建立MRI影像组学列线图术前预测子宫内膜癌浸润深肌层

目的 构建MRI影像组学列线图,评价其预测子宫内膜癌(EC)深肌层浸润(DMI)的价值.方法 分析133例EC患者术前临床及影像学资料,根据术后病理所见肌层浸润情况将其分为DMI组(n=62)和非DMI组(n=71).获取并筛选其影像组学特征,计算影像组学得分(Radscore),利用多因素logistic回归筛选常规...     

术前MRI影像组学模型预测保乳手术治疗乳腺癌的可行性

目的 建立术前MRI影像组学模型，观察以之预测保乳手术(BCS)治疗乳腺癌的可行性。方法 纳入90例接受BCS治疗的乳腺癌患者，其中61例BCS成功(成功组)、29例失败(失败组);按2∶1将其分为训练集(n=60)和测试集(n=30),并于各集内划分亚组，比较组间及亚组间临床及MRI资料，提取并筛选MRI影像组学特征，构建模型，评估其预测BCS可行性的价值。结果 训练集2亚组间接受新辅助治疗情况、患侧乳房体积及有无子灶差异均有统计学意义(P均<0.05);测试集2亚组间肿瘤体积、患侧乳房体积及有无子灶差异均有统计学意义(P均<0.05)。最终以5个MRI组学特征及有无子灶建立影像组学模型，其预测训练集和测试集BCS可行性的曲线下面积分别为0.961和0.855。结论 术前MRI影像组学模型可用于预测以BCS治疗乳腺癌的可行性。     

基于表观弥散系数图影像组学模型评价子宫内膜样腺癌病理分级

目的 观察基于表观弥散系数（ADC）图影像组学模型评价子宫内膜样腺癌（EA）病理分级的价值。方法 纳入97例经术后病理诊断为EA的女性患者,包括中、高分化EA 65例,低分化EA 32例。采用合成少数类过采样技术（SMOTE）使低分化EA样本量达65,之后按7 ∶ 3将患者分为训练集（n=90,中、高分化45例,低分化45例）和验证集（n=40,中、高分化20例,低分化20例）。重建ADC图,提取其影像组学特征;建立Logistic回归模型,绘制受试者工作特征（ROC）曲线、校准曲线和临床决策曲线,评价模型的诊断效能。结果 影像组学模型鉴别训练集和验证集EA病理分级的准确率、曲线下面积（AUC）、敏感度、特异度、阳性预测值（PPV）及阴性预测值（NPV）分别为77.78%、0.87、73.33%、82.22%、80.49%及75.51%和77.50%、0.84、80.00%、75.00%、76.19%及78.95%,诊断效能差异无统计学意义（P=0.66）。结论 基于ADC图的影像组学模型对评价EA病理分级具有一定价值。     

宫颈癌MRI影像组学研究现状及进展

宫颈癌发病率及死亡率逐年升高,早期诊断可改善其预后。影像组学可自动化、高通量提取医学影像的定量特征并实现数据转化,更准确地评估宫颈癌的发生、发展及转归。本文围绕MRI影像组学用于研究宫颈癌的现状及进展进行综述。     

基于多参数MRI影像组学的列线图术前预测子宫内膜癌淋巴血管间隙侵犯的研究

目的 探讨基于多参数MRI(multiparametric magnetic resonance imaging, mp MRI)影像组学列线图预测子宫内膜癌（endometrial cancer, EC）淋巴血管侵犯（lymphatic vascular space invasion, LVSI）的价值。材料与方法 回顾性分析术前行盆腔mp MRI检查的202例经手术病理证实为EC患者的病例资料,并按7∶3随机分为训练集和验证集。运用开源的ITK-SNAP软件勾画兴趣区（region of interest, ROI）,使用Pyradiomics软件从mpMRI影像图中提取EC影像组学特征。采用单因素分析临床基本资料和影像组学特征,通过最小绝对收缩和选择算法（least absolute shrinkage and selection operator, LASSO）回归筛选影像组学特征并计算影像组学分数（radiomics score, Rad-score）,多因素logistic回归用于筛选LVSI独立危险因素,使用R语言建立模型并绘制列线图,模型的预测效能采用C指数（C-ind...     

