神经浸润对结直肠黏液腺癌预后的评估价值

目的探讨神经浸润对结直肠黏液腺癌预后的评估价值。方法选取2004年1月至2016年6月于郑州大学第一附属医院接受根治术治疗的170例结直肠黏液腺癌患者,定期进行随访并收集患者的临床资料。根据神经浸润情况分为神经浸润阳性组(17例)和神经浸润阴性组(153例)。分析神经浸润与结直肠黏液腺癌临床特征的相关性,神经浸润的影响因素,以及3年生存概率与临床特征的关系。结果随访完成152例,失访18例,随访成功率为89.41%(152/170)。结直肠黏液腺癌神经浸润与术前D-二聚体、TNM分期、区域淋巴结转移、远处转移、脉管浸润均有关(均P<0.05)。TNM分期晚、脉管浸润、远处转移是结直肠黏液腺癌合并神经浸润的独立危险因素(均P<0.05)。结直肠黏液腺癌患者3年生存概率与TNM分期、区域淋巴结转移、远处转移、神经浸润、脉管浸润有关(均P<0.05)。结论 TNM分期晚、脉管浸润、远处转移是结直肠黏液腺癌合并神经浸润的独立危险因素。神经浸润是影响结直肠黏液腺癌预后的重要因素。     

CT影像组学在预测非小细胞肺癌淋巴结转移中的价值

目的探讨基于胸部CT影像组学在术前预测非小细胞肺癌淋巴结转移中的价值。方法回顾性分析经术后病理证实的143例非小细胞肺癌病人临床、胸部CT增强影像资料。按照7:3比例,随机分为训练组（n=100）和验证组（n=43）。在静脉期图像上提取肿瘤的影像组学特征,采用最小绝对收缩选择算子（LASSO）逻辑回归用于数据降维、特征筛选。分别基于影像组学特征和临床-影像特征（最大径、毛刺征）构建预测模型。采用受试者工作特征曲线（ROC）的曲线下面积（AUC）评价不同模型的鉴别预测效能,并对模型的ROC曲线行Delong检验;在验证组中评估其预测效能。结果共提取939个影像组学特征,经筛选最终得到6个最优特征并建立影像组学预测模型。对于术前预测淋巴结转移的效能,在训练组中,影像组学模型AUC为0.864（95%CI:0.781~0.924）,大于临床模型的AUC为0.662（95%CI:0.561~0.754）（P < 0.01）;在验证组中,影像组学模型AUC为0.860（95%CI:0.720~0.964）,大于临床模型的AUC为0.664（95%CI:0.504~0.880）（P < 0.05）。结论基于胸部CT增强图像提取影像组学特征及其构建的预测模型,影像组学模型的效能高于临床模型,可以作为一种预测非小细胞癌病人淋巴结是否转移的辅助工具,具有良好的临床应用前景。     

基于T2W-MRI影像组学标签术前预测浸润性乳腺癌组织学分级

目的：构建并验证基于磁共振T2加权像(T2 weighted MRI,T2W-MRI)压脂序列图像术前预测浸润性乳腺癌组织学分级(I/II级、III级)的影像组学标签。方法：回顾性收集2011年6月至2017年2月在广东省人民医院行MRI检查并经病理诊断证实的浸润性乳腺癌患者202例,并进一步将其分为训练组152例(I/II级91例, III级61例)和验证组50例(I/II级30例, III级20例)。通过导出T2加权成像(T2 weighted imaging,T2WI)压脂序列中肿瘤最大层面图像并手动勾画肿瘤感兴趣区、提取影像组学特征后,应用最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)-logistic回归模型筛选特征并构建影像组学标签。使用Mann-Whitney U检验分析影像组学标签与浸润性乳腺癌组织学分级之间的关系;应用受试者工作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under curve,AUC)、敏感度、特异度及准确度以评价影像组学标签术前预测浸润性乳腺癌组织学分级的效能;并在验证组中验证其效能。 结果：在训练组中提取并筛选出8个特征用于构建影像组学标签,其在术前预测浸润性乳腺癌组织学分级的效能在训练组中AUC值为0.802(95% CI：0.729~0.875),敏感度、特异度和准确度分别为78.7%,70.3%和73.7%;在验证组中,AUC值为0.812(95% CI：0.686~0.938),敏感度、特异度及准确度分别为80.0%,73.3%和76.0%。结论：基于T2W-MRI压脂序列图像的影像组学标签可术前预测浸润性乳腺癌组织学分级,有望协助临床决策。     

