术前静脉期CT影像组学列线图预测喉鳞癌患者预后

目的：研究增强CT影像组学术前预测喉鳞癌术后复发的价值。方法：收集本院64例经术后病理证实为喉鳞癌的患者作为训练组;将TCGA数据库中下载的39例患者作为验证组,基于患者术前CT增强静脉期图像,利用3D-slicer软件提取喉鳞癌全域影像组学特征。在训练组中,应用单因素COX及LASSO回归确定复发相关的最佳组学特征,构建影像组学风险评分对喉鳞癌患者预后分层;基于多因素COX回归构建预测1年、3年无进展生存的列线图。采用受试者工作特征曲线（ROC）评估影像组学风险评分的诊断效能。最后采用相同阈值对验证组患者进行模型验证。结果：训练组确定4个影像组学特征与复发显著相关,构建影像组学评分模型,Kaplan-Meier曲线显示训练组和验证组低风险组（组学评分<0.7）无进展生存时间均显著长于高风险组（P<0.001,P=0.025）。多因素COX回归研究表明影像组学评分是喉鳞癌术后复发的独立危险因素。在训练组中列线图预测喉鳞癌患者三年术后无进展生存C指数为0.816,影像组学模型C指数为0.795。在验证组中列线图C指数为0.858,影像组学模型C指数为0.795。结论：基于术前...     

基于临床联合CT影像组学特征列线图预测急性胰腺炎预后

目的 观察基于临床联合CT影像组学特征构建的联合模型列线图预测急性胰腺炎(AP)预后的价值。方法 回顾性分析203例临床首诊AP患者的临床及上腹部CT资料,按7∶3比例将其分为训练集(n=142)和验证集(n=61),基于增强静脉期CT提取并筛选最优影像组学特征,计算影像组学评分Radscore;根据预后分为预后良好组(n=114)与预后不良组(n=89)。将临床变量(包括临床及CT表现)及Radscore纳入单因素和多因素逻辑回归分析,筛选影响AP预后的独立危险因素;构建临床、影像组学和联合模型,以受试者工作特征(ROC)曲线评价其预测AP预后的效能;以联合模型预测指标构建列线图,结合校准曲线评估其校准度。结果 共筛选出7个最优影像组学特征用于计算Radscore,其中C反应蛋白、糖尿病史和Radscore为影响AP预后的独立危险因素。联合模型预测训练集及验证集AP预后的AUC(0.84、0.82)均高于临床模型(0.71、0.66,Z=3.12、2.71,P均<0.05);其预测训练集的AUC(0.84)高于影像组学模型(0.76,Z=2.39,P=0.02),预测验证集的A...     

基于非小细胞肺癌双能CT表现及影像组学列线图模型预测其血管生成拟态

目的 基于非小细胞肺癌(NSCLC)双能CT (DECT)表现及影像组学构建联合列线图模型,分析其预测NSCLC血管生成拟态(VM)的价值。方法 回顾性分析137例经手术病理证实的单发NSCLC患者,以7 ∶ 3比例将其分为训练集和验证集。基于肺窗CT提取及筛选最优影像组学特征,计算影像组学评分。以单因素分析及多因素logistic回归分析筛选NSCLC表达VM的独立预测因素,分别以之构建临床、能谱及影像组学模型;基于独立预测因素构建联合列线图模型。采用受试者工作特征曲线评估各模型预测NSCLC VM的效能,以校准曲线分析模型的拟合度,以决策曲线分析评估模型的临床获益。结果 最终筛选出6个最优影像组学特征。病灶最大径、毛刺征、CT_{140 keV}及影像组学评分为NSCLC VM的独立预测因素(OR=2.25、9.69、0.99、-14.44,P均＜0.05)。临床、能谱及影像组学模型预测验证集NSCLC VM的曲线下面积(AUC)分别为0.83、0.85、0.87,均低于联合列线图模型(AUC=0.95,Z=2.14、2.10、2.07,P均＜0.05)。联合列线图模型预测结果与实际结果的一致性较好,且其临床获益较高。结论 基于DECT及影像组学构建的联合列线图模型能可有效预测NSCLC VM。     

