多序列MRI影像组学在子宫内膜癌组织学分级术前预测的价值

目的 探究MRI多序列成像及其影像组学对子宫内膜癌组织学分级术前预测的鉴别诊断效能,并与CA12-5值、MRI影像表现对照。方法 对134例经病理确诊为子宫内膜癌的MRI多序列图像进行回顾性分析,分成训练组（n=93）和验证组（n=41）,基于T₂矢状位、增强矢状位及扩散加权成像（DWI）提取影像组学特征;采用“逻辑回归”分类器模型,结合CA12-5值构建CA12-5模型,结合MRI影像表现统计学特征构建MRI影像表现模型,结合组学特征构建组学模型,联合MRI影像表现及组学统计学特征构建联合模型;受试者工作特征曲线（ROC）及曲线下面积（AUC）用于评价模型的鉴别诊断效能,Delong检验用于比较模型间AUC差异是否具有统计学意义。结果 CA12-5模型由统计的CA12-5值构成;MRI影像表现模型由最大层面矢状面长径、肌层浸润深度、淋巴结肿大、子宫内膜连续性、液化坏死、宫颈受累情况构成;影像组学模型由筛选出的影像组学特征构成;联合模型由MRI影像表现及影像组学特征构成。CA12-5模型、MRI影像表现模型、影像组学模型及联合模型在训练组中的AUC分别是0.629...     

基于DCE-MRI定量参数图的影像组学模型预测子宫内膜癌脉管浸润

【摘要】目的：探讨基于动态增强磁共振（DCE-MRI）定量参数图的影像组学模型术前预测子宫内膜癌脉管浸润情况的应用价值。方法：回顾性搜集2016年1月－2021年2月于南通大学附属医院术前行DCE-MRI检查的109例子宫内膜癌患者的病例资料。按照7︰3的比例将总样本随机分为训练集（72例）和验证集（37例）。在DCE-MRI定量参数图［容积转移常数（Ktrans）、转运速率常数（Kep）和血管外细胞外容积分数（Ve）］上基于全肿瘤容积ROI提取影像组学特征,然后采用Lasso-Logistics回归分析进行影像组学特征的降维及筛选,建立影像组学模型,分别在训练集和验证集中采用ROC曲线对此模型预测子宫内膜癌脉管浸润的效能进行评估。结果：经降维和筛选,共7个影像组学特征与子宫内膜癌脉管浸润情况相关（P值均<0.05）。这7个组学特征所构建的影像组学模型对预测脉管浸润具有较高的诊断效能,在训练集中的ROC曲线下面积（AUC）为0.926,在验证集中为0.891。结论：基于DCE-MRI定量参数图构建的影像组学特征模型对子宫内膜癌脉管浸润具有较高的预测效能,可为患者治疗方案的制定和预后评估提供重要参考。     

基于多参数MRI影像组学方法鉴别Ⅰ型和Ⅱ型上皮源性卵巢癌

目的 探究基于多参数MRI影像组学和机器学习方法在术前鉴别诊断Ⅰ型和Ⅱ型上皮性卵巢癌(EOC)中的价值。方法 回顾性搜集两个中心共181例EOC患者(中心一136例为训练集,中心二45例为外部验证集),其中Ⅰ型59例,Ⅱ型122例。从每例患者抑脂(FS)-T₂WI、DWI及ADC图像分别提取1130个影像组学特征。通过对四种机器学习算法的性能评价,确定了构建影像组学模型的理想算法。构建影像组学模型、临床模型和联合模型,并通过受试者工作特征(ROC)曲线分析评估诊断性能。采用DeLong检验比较曲线下面积(AUC)。结果随机森林(RF)算法是构建影像组学模型的最优算法。联合模型在外部验证集AUC为0.912(95%CI:0.820～1.000),显著优于临床模型(AUC=0.718,95%CI:0.552～0.884,P=0.036)和影像组学模型(AUC=0.810,95%CI:0.675～0.946,P=0.012)。结论 基于多参数MRI的影像组学和机器学习方法有潜力术前准确鉴别Ⅰ型和Ⅱ型EOC,并协助临床决策。     