宫颈黏液腺癌MRI诊断价值

目的 分析宫颈黏液腺癌(mucinous adenocarcinoma of the uterine cervix)的MRI影像特点,探讨其影像诊断及分期价值。方法 回顾性分析19例经手术病理证实的宫颈黏液腺癌患者临床和术前MRI影像资料;中位数年龄42(28～68)岁;病理诊断为普通型宫颈黏液腺癌13例,胃型黏液腺癌4例,宫颈管型黏液腺癌2例。观察病变的形态学及信号特点、强化特点、宫旁受侵及淋巴结转移等情况,分析宫颈黏液腺癌不同病理亚型是否发生囊变及其生长方式。结果 19例患者的病灶最大径为0.8～4.7cm,平均为(3.1±1.3)cm。肿瘤在较早期更倾向于宫颈管内或内生性生长;肿瘤较易出现囊变,囊内可富含黏液成分呈T1WI高信号;动态增强扫描9例呈病灶强化早于肌层,延迟期轻度强化,弱于肌层;宫颈受累情况：1例局限于宫颈管内,18例宫颈间质环及宫颈肌层不同程度受累;转移情况：宫体受侵9例,阴道受侵5例,卵巢受累2例,淋巴结受累5例。结论 宫颈黏液腺癌的MRI影像表现有一定特点,可清晰显示病灶位置、大小、形态、与周围组织的关系及有无囊变,有助于宫颈病变定性及肿瘤分期。     

术前外周血淋巴细胞比值对早期乳腺癌患者非前哨淋巴结转移的预测分析

目的 研究术前外周血淋巴细胞比值对早期乳腺癌患者非前哨淋巴结转移的预测价值。方法 回顾性选取杭州市妇产科医院及浙江大学医学院附属妇产科医院乳腺科2014年1月至2020年1月行前哨淋巴结活检的临床早期乳腺癌患者443例,将其中有前哨淋巴结转移的189例患者根据是否有非前哨淋巴结转移把研究对象分为转移组和未转移组,分析术前外周血淋巴细胞比值与非前哨淋巴结转移的相关性,并分析其他临床病理特征对非前哨淋巴结的预测价值。结果 非前哨淋巴结转移组共有99例,未转移组有90例。单因素分析显示肿瘤大小(p=0.006)、前哨淋巴结转移数量(p=0.026)、脉管浸润(p=0.003)和术前外周血淋巴细胞比值(p=0.003)是非前哨淋巴结转移的影响因素。多因素分析显示脉管浸润(p=0.016, OR：5.057, 95% CI：1.351-18.927)、肿瘤大小(p=0.038, OR：1.952, 95% CI：1.038 to 3.672)、术前NLR(p < 0.001, OR：2.213, 95% CI：1.426 to 3.432) 对于预测早期乳腺癌非前哨淋巴结转移具有统计学意义。术前外周血淋巴细胞比值的受试者工作特征曲线下面积为0.668(95%CI, 0.592-0.744),p < 0.001,最佳截断值2.7,敏感度62.6%,特异度87.8%。结论 术前外周血淋巴细胞比值是乳腺癌非前哨淋巴结转移的有效预测因素。     

直肠中分化管状腺癌淋巴结转移相关因素分析

目的探讨直肠中分化管状腺癌淋巴结转移的相关因素,为临床诊断和治疗提供参考。方法回顾性分析193例直肠中分化管状腺癌患者的临床病理特点,用χ2检验及多因素Logistic回归分析各临床病理因素与淋巴结转移的关系。结果直肠中分化管状腺癌淋巴结转移率、转移度与肿瘤浸润深度、淋巴管浸润、生长方式及是否伴有乳头状腺癌或黏液腺癌成分有关。多因素Logistic回归分析表明,相关因素与淋巴结转移的密切程度依次为:肿瘤是否伴有乳头或黏液腺癌成分、浸润深度、淋巴管浸润。结论直肠中分化管状腺癌是否伴有乳头或黏液腺癌成分是影响淋巴结转移的最重要因素。     