基于多序列MRI影像组学的胶质母细胞瘤风险分层预测研究

目的 以多序列MRI影像组学方法开发一种胶质母细胞瘤(glioblastoma,GBM)总生存期(overall survival,OS)预测模型,实现风险分层预测。材料与方法 本研究回顾性分析TCIA/TCGA(The Cancer Imaging Archive/The Cancer Genome Atlas)公共数据库中309例GBM患者数据,针对术前对比增强后T1加权(post-contrast enhanced T1-weighted,T1CE)序列和T2加权液体衰减反转恢复(T2-weighted fluid attenuation inversion recovery,T2 FLAIR)序列,提取坏死区、肿瘤区和水肿区三种感兴趣区域的10 128个影像组学特征。采用相关性分析、主成分分析(principal component analysis,PCA)和最小绝对收缩和选择算法-Cox等比例风险回归(least absolute shrinkage and selection operator-cox proportional-hazards,LASSO-Cox),筛选与...     

MRI术前诊断子宫内膜癌宫颈间质浸润

目的 探讨MRI术前诊断Ⅱ期子宫内膜癌宫颈间质浸润的价值及MR动态增强扫描在定位宫颈内口中的意义。方法 回顾性分析经手术病理证实的107例子宫内膜癌患者资料。以手术后病理分期为金标准,采用Fisher's确切概率法分别评价术前MRI和分段诊断性刮宫对Ⅱ期、>Ⅱ~Ⅳ期子宫内膜癌宫颈间质浸润的诊断效能,分析MRI和分段诊刮诊断对Ⅱ期子宫内膜癌宫颈间质浸润的敏感度、特异度、准确率、阳性预测值和阴性预测值。观察动脉期宫体肌层与宫颈肌层强化特点。结果 MRI和分段诊刮对Ⅱ期内膜癌宫颈间质浸润的诊断效能差异有统计学意义(P=0.03),对>Ⅱ~Ⅳ期差异无统计学意义(P=0.36);MRI术前诊断Ⅱ期子宫内膜癌宫颈间质浸润的敏感度、特异度、准确率、阳性预测值和阴性预测值为56.25%(9/16)、97.80%(89/91)、91.59%(98/107)、81.81%(9/11)、92.71%(89/96)。宫体肌层与宫颈肌层在动脉期形成清晰的分界面。结论 MRI术前评估Ⅱ期子宫内膜癌宫颈间质有较大价值,优于分段诊断性刮宫。在动态增强扫描动脉期,宫体肌层与宫颈肌层强化差异形成的分界面有助于宫颈内口的定位,有助于MRI发现宫颈间质浸润。     

利用MRI影像组学模型可有效预测乳腺癌前哨淋巴结转移

目的 探索基于不同乳腺MRI序列联合临床病理因素的MRI影像组学模型预测乳腺癌前哨淋巴结转移的潜在价值。 方法 回顾性分析182例经病理确诊为乳腺癌伴前哨淋巴结转移状态患者,其中前哨淋巴结转移阳性组91例,前哨淋巴结转移阴性组91例,并按7：3的比例分训练组（阳性组64例、阴性组64例）和验证组（阳性组27例、阴性组27例）。对乳腺癌患者的临床、影像及病理资料进行单因素和多因素Logistic回归分析并筛选出与乳腺癌前哨淋巴结转移相关的独立风险因素;基于T2WI、弥散加权成像、动态对比增强提取最佳影像组学特征,分别构建多个单、多序列影像组学标签评分,并结合临床、病理及影像特征独立风险因素建立影像组学联合预测模型。绘制ROC曲线,计算曲线下面积,评价各模型预测乳腺癌前哨淋巴结转移的效能。 结果 瘤周水肿（P < 0.001）、肿瘤长径（P < 0.001）、肿瘤短径（P < 0.001）、病理分级（P < 0.001）、脉管侵犯（P < 0.001）、毛刺征（P= 0.006）、弥散加权成像边缘高信号征（P=0.028）及表观弥散系数值（P < 0.001）为乳腺癌前哨淋巴结转移的独立临床病理因素。在影像组学标签评分中,T2WI+弥散加权成像+动态对比增强联合序列的影像组学标签评分预测效能最佳,其验证组曲线下面积为0.744,进一步联合临床、病理及影像特征独立风险因素建立的影像组学联合预测模型的预测效能得到进一步提高,其验证组曲线下面积为0.834。 结论 基于乳腺MRI的影像组学模型在术前能够有效预测乳腺癌前哨淋巴结的转移。     