基于CT影像组学鉴别局灶性隐源性机化性肺炎与肺腺癌

目的 基于影像组学建立列线图鉴别局灶性隐源性机化性肺炎（FCOP）与肺腺癌（LA）。方法 回顾性搜集77例FCOP与77例LA的影像及临床资料,按照7∶3随机分为训练集106例和验证集48例。采用A.K.软件提取组学特征,降维后获得影像组学标签,建立列线图,并评估模型的诊断效能、校准度及临床应用价值。结果 11个高度相关的组学特征构建影像组学标签,并联合癌胚抗原（CEA）建立列线图,训练集和验证集的受试者工作特征曲线（ROC）下面积均为0.84,且具有较高的校准度及临床应用价值。结论 基于CT影像组学特征建立的列线图能较好地用于鉴别FCOP与LA。     

基于磁共振影像组学列线图预测中晚期鼻咽癌放化疗疗效

目的 探讨基于多模态磁共振的影像组学特征结合临床信息构建的列线图在中晚期鼻咽癌临床放化疗疗效中的预测价值。方法 回顾性分析160例经病理证实为鼻咽癌的初诊患者的影像及临床资料。按照7:3的比例将患者分为训练组(n=112)与验证组(n=48)。在训练组提取T2加权脂肪抑制序列、T1加权增强序列和弥散加权成像序列图像的影像组学特征,经过最小绝对收缩和选择算子数据降维,筛选出最有效的特征构建影像组学预测模型。纳入相关的临床信息,利用Logistic逻辑回归,筛选最有价值的临床信息并构建临床信息模型;联合临床信息模型与组学特征模型构建联合模型,并构建列线图。通过ROC曲线及曲线下面积来评估各模型的诊断效能,通过决策曲线分析和校正曲线评估列线图的临床应用价值。结果 联合2项临床信息和9项影像组学特征构建的临床-影像组学模型在训练组和验证组的曲线下面积分别为0.852(95%CI:0.765～0.940)、0.736(95%CI:0.574～0.898),显示出良好的预测效能。结论 基于多模态磁共振的影像组学列线图在预测中晚期鼻咽期临床放化疗疗效中具有可行性,具有较好的临床应用价值。     

基于增强CT影像组学模型术前预测胰腺神经内分泌肿瘤病理分级

目的观察基于CT影像组学模型术前预测胰腺神经内分泌肿瘤(PNET)病理分级(G1和G2/3级)的价值。方法回顾性分析145例经病理证实的PNET,分为训练组91例、验证组54例,2组各自来源于同一医疗机构。基于训练组动脉期和门脉期CT图像提取PNET影像组学特征,以Pearson相关分析及ReliefF算法进行筛选;采用Logistic回归,针对差异有统计学意义的参数构建预测PNET病理分级的联合影像组学模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),以敏感度、特异度及准确率评估其诊断效能,并以验证组加以验证。结果基于训练组动脉期与门脉期CT图像构建的联合影像组学模型具有良好预测效能,AUC为0.86[95%CI(0.78,0.94)],截断值为0.63时,敏感度为78.95%,特异度为85.29%,准确率为81.32%。验证组预测PNET病理分级AUC为0.85[95%CI(0.75,0.95)],截断值为0.63时,敏感度为84.61%,特异度为75.00%,准确率为79.63%。结论基于增强CT图像构建的影像组学模型对于术前预测PNET病理分级具有一定价值。     