基于CT影像组学方法术前精准预测直肠癌淋巴结转移范围的效果研究

目的：探究基于CT影像组学方法术前精准预测直肠癌淋巴结转移范围的效果。方法：回顾性分析2021年1月—2023年1月经我院手术病理证实的60例直肠癌患者临床资料，其中28例发生淋巴结转移作为转移组，32例未发生淋巴结转移作为未转移组。比较两组患者癌症特征，两组术前均采用常规增强CT检查和CT影像组学分析，比较常规增强CT检查和CT影像组学诊断阳性率、盆腔淋巴结数量和最大淋巴结长径，并通过Delong检验比较两种检测方法的诊断效能。结果：CT影像组学对淋巴结转移的预测比例为96.43%,高于增强CT的71.43%;CT影像组学组对淋巴结未转移的预测比例为100.00%,高于增强CT组的81.25%(P<0.05)。增强CT和CT影像组学检查诊断有淋巴结转移患者的盆腔淋巴结数量和最大淋巴结长径差异无统计学意义(P>0.05)。CT影像组学对直肠癌淋巴结转移预测的灵敏度、特异度、阳性率、阴性率均高于增强CT(P<0.05)。结论：基于CT影像组学方法在术前预测直肠癌患者有无淋巴结转移具有较高的价值，可在术前进行较准确肿瘤分期，可为患者制定个性化治疗方案，且为后续治疗方法提供...     

结直肠黏液腺癌淋巴结转移度的临床病理意义

目的探讨结直肠黏液腺癌淋巴结转移度的临床病理意义。方法收集2011年1月—2013年12月该院收治的26例结直肠黏液腺癌患者临床病理资料,根据性别、年龄及肿瘤部位进行分组,病理诊断确定各组术后标本收获淋巴结数及有肿瘤转移的阳性淋巴结数,按照淋巴结转移度=（阳性淋巴结数/收获淋巴结数）×100%,计算淋巴结转移度并进行统计学比较。结果 26例结直肠黏液腺癌中,男性患者淋巴结转移度（37.29%）明显高于女性（14.29%）;65岁以上患者淋巴结转移度（40.63%）明显高于65岁以下（19.29%）;左半结肠和直肠肿瘤患者淋巴结转移度（46.59%）明显高于右半结肠（21.11%）,差异有统计学意义（P〈0.001）。结论结直肠黏液腺癌淋巴结转移度与患者性别、年龄及肿瘤部位有关。     

ACR TI-RADS预测伴桥本甲状腺炎的甲状腺乳头状癌颈淋巴结转移的价值

目的： 探讨美国放射学会甲状腺影像报告与数据系统（ACR TI RADS）预测伴桥本甲状腺炎（Hashimoto′s thyroiditis,HT）的甲状腺乳头状癌(papillary thyroid carcinoma, PTC)颈淋巴结转移的价值。方法： 回顾性分析271例伴HT的PTC患者,依据有无颈淋巴结转移分为有转移组和无转移组,比较两组患者术前超声声像图表现差异,并根据声像图表现分别进行Kwak甲状腺影像报告与数据系统(Kwak TI RADS)和ACR TI RADS分级,采用二分类Logistic回归分析确定颈淋巴结转移的独立影响因素。绘制肿瘤最大径、纵横比、ACR TI RADS分值的ROC曲线,评估各预测因素的诊断效能。结果： 年龄、性别、肿瘤最大径、纵横比、ACR TI RADS分值与伴HT的PTC患者颈淋巴结转移明显相关（P<0.05）。Logistic回归分析显示: 肿瘤最大径、ACR TI RADS分值、纵横比>1是颈淋巴结转移的独立危险因素（OR分别为1.169、1.392、2.765, P均<0.05）。肿瘤最大径、ACR TI RADS分值、纵横比>1联合预测模型的ROC曲线下面积为0.887（95% CI：0.849～0.925）,敏感性为86.2%,特异性为75.0%。结论：ACR TI RADS分值是伴HT的PTC患者颈淋巴结转移的独立影响因素,与肿瘤最大径、纵>1横比联合预测模型可为临床制定治疗方案提供一定的影像学依据。     