前列腺癌影像组学研究进展

影像组学可将数字医学图像转换为可挖掘的高维数据，将图像"特征"转换为生物标记，以帮助检测和定位肿瘤以及预测治疗后反应。目前影像组学已应用于前列腺癌的诊断、判断治疗效果及评估预后等方面，并取得显著成果，但其用于前列腺癌仍面临很多挑战。本文对影像组学在前列腺癌中的应用进展进行综述。     

基于MRI影像组学预测宫颈癌淋巴血管间隙浸润

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...     

MRI影像组学术前预测乳腺浸润性导管癌Ki-67表达

目的 观察基于MR弥散加权成像(DWI)及表观弥散系数(ADC)图影像组学术前预测乳腺浸润性导管癌Ki-67表达的价值.方法 回顾性分析212例经组织穿刺活检或手术病理证实的乳腺浸润性导管癌患者的乳腺DWI,以分层抽样方法按7∶3比例将其分为训练集(n=148)和验证集(n=64).分别基于DWI、ADC图及DWI+ ...     

MRI影像组学预测结直肠癌患者KRAS基因突变

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。     

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...     

基于高分辨T2WI影像组学判定直肠癌术前T分期

目的 探讨基于高分辨T2WI提取的影像组学特征判定直肠癌术前T分期的应用价值。方法 回顾性分析191例术后病理证实为直肠腺癌患者的临床及影像学资料,在术前高分辨T2WI上勾画整个肿瘤为ROI,通过一般线性LASSO分析提取14个影像组学特征,并构建影像组学模型。根据病理结果,将T0~T2期归为早期,T3~T4期归为局部进展期,将患者分为训练组（n=134）和验证组（n=57）,对模型进行训练和验证。绘制ROC曲线及决策曲线（DCA）,评估模型的可预测性。结果 191例直肠癌中,早期68例,局部进展期123例。在训练组和验证组中,影像组学预测模型区分早期与局部进展期直肠癌的AUC为0.927、0.885,准确率为0.851、0.842,特异度为0.917、0.700,敏感度为0.814、0.919,F1值为0.861、0.829,Brier值为0.149、0.159。结论 术前以基于高分辨T2WI构建的影像组学模型判定直肠癌T分期具有可行性。     

基于临床病理及常规和功能MRI影像组学模型预测乳腺癌腋窝淋巴结转移

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。     

MRT1WI瘤体及瘤周影像组学联合临床特征预测乳腺癌新辅助化疗疗效

目的 观察MR T1WI瘤体和瘤周影像组学联合临床特征预测新辅助化疗(NAC)疗效的价值。方法 回顾性分析110例接受NAC的乳腺癌患者，其中43例NAC后病理完全缓解(pCR)、67例为非pCR(non-pCR);按7∶3比例将其分为训练集(n=76,30例pCR、46例non-pCR)和测试集(n=34,13例pCR、21例non-pCR)。以单因素及多因素logistic回归分析训练集临床及MRI表现，筛选NAC用于乳腺癌疗效的独立预测因子，并建立临床模型；于训练集NAC前MR T1WI所示瘤体及瘤周感兴趣体积(VOI)提取并筛选最佳影像组学特征，构建NAC治疗乳腺癌效果预测模型，包括模型_瘤体、模型_瘤周及模型_{瘤体+瘤周};联合瘤体及瘤周影像组学及临床相关独立预测因子建立联合模型。采用受试者工作特征(ROC)曲线评估模型诊断效能。结果 淋巴结转移(OR=0.17)、人表皮生长因子受体2(OR=4.52)及孕激素受体表达(OR=0.20)均为临床相关独立预测因子(P均<0.05)。于瘤体及瘤周VOI各选出4个最佳影...