影像组学特征预测周围型肺癌Ki-67水平的CT研究

目的 周围型肺癌的影像组学特征与Ki-67表达水平之间的关系尚不清楚。本研究建立基于CT增强动脉期图像的影像组学标签预测周围型肺癌的Ki-67表达情况。方法 回顾性收集2017年5月—2020年11月行胸部CT增强扫描并在检查后2周内经病理证实、行Ki-67表达水平检测的117例周围型肺癌患者,其中男43例,女74例,年龄35～79岁（中位年龄54岁）。经手术病理证实,Ki-67高表达组54例,Ki-67低表达组63例,以7∶3的比例将患者分为训练组（n=82）和验证组（n=35）。使用ITK-SNAP于CT动脉期图像上手动勾画肺癌全肿瘤容积数据,A.K软件提取影像组学特征。采用LASSO回归模型进一步筛选特征并构建影像组学标签,并计算每例患者的影像组学评分,然后结合临床信息进行多因素Logistic回归分析,筛选出预测Ki-67水平的独立危险因素。在验证组和训练组中使用受试者工作特征曲线及曲线下面积（AUC）评价影像组学标签的预测性能。根据Hosmer-Lemeshow检验评估影像组学标签的校准度。采用决策曲线分析法（DCA）评估影像组学标签的临床价值。结果 从396个特征中选择7个...     

基于体检高分辨CT的影像组学模型预测肺部孤立性磨玻璃结节良恶性的价值

目的 探讨构建体检高分辨率CT（high-resolution computed tomography, HRCT）的影像组学模型术前预测肺部孤立性磨玻璃结节（ground glass nodule, GGN）良恶性的价值。方法 回顾性分析2019年1月至2022年10月上海市奉贤区中心医院诊断为肺孤立性GGN的152例患者的肺部体检HRCT图像，按照7∶3的比例随机分为训练组（n＝106）和验证组（n＝46）。根据病理结果将训练组患者分为恶性组（n＝56）和良性组（n＝50），比较两组患者临床特征。评估训练组患者肺孤立性GGN的常规CT影像特征，采用PyRadiomics软件在每个病灶的全域感兴趣区（volume of interest, VOI）提取107个影像特征，采用Lasso回归筛选影像特征并建立影像组学标签。采用logistic回归建立3种预测模型（临床模型、影像组学模型和联合模型），采用ROC曲线和曲线下面积（area under the curve, AUC）评价3种模型的预测效能。结果 Lasso回归共筛选出13个与预测肺孤立性GGN良恶性最相关的影像组学特征；3个临床特征在恶性组和良性组的差异有统计学意义，分别为病灶密度（P＝0.018）、分叶征（P＝0.036）和支气管征（P＝0.033）。Logistic回归分析显示，影像组学特征的NCCT_original_firstorder_10Percentile、NCCT_original_glrlm_RunEntropy、NCCT_original_shape_Sphericity、临床特征的CT值、临床特征得分和影像组学得分可作为肺孤立性GGN良恶性的预测因素。影像组学模型、临床模型和联合诊断模型的AUC在训练组中分别为0.971（95%CI 0.884～0.996）、0.866（95%CI 0.786～0.925）和0.977（95%CI 0.827～0.996），在验证组中分别为0.883（95%CI 0.763～0.961）、0.692（95%CI 0.538～0.819）和0.934（95%CI 0.820～0.986）。结论 基于HRCT影像组学特征构建的模型可以有效预测肺孤立性GGN的良恶性。     

增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润

目的 评价增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润的可行性。方法 纳入91例膀胱尿路上皮癌患者,根据手术病理结果分为非肌层浸润性膀胱癌（NMIBC）组（n=51）和肌层浸润性膀胱癌（MIBC）组（n=40）,比较组间CT特征差异。利用Mazda软件提取病变纹理参数,以Lasso算法筛选,联合十折交叉验证构建Logistic回归影像组学列线图。绘制受试者工作特征（ROC）曲线,计算曲线下面积（AUC）,评估列线图预测膀胱尿路上皮癌肌层浸润的效能。结果 CT形态不规则多见于MIBC组,NMIBC组与MIBC组肿瘤CT形态特征差异具有统计学意义（P<0.05）。Logistic回归组学列线图预测肌层浸润AUC为0.881,特异度为76.5%,敏感度87.5%,危险因素包括动脉期S（3,3）SumAverg、S（4,-4）InvDfMom及静脉期S（3,-3）DifEntrp、Perc.90%。结论 增强CT影像组学列线图有助于术前预测膀胱尿路上皮癌肌层浸润。     