PET/CT和CT诊断宫颈癌腹主动脉淋巴结转移间接比较的Meta分析

目的 采用Meta分析和间接比较方法评价PET/CT和CT在宫颈癌腹主动脉淋巴结转移诊断中的临床价值.方法 计算机检索PubMed (1966-2013.7)、Web of Science (1980-2013.7)、The Cochrane Library (2013.6)、Embase (1974-2013.7)、中文科技期刊数据库(1989-2013.7)、万方数据库(1990-2013.7)、中国知网数据库(1994-2013.7)、中国生物医学文献数据库(1978-2013.7),并辅以手工检索,获取PET/CT诊断宫颈癌腹主动脉淋巴结转移的相关文献.2名研究者严格按照纳入排除标准独立地筛选文献,提取资料,依据诊断准确性研究的质量评估(QUADAS)工具进行文献质量评价.用Meta-Disc 1.4和Statal2.0软件对PET/CT诊断宫颈癌腹主动脉淋巴结转移的敏感性(SEN)、特异性(SPE)、阳性似然比(+LR)、阴性似然比(-LR)、诊断比值比(DOR)进行合并分析和间接比较,并进行异质性检验.计算综合受试者工作特征(SROC)曲线下面积.间接比较结果计算相对诊断比值比(RDOR)等.结果 检索获得1 006条记录,最终纳入27篇文献,共4469例患者.Meta分析结果显示,以术后病理检查为金标准,PET/CT诊断宫颈癌腹主动脉淋巴结转移的SEN合并为0.70 (95％CI 0.65～0.74),SPE合并为0.96 (95％CI 0.95～0.96),DOR为24.53 (95％CI 10.83～55.57),SROC曲线下面积为0.8705;CT诊断宫颈癌腹主动脉淋巴结转移的SEN合并为0.65 (95％CI 0.57～0.73),SPE合并为0.87 (95％CI 0.84～0.90),DOR为12.59 (95％CI 8.36～18.95),SROC曲线下面积为0.8720.间接比较结果显示PET/CT与CT的RDOR值为1.95 (95％CI 0.69～5.50).结论 PET/CT较CT诊断宫颈癌腹主动脉淋巴结转移准确性高,可作为宫颈癌淋巴结转移的诊断方法之一.     

基于CT影像组学构建模型对实性肺结节鉴别的价值

  目的  探讨CT影像组学模型对实性肺结节良恶性的诊断效能。  方法  回顾性分析安徽医科大学第二附属医院2019年3月—2022年11月经手术、穿刺或临床证实的231例实性肺结节患者CT影像资料,选择典型的231个肺结节,按病理类型分为良性(98例)和恶性(133例)。采用InferScholar软件分别从二维、三维2个角度对病灶轮廓进行勾画,之后用软件提取影像组学特征,将入组病例以7∶ 3的比例分为训练集和测试集。通过Pearson相关系数、显著性检验、LASSO回归分析方法进行特征筛选。在训练集中分别构建二维、三维影像组学特征模型(模型Ⅰ、模型Ⅱ),用测试集来验证,利用ROC曲线下面积来评价模型的预测效能。  结果  从二维、三维2个角度分别提取出919、1 746个影像组学特征,经过筛选,分别得到12、20个最优影像组学特征,用机器算法构建影像组学模型Ⅰ和模型Ⅱ。训练集中模型Ⅰ的AUC为0.97,模型Ⅱ的AUC为0.98;测试集中模型Ⅰ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.94(95% CI:0.87~0.98)、83.9%、89.5%、86.7%、87.2%、87.0%;测试集中模型Ⅱ的AUC、灵敏度、特异度、阳性预测值、阴性预测值和准确率分别为0.97(95% CI:0.94~0.99)、75.9%、97.5%、95.7%、84.8%、88.4%。  结论  基于CT影像组学构建的模型能够较好地预测实性肺结节的良恶性,从三维角度构建的模型Ⅱ的诊断效能优于二维角度构建的模型Ⅰ。      