基于MRI影像组学鉴别卵巢卵泡膜细胞瘤与阔韧带肌瘤

目的 探讨基于MRI影像组学对卵巢卵泡膜细胞瘤（OTCA）与阔韧带肌瘤（BLM）的鉴别诊断价值。资料与方法 回顾性分析安阳市肿瘤医院2016年1月—2021年3月经病理证实的76例OTCA和58例BLM的MRI图像,比较两组疾病的MRI特征。于肿瘤最大层面勾画感兴趣区提取T2WI脂肪抑制序列图像纹理特征,采用分层抽样方式按照7∶3分为训练组104例和测试组30例,根据病理结果分为OTCA亚组和BLM亚组。基于训练组,使用最小绝对收缩和选择算子回归分析筛选关键特征,根据回归模型中变量的回归系数,建立线性方程计算影像组学标签评分。采用受试者工作特征（ROC）曲线评价基于MRI图像特征、影像组学及其组合区分两种疾病的能力。结果 共4个MRI特征为鉴别两组疾病的独立特征,包括同侧卵巢可见性（χ2=5.503,P<0.05）、外周囊性区（χ2=7.693,P<0.05）、动脉期强化程度（P<0.05）及表观扩散系数（t=3.310,P<0.05）;训练组和测试组OTCA、BLM亚组的影像组学标签评分比较,差异均有统计学意义（P<0.05）。联合MRI图像特征和影像组...     

子宫内膜癌的MRI诊断价值

子宫内膜癌是女性生殖系统最常见的恶性肿瘤，对其准确诊断和分期与治疗方案的选择及预后有着密切关系。MRI是子宫内膜癌术前分期最准确的影像学检查方法，能够正确指导治疗方式的选择。     

基于MRI的影像组学模型鉴别良恶性椎体压缩性骨折

目的：探讨基于T1WI的影像组学对椎体压缩性骨折良恶性的鉴别诊断价值。方法：搜集良、恶性椎体压缩性骨折患者146例,所有病例均行磁共振扫描。应用Mazda纹理分析软件提取患者T1WI图像的影像组学特征,利用Fisher系数、交互信息（MI）、分类误差概率和平均相关系数（POE+ACC）降维,按7∶3的比例随机分成训练组（n=103）和验证组（n=43）,采用最小绝对收缩和选择算子（LASSO）算法进一步筛选影像组学特征,并应用logistic回归分析方法建立影像组学模型,分析影像组学模型鉴别良恶性椎体压缩性骨折的诊断效能。结果：基于T1WI图像纹理分析的影像组学模型的组成特征为Perc.01%、Perc.99%、Vertl＿GLevNonU、S (0,5)DifEntrp、S (1,0)DifEntrp。训练组、验证组影像组学模型鉴别椎体压缩性骨折良恶性的曲线下面积分别为0.937 (0.901～0.973)、0.924 (0.861～0.987),特异度分别为83.6%(0.727～0.909)、80.8%(0.600～0.927),灵敏度分别为90.1%(0.810～0.953)、...     

基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值

【摘要】目的：探讨基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值。方法：回顾性分析经手术病理证实的215例脑膜瘤患者的临床及MRI资料。其中,低级别组174例,高级别组41例。将所有患者按照7∶3的比例随机分为训练组和验证组。采用ITP-SNAP软件,分别在T2WI、DWI和对比增强T1WI图像上勾画肿瘤的三维ROI,使用AK软件提取影像组学特征。采用Spearman相关性分析及多元Logistic回归分析筛选组学特征并构建影像组学标签。使用ROC曲线下面积（AUC）评价影像组学模型的预测效能。结果：高级别组与低级别组之间年龄和性别构成的差异均无统计学意义（P>0.05）。基于T2WI、DWI和对比增强T1WI的单序列及多序列联合影像组学模型预测高、低级别脑膜瘤的AUC均大于0.700。基于单序列的影像组学模型中,增强T1WI在训练组和验证组的AUC分别为0.942和0.913,均高于其它两个序列。基于MRI多序列联合的影像组学模型预测高、低级别脑膜瘤的AUC值最高,在训练组的AUC为0.950,在验证组的AUC为0.923。结论：MRI影像组学模型能够预测脑膜瘤的病理分级,尤其是多序列联合的影像组学模型对脑膜瘤病理分级具有较高的预测效能。     