基于治疗前磁共振成像列线图预测鼻咽癌新辅助化疗疗效的初步研究

目的 探讨基于治疗前磁共振成像列线图早期预测鼻咽癌(nasopharyngeal carcinoma,NPC)新辅助化疗(neoadjuvant chemotherapy,NAC)疗效的初步研究.材料与方法 回顾性收集191例NPC患者.在治疗前MRI的T2WI_FS和T1WI_CE勾画鼻咽癌原发灶的容积感兴趣区(volume of interest,VOI),然后提取纹理特征.收集年龄、性别、病理类型、TNM分期、病灶大小作为临床因素纳入数据分析.序贯采用最大相关最小冗余(maximum relevance minimum redundancy,mRMR)算法和LASSO算法对纹理特征进行降维分析来获得Radscore,采用多变量Logistic回归构建预测模型.绘制ROC曲线评价和比较3个不同模型的预测能力,采用Hosmer-Lemeshow检验获得校准曲线,绘制决策曲线.结果 本组研究新辅助化疗有效率为52.9％(101/191),T分期在不同疗效组之间具有统计学意义(P=0.046).列线图模型和影像组学模型在区分有效组和无效组患者的整体诊断效能适中,在训练组二者的AUC均为0.72(95％CI:0.63～0.81);在验证组,二者的AUC分别为0.72(95％CI:0.59～0.85)和0.77(95％CI:0.74～0.89).在训练组中,列线图模型预测新辅助化疗疗效的准确度高于临床模型(0.687 vs.0.604),列线图模型较影像组学模型在预测NAC治疗反应的诊断准确度也略有提高(0.687 vs.0.679).结论 基于治疗前MRI的列线图模型具有预测鼻咽癌新辅助化疗疗效的应用能力,其准确度优于临床模型.     

直肠癌骨转移患者预后预测列线图的构建及分析

目的 构建预测直肠癌骨转移患者1、2年生存率的列线图,并进行验证。方法 从SEER数据库中应用SEER*Stat软件收集1973-2017年的直肠癌骨转移671例作为建模组,收集我院直肠癌骨转移108例作为验证组。应用多因素Lasso回归分析筛选影响直肠癌骨转移患者预后预测的独立因素,构建预测直肠癌骨转移患者1、2年生存率的列线图。通过C指数及临床决策曲线(DCA)对预测模型进行评价;同时,应用列线图预后模型的校正曲线进行一致性评价,应用验证组的数据进行验证,并绘制决策树帮助临床进行分类诊治。结果 直肠癌骨转移患者的年龄、组织学分级、M分期、手术情况、淋巴结转移情况、放疗及化疗7个因素是直肠癌骨转移患者预后预测的独立因素,将这些因素纳入并成功构建了列线图。建模组构建列线图所得C指数为0.75,验证组所得C指数为0.74。结论 本次研究构建的预测直肠癌骨转移患者预后生存率的列线图具有良好的预测精度,具有较强的临床应用性。     

临床及CT影像组学特征预测胃癌微卫星高度不稳定状态

目的 观察临床和CT影像组学特征用于预测胃癌微卫星高度不稳定(MSI-H)状态的价值。方法 纳入150例胃癌患者,MSI-H阳性30例、阴性120例;按7∶3比例将其分为训练集(n=105)和验证集(n=45)。基于腹部静脉期增强CT图提取病灶影像组学特征并加以筛选,计算影像组学评分(Radscore);比较训练集和验证集MSI-H阳性与阴性患者临床资料及Radscore差异;分别基于其间差异有统计学意义的临床因素和Radscore构建临床模型、CT影像组学模型及临床-CT影像组学联合模型,评估其预测胃癌MSI-H状态的价值。结果 训练集和验证集中,MSI-H阳性与阴性肿瘤位置、Radscore差异均有统计学意义(P均<0.05)。临床模型、CT影像组学模型及联合模型评估训练集胃癌MSI-H状态的曲线下面积(AUC)分别0.760、0.799及0.864,在验证集分别为0.735、0.812及0.849;联合模型的AUC大于2种单一模型(P均<0.05)。结论 基于肿瘤位置和Radscore的临床-CT影像组学联合特征可有效预测胃癌MSI-H状态。     