影像组学联合预测模型在预测非小细胞肺癌淋巴结转移中的建立和应用价值

  目的  开发并验证影像组学模型,用于预测非小细胞肺癌术前淋巴结转移风险。  方法  2014年1月至2015年12月100例经临床病理确诊的非小细胞肺癌100例组成训练组,并用该数据建立影像组学预测模型。影像组学特征在平扫及增强CT上进行提取。Lasso-logistic模型用于数据降维、特征选择以及影像组学标记的建立。一致性系数（ICCs）用于评价观察者内部以及观察者之间的重复一致性。以一致性指数（C-index）评价影像组学标签对淋巴结转移的鉴别预测能力,并采用受试者工作特性（ROC）曲线下面积（AUC）展示。多因素logistic回归分析用于建立影像组学联合预测模型,该预测模型的参数包括影像组学标记和独立的临床危险因素。建立的影像组学模型由2016年1月至2017年12月连续纳入的100例非小细胞肺癌病例组成验证组进行验证。采用AUC评价该模型的鉴别预测效能,并用Delong检验进行模型间（联合预测模型与单纯使用22个影像组学标记的模型之间）的比较;用Hosmer-Lemeshow good of fit test（拟合优度检验）评价预测模型的校准度,其结果使用校正曲线表示,以比较模型预测的结果与实际淋巴结转移的一致性。  结果  提取特征时,观察者内部和观察者间的一致性好,ICC均大于0.75。从300个影像组学特征中提取出22个,其组成的影像组学标记,对于鉴别预测淋巴结转移状态的AUC,训练组为0.781,验证组为0.776。建立的影像组学预测模型包含了影像组学标记和血清癌胚抗原（CEA）、细胞角蛋白19片段抗原（CYFRA21-1）、癌抗原125（CA125）水平。用此联合预测模型预测淋巴结转移状态,训练组的AUC为0.836,验证组的AUC为0.821,均高于训练组和验证组单纯使用22个影像组学标记的模型,差异有统计学意义（P<0.05）。影像组学联合预测模型在训练组和验证组中均有较好的校准度,与实际淋巴结转移一致性高。  结论  本研究开发了一个包含了影像组学特征、临床危险因素的影像组学联合预测模型,该模型能够直观预测非小细胞肺癌患者术前的淋巴结转移风险。     

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。     

CT影像组学鉴别儿童腹膜后神经母细胞瘤和节细胞神经母细胞瘤的价值

目的 基于平扫和增强CT的影像组学分析在鉴别儿童腹膜后神经母细胞瘤（NB）和节细胞性神经母细胞瘤（GNB）中的价值。方法 纳入172例NB和48例GNB患儿,按7∶3的比例分层随机抽样划分为训练集和测试集。分别从平扫期、动脉期和静脉期CT图像中提取并筛选影像组学特征,基于最优特征子集采用多变量回归模型建立各期以及三期复合的影像组学模型,绘制模型ROC曲线,计算并比较各期模型的AUC、准确度、灵敏度及特异性等评价指标。结果 从平扫期、动脉期和静脉期CT图像中分别提取了1218个影像组学特征,最终筛选出平扫期模型4个特征、动脉期模型3个特征、静脉期模型2个特征以及三期复合模型 5 个特征。平扫期模型在训练集中的 AUC 为 0.840（95%CI: 0.778~0.902）,测试集中 AUC 为 0.804（95%CI: 0.699~ 0.899）。动脉期模型在训练集中的AUC为0.819（95%CI: 0.759~0.877）,测试集中AUC为0.815（95%CI: 0.697~0.915）。静脉期模型在训练集中的AUC为0.730（95%CI: 0.649~0.803）,测试集中AUC为0.751（95%CI: 0.619~0.869）。三期复合模型在训练集中的AUC为0.861（95%CI: 0.809~0.910）,测试集中AUC为0.827（95%CI: 0.726~0.915）。结论 基于平扫和增强CT的影像组学特征有助于区分儿童腹膜后NB和GNB,纹理特征相对于一阶直方图特征能更好的反映病灶的差异。平扫期、动脉期和静脉期影像组学模型均可较好鉴别儿童腹膜后NB和GNB。三期复合模型与平扫期、动脉期模型效能相似,但优于静脉期模型。     

