,ROI),每个ROI提取841个影像特征,使用LASSO算法筛选特征,基于各时相CT影像组学特征和两不同时相CT影像组学特征的差值建立模型。比较不同模型的受试者工作特征曲线(receiver operating characteristic,ROC)下面积(AUC值)、敏感性、特异性、准确度、阳性预测值和阴性预测值的差异。结果共建立6个模型,其AUC值均>0.800。平扫期CT模型具有最优的鉴别效能,其训练组的AUC值、特异性、准确度、阳性预测值分别为0.926、0.860、0.871、0.906,验证组的AUC值、特异性、准确度、阳性预测值分别为0.925、0.769、0.882、0.870,均高于其他模型。平扫和静脉期CT图像联合动脉期CT图像之后,训练组的敏感性、阴性预测值分别从0.879、0.821和0.919、0.789提高到0.949、0.878和0.979、0.900。结论CT各时相影像组学模型均可用于辅助临床诊断淋巴结。平扫CT影像组学模型的AUC值最高,而联合动脉期CT图像可提高模型的敏感度及阴性预测值。     

基于影像组学分析预测磨玻璃结节型肺腺癌浸润性的初步研究

目的探讨影像组学对表现为磨玻璃结节的肺腺癌浸润性的预测能力。方法选取在我院经手术病理证实为肺腺癌的290例患者(浸润前88例,微浸润91例,浸润性肺腺癌111例),根据分层随机抽样分为训练组和验证组。使用AK分析软件进行影像特征提取,采用最小绝对收缩算子法(LASSO)进行降维、筛选最优子集并生成组学标签。采用多元Logistic回归分析方法建立影像组学模型,并采用ROC曲线及曲线下面积(AUC)来评价组学模型的预测效能。结果共提取396个影像学特征,最终降维筛选出17个组学特征并建立组学标签。基于三分类影像组学模型能有效鉴别训练组中浸润前病变、微浸润(MIA)、浸润性肺腺癌(IAC)(AUC分别为0.93、0.85、0.90),并在验证组中得到验证(AUC分别为0.95、0.77、0.80),特别对浸润前病变表现出优越的鉴别能力。结论影像组学标签作为一种无创的术前预测生物标志物,能有效鉴别磨玻璃结节型肺腺癌的浸润前病变、微浸润和浸润性病变。     

基于临床-影像组学列线图模型术前预测进展期胃癌神经侵犯的价值

目的:探讨基于增强CT影像组学特征和临床独立危险因素构建的联合模型及其列线图在术前预测进展期胃癌(AGC)周围神经侵犯(PNI)中的价值。方法:回顾性分析171例AGC患者的CT图像和临床资料。将171例患者按7:3的比例随机分为训练组119例(PNI阳性83例,阴性36例)和验证组52例(PNI阳性37例,阴性15例)。依次使用Spearman相关性分析及绝对收缩与选择算子(LASSO)对增强CT静脉期图像上提取的组学特征进行降维和筛选,并建立影像组学标签(V-Radscore)。使用单因素分析比较PNI阳性组与阴性组之间的V-Radscore和术前临床指标值,将差异具有统计学意义的指标纳入多因素logistic回归分析,得到PNI相关的独立危险因素,同时构建影像组学模型(V)、临床模型(C)和组合模型(V+C),并在训练组构建组合模型的列线图。采用受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度和符合率来评价模型的诊断效能,使用校准曲线评价列线图模型在训练组和验证组中的拟合程度,使用决策曲线分析(DCA)来评价列线图的临床应用价值。结果:PNI的独立危险因素包括V...     

高分辨率CT影像组学联合传统影像学征象预测肺腺癌微血管浸润的价值

目的 探讨高分辨率CT（HRCT）影像组学联合传统影像学征象的综合模型预测肺腺癌微血管浸润的价值。 方法 回顾性分析2015年6月至2019年4月于青岛大学附属医院就诊的微血管浸润状态明确的肺腺癌患者65例（微血管浸润阳性30例、阴性35例）,其中,男性33例、女性32例,年龄34~83（60.7±10.3）岁。以患者HRCT检查时间为编号,通过系统随机抽样方法将患者按约3∶1等距抽样分为2组:训练组46例,验证组19例。训练组用于模型的建立,验证组用于模型的效能评价。通过两独立样本t检验、χ2检验或Fisher确切概率法筛选训练组中微血管浸润阳性与阴性患者间差异有统计学意义的传统影像学征象。勾画2组患者的肿瘤三维感兴趣区并提取影像组学特征,通过单因素方差分析和Lasso-Logistic回归分析筛选训练组中有鉴别价值的最优影像组学特征,计算影像组学得分。通过Logistic回归分析构建联合影像组学得分和传统影像学征象预测肺腺癌微血管浸润的综合模型,并绘制列线图,进行效能评价。 结果 共提取影像组学特征1308个,最终得到6个最优影像组学特征。传统影像学征象中仅肿瘤最大径在微血管浸润阳性与阴性患者间的差异有统计学意义[（28.10±11.39）mm对（22.32±6.26） mm;t=5.580,P=0.035],其在训练组中的曲线下面积（AUC）为0.648(95%CI:0.493~0.783)、灵敏度为38.1%、特异度为88.0%;在验证组中的AUC为0.783(95%CI:0.538~0.936)、灵敏度为88.9%、特异度为70.0%。预测肺腺癌微血管浸润的综合模型在训练组中的AUC为0.880(95%CI:0.750~0.957),灵敏度为90.5%,特异度为72.0%;在验证组中的AUC为0.811(95%CI:0.568~0.951),灵敏度为88.9%,特异度为80.0%。 结论 基于HRCT影像组学联合传统影像学征象的综合模型对肺腺癌微血管浸润具有较高的预测价值,有助于肺腺癌患者的术前评估。     

基于CT影像组学模型预测骨巨细胞瘤术后复发

目的 探讨基于术前CT平扫影像组学特征模型预测骨巨细胞瘤3年内复发的价值。资料与方法 回顾性分析2007年2月—2018年5月北京大学人民医院经组织学证实的95例骨巨细胞瘤的临床及影像学资料,以3∶1随机分为训练组71例和测试组24例。基于术前CT平扫提取的影像组学特征,于训练组中使用最小绝对收缩与选择算子算法进行降维后建立预测骨巨细胞瘤手术后3年内复发的影像组学标签。使用Spearman相关分析算法、最小绝对收缩与选择算子回归及梯度提升迭代决策树进行特征降维。使用多变量Logistic回归及随机森林纳入影像组学标签构建影像组学模型预测骨巨细胞瘤复发;使用受试者工作特征曲线评估影像组学标签在训练组中的准确性,并通过验证组进行验证。结果 提取术前CT平扫图像,共提取12个与骨巨细胞瘤术后3年内复发相关的影像组学特征构成影像组学标签,使用Logistic回归显示在训练组和测试组中预测骨巨细胞瘤术后3年内复发的曲线下面积分别为0.962和0.924,使用随机森林训练组及测试组的曲线下面积分别为0.991和0.917。结论基于术前CT影像组学模型作为非侵入性量化工具,预测骨巨细胞瘤复发具有良好...