MRI影像组学评估急性脑梗死患者临床预后的价值

目的 研究讨论扩散加权成像（DWI）序列联合T2 Flair影像组学模型对急性基底节区脑梗死患者非溶栓治疗预后的临床价值。方法 纳入2021年滨州医学院附属医院神经内科经过头颅MRI扫描的患者78例作为研究对象,患者均经临床症状及辅助检查证实为急性基底节区脑梗死。基于研究对象入院时和非溶栓治疗1周后出院时的改良Rankin量表评分变化,分成预后好组、预后差组。采用3D Slicer软件手动勾画DWI图像及T2 Flair图像高信号的梗死部位区域,采用Radiomics插件对所勾取的影像资料进行组学特征提取,结合患者出入院时的改良Rankin量表评分分别行单因素分析;再通过Logistic回归曲线算法进行多因素分析,利用ROC曲线分析各种因素的预测效能,评估研究对象的预后价值。结果 DWI、T2 Flair序列双重组合影像组学模型,训练组的曲线下面积（AUC）为0.9189,测试组为0.7846。吸烟和组学积分是急性基底节区脑梗死非溶栓治疗后预后不良试组AUC为的独立危险因素,训练组ROC临床模型的AUC为0.6497,测试组为0.5468。训练组Nomogram模型的AUC为0.929...     

基于CT影像组学模型鉴别肾乏脂肪血管平滑肌脂肪瘤与均质肾透明细胞癌

目的 基于增强CT影像组学特征联合临床特征建立综合模型，验证其术前鉴别肾乏脂肪血管平滑肌脂肪瘤（fp-AML）与均质肾透明细胞癌（hd-ccRCC）的效能。方法 回顾性分析经病理证实的32例fp-AML与39例hd-ccRCC。在增强CT皮质期、实质期及排泄期图像手工勾画肿瘤ROI，提取影像特征，计算观察者间及观察者内组内相关系数（ICC），采用LASSO回归进行特征选择，通过Logistic多元回归分析构建回归方程，并计算皮质期、实质期、排泄期及三期联合的影像组学得分。通过Logistic多元回归分析建立综合模型，并绘制列线图。采用Hosmer-Lemeshow拟合优度检验评价列线图的拟合度，以ROC曲线分析检测列线图的鉴别效能，以决策曲线评价列线图鉴别fp-AML和hd-ccRCC的净获益。结果 自各期图像中提取出包括强度、形状、纹理、图像滤波在内共1 029个特征，对ICC均>0.75的特征进行LASSO选择，分别于皮质期、实质期、排泄期和三期联合获得6、6、5和7个有鉴别意义的特征，AUC分别为0.83[95%CI（0.73，0.92）]、0.80[95%CI（0.70，0.91）]、0.78[95%CI（0.68，0.89）]和0.86[95%CI（0.77，0.95）]。基于三期联合影像组学得分和临床特征的列线图的AUC为0.90[95%CI（0.81，0.99）]，以之术前鉴别fp-AML和hd-ccRCC可获得较满意的诊断净获益。结论 通过列线图表示基于增强CT影像组学特征联合临床特征建立的综合模型术前鉴别fp-AML与hd-ccRCC具有较高诊断效能，有助于术前定性诊断肾肿瘤。     