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。  方法  回顾性分析2016年10月?2018年12月经手术病理结果证实为直肠癌且在我院行术前直肠磁共振的患者131例。采用ITK-SNAP软件从T2WI和RS-EPI DWI图像中手动分割出肿瘤区域。使用PyRadiomics包提取出200个特征〔100个特征来自于T2WI,100个特征来自RS-EPI DWI的表观弥散系数（apparent diffusion coefficient, ADC）图〕。使用mwmote与neater重采样均衡数据,加入13例T_1-2期模拟数据。根据3∶1的比例将总体数据分割成训练集111例和测试集37例。在训练集上使用Tree-based Pipeline Optimization Tool（TPOT）最优化模型参数并选取最重要的组学特征建模,得到5个互相独立的T分期模型。使用准确率和受试者工作特征（ROC）曲线下面积（area under the curve, AUC）筛选出最优模型。在测试集和原数据集上预测直肠癌T分期。  结果  自动化机器学习推荐的5个T分期模型,在训练集上的准确率为0.802～0.838,敏感度为0.762～0.825,特异度为0.833～0.896,AUC范围为0.841～0.893,average precision（AP）范围为0.870～0.901。经过对比后,最终选择的模型的敏感度、特异度、AUC,在训练集上为0.810、0.875、0.893,在测试集上为0.810、0.813、0.810,在原始数据集上为0.810、0.830、0.860。  结论  基于T2WI和RS-EPI DWI的影像组学数据,通过自动化机器学习建立的模型在预测直肠癌T分期上有较高的准确率。     

磁共振影像组学主成分分析法预测直肠癌新辅助放射化学治疗效果

目的 探讨基于MRI高分辨率T2加权图像的影像组学主成分分析（PCA）法对直肠癌新辅助放射化学治疗效果的预测价值。方法 回顾性分析2018年1月1日至2018年12月31日在我院因局部进展期直肠癌接受新辅助放射化学治疗后行直肠癌根治性切除术的80例患者资料,男60例、女20例,年龄为28~74岁,平均年龄为（56.2±9.9）岁。患者行新辅助放射化学治疗前接受3.0 T MRI检查,在高分辨率T2加权图像上提取影像组学特征,再采用PCA法进行特征值降维,使用降维后的特征与病理完全缓解（pCR）标签建立logistic回归分类器模型,将样本随机分为训练集与测试集进行机器学习,分别绘制ROC曲线并计算AUC及灵敏度、特异度、准确度。结果 MRI高分辨率T2加权图像共提取到1 409个影像组学特征,PCA法重新组合并选取了前5个最能代表整个影像组学特征矩阵的新特征,分别能代表整个影像组学特征矩阵中9.926 016 67×10^-1、4.854 545 00×10^-3、2.509 013 91×10^-3、2.489 032 30×10^-5、7.372 984 50×10^-6的信息。Logistic回归分类器模型交叉验证测试集的平均AUC为0.761（95% CI：0.694~0.828）,灵敏度为90.3%,特异度为40.0%,准确度为79.0%。结论 基于MRI高分辨率T2加权影像组学PCA法对直肠癌新辅助放射化学治疗的疗效具有较好的预测价值。     

基于影像组学和机器学习的胃肠道间质瘤与非胃肠道间质瘤鉴别

目的 建立并验证基于影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤。方法 纳入符合标准的患者435例,采集胃肠道间质瘤与非胃肠道间质瘤(包括胃平滑肌瘤、神经鞘瘤)共3279张超声内镜图像,按7:3比例分为训练集和测试集,采用Pyradiomics提取肿瘤影像组学特征并应用PCA、LASSO、Xgboost、Random Forest、RFE算法设计特征筛选方案,基于所选特征通过SVM分类器建立模型并评估对胃肠道间质瘤与非胃肠道间质瘤的预测性能。 结果 由最终筛选得到的影像组学特征建立影像组学模型,五种特征筛选模型(PCA, PCA+LASSO, PCA+Xgboost, PCA+ Random Forest, PCA+RFE)的曲线下面积(Area under curve,AUC)分别为0.581,0.870,0.874,0.860, 0.661。结论 PCA与Xgboost的特征筛选方法效果最佳,基于上述影像组学和机器学习方法鉴别胃肠道间质瘤与非胃肠道间质瘤的模型可用于患者的术前预测,并可作为指导后续个性化治疗的有效临床工具。     

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。