18F-FDG PET/CT显像联合CA125及HE4在上皮性卵巢癌患者术后复发/转移诊断中的价值

目的探讨18F-脱氧葡萄糖PET/CT显像联合血清糖类抗原125及人附睾蛋白4检测在上皮性卵巢癌患者术后复发/转移中的诊断价值。方法回顾性分析2018年7月~2019年9月在我院核医学科行18F-FDG PET/CT显像并显像前已行血清CA125及HE4值检测的65例上皮性卵巢癌患者作为研究对象。分18F-FDG PET/CT显像诊断组和18F-FDG PET/CT+CA125+HE4诊断组进行诊断并依据随访标准进行随访,各组诊断结果与随访结果进行比较。结果18F-FDG PET/CT显像在评估上皮性卵巢癌患者术后复发/转移的灵敏度、特异度、阳性预测值、阴性预测值、一致率分别为96.22%、66.7%、92.73%、80.0%、90.77%。18F-FDG PET/CT+CA125+HE4评估上皮性卵巢癌患者术后复发/转移的灵敏度、特异度、阳性预测值、阴性预测值、一致率分别为98.1%、66.7%、92.9%、88.9%、92.3%。复发/转移组CA125及HE4受试者工作特征曲线得知临界值分别为20.65 U/mL、45.5 pmol/L。18F-FDG PET/CT+CA125_临界值+HE4_临界值评估上皮性卵巢癌患者术后复发/转移的灵敏度、特异度、阳性预测值、阴性预测值、一致率分别为98.1%、75.0%、94.6%、90.0%、93.9%。结论18F-FDG PET/CT显像在评估上皮性卵巢癌患者术后复发/转移上有优势。18F-FDG PET/CT+CA125+HE4检测在评估上皮性卵巢癌患者术后复发/转移上有较高的诊断价值,三者联合检测优于单独检测及两者联合检测。18F-FDG PET/CT+CA125_临界值+HE4_临界值检测在评估上皮性卵巢癌患者术后复发/转移上有更高的诊断价值。在临床随访过程中发现血清CA125≥20.65 U/mL,血清HE4≥45.5 pmol/L,并持续增加时应保持警惕,并选择18F-FDG PET/CT显像来提高上皮性卵巢癌复发/转移检出率,早期发现复发/转移病灶。。      

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分别为0.97和0.85，均优于CK5/6、Ki-67和影像组学标签。结论 基于MRI影像组学模型鉴别浸润性与非浸润性乳腺癌效果较好。     

超声影像组学标签对乳腺癌腋窝淋巴结转移的预测价值

目的探讨基于常规超声的影像组学特征预测乳腺癌腋窝淋巴结转移的应用价值。 方法回顾性收集2020年1月至2020年10月于中山大学肿瘤防治中心就诊经手术病理确诊的265例乳腺癌患者的临床资料和术前超声图像,按超声检查时间顺序,将患者分为训练集（159例）和验证集（106例）。应用ImageJ软件手动勾画病灶区域,使用Pyradiomics从每个病灶区域中提取影像组学特征,采用多种方法逐步筛选特征,应用Logistic回归构建预测乳腺癌腋窝淋巴结转移的超声影像组学标签。在训练集和验证集上采用ROC曲线、校准曲线和决策曲线评估超声影像组学标签预测乳腺癌腋窝淋巴结转移的效能。 结果最终筛选出8个关键超声影像组学特征用于构建超声影像组学标签。该标签在训练集和验证集中预测乳腺癌腋窝淋巴结转移的ROC曲线下面积分别为0.805（95%CI：0.734~0.876）、0.793（95%CI：0.706~0.880）。在校准曲线中,该标签在训练集和验证集均表现出较好的校准度（P=0.592、0.593）,决策曲线分析进一步表明了该标签具有一定的临床实用性。 结论基于超声的影像组学标签在预测乳腺癌腋窝淋巴结转移方面具有一定价值,可为治疗前乳腺癌的准确分期以及治疗方案的合理选择提供参考依据。     

超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值

目的 探讨超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值,并结合影像组学、超声特征及临床独立危险因素特征建立列线图,评估其在减少不必要活检中的价值。方法 回顾性收集常规超声检查筛选出的BI-RADS 4a类不规则乳腺结节905例,随机分为训练队列（n=634）和验证队列（n=271）,比例为7∶3。共收集851个影像组学特征,以手术病理结果为金标准,通过Logistic回归模型构建影像组学模型,同时利用单因素逻辑分析及多因素逻辑分析结合影像组学特征、超声特征及临床独立危险因素建立影像组学模型,通过ROC曲线评估影像组学模型及列线图模型对超声BI-RADS 4a类形态不规则乳腺结节的诊断效能。结果 905例不规则乳腺结节中,恶性结节485个,良性结节420个;患者年龄22～83(50.05±11.13)岁,训练队列及验证队列的年龄、Rad-score值、肿块直径等结果差异无统计学意义（P>0.05）;训练队列影像组学模型AUC值为0.927(95%CI:0.900～0.950),验证队列影像组学模型AUC值为0.946(95%CI:0.908～0.976),该模...