子宫内膜癌的影像组学研究进展

子宫内膜癌是最常见的妇科恶性肿瘤之一,术前对其精确分级、分期及评估高危因素有助于患者的精准化及个体化治疗。影像组学具有无创、精确的特点,为妇科恶性肿瘤的诊断及预后提供了一种与病理活检互补的方法。近年基于CT、MRI和PET/CT的影像组学研究应用于子宫内膜癌,主要领域包括进行术前风险分层、病理分级、肌层浸润深度、淋巴结转移及淋巴血管间隙浸润等,本文对以上领域的研究现状及应用前景进行综述。     

脑膜瘤的MRI影像组学应用进展

脑膜瘤是最常见的中枢系统肿瘤,常采用多种影像学检查进行诊断和鉴别诊断。MRI影像组学能够挖掘肉眼无法识别的影像学特征,量化肿瘤的异质性,可用于脑膜瘤术前分型分级、鉴别诊断、肿瘤侵袭性预测、预后评估等方面,辅助临床制定个性化治疗策略。就MRI影像组学在脑膜瘤中的应用进展进行综述。     

基于MRI增强序列直方图组学模型预测子宫内膜癌病理分级的价值

目的 探讨基于MRI增强序列病灶全域直方图组学模型对子宫内膜癌(EC)术前分级的价值.方法 回顾性选取经手术病理证实为EC患者,符合入组患者83例.按低级别(包括Ⅰ、Ⅱ级)与高级别(Ⅲ级)分为2组,低级别组56例(Ⅰ级16例、Ⅱ级40例)、高级别组27例(Ⅲ级).应用GE Analysis Kit(AK)软件在MRI增...     

子宫动脉对子宫浆膜下肌瘤及阔韧带肌瘤的影像鉴别意义

目的 探讨子宫动脉对子宫浆膜下肌瘤及阔韧带肌瘤的诊断意义.方法 选取经我院手术后病理证实的58例子宫浆膜下肌瘤及7例阔韧带肌瘤患者的CT与MRI影像学资料,进行回顾性分析,探讨子宫动脉与浆膜下肌瘤及阔韧带肌瘤的关系.结果 49例浆膜下肌瘤直接由子宫动脉的终末分支(弓形动脉)供血,浆膜下肌瘤与子宫相连处的子宫动脉终末分支...     

子宫内膜癌的MRI诊断价值

目的：分析子宫内膜癌病人的MRI表现,评价MRI对子宫内膜癌的诊断价值。方法：对36例手术证实子宫内膜癌病人的MRI进行回顾性分析,依据FIGO分期原则,将术前MRI分期与术后病理结果进行比较研究。结果：以病理结果为基准,MRI判断肌层侵犯的准确率为77．8％（28／36）,分期准确率为86．1％（31／36）。结论：MRI能够清晰地显示子宫内膜癌的病灶范围及肌肉侵犯情况,术前诊断及分期价值较高,建议常规检查。     

MRI影像组学列线图术前预测子宫内膜癌淋巴结转移

目的 构建并验证MRI影像组学列线图术前预测子宫内膜癌淋巴结转移的价值。资料与方法 回顾性分析2014年9月—2022年5月福建省妇幼保健院195例子宫内膜癌患者的临床及影像资料,利用MaZda软件获取影像组学特征,建立影像组学得分,利用多因素Logistic回归建立淋巴结转移预测列线图,采用受试者工作特征曲线评价模型的预测效能,并在测试集中进行验证。结果 训练集134例,其中淋巴结转移43例;验证集61例,其中淋巴结转移28例,术前MRI诊断淋巴结转移的敏感度为32.4%(23/71),特异度为96.0%(119/124)。多因素Logistic回归分析显示影像组学得分、MRI提示宫颈间质浸润、Ki-67、MRI提示淋巴结转移为独立危险因素,依此构建的预测模型在训练组及验证组的曲线下面积分别为0.897、0.840,HosmerLemeshow检验显示模型在训练组、验证组拟合优度良好（P=0.689、0.167）。结论 MRI影像组学列线图提高了子宫内膜癌淋巴结转移的诊断效能,有助于临床制订个体化治疗策略。     

子宫内膜癌的MRI诊断价值

子宫内膜癌是女性生殖系统最常见的恶性肿瘤,对其准确诊断和分期与治疗方案的选择及预后有着密切关系.MRI是子宫内膜癌术前分期最准确的影像学检查方法,能够正确指导治疗方式的选择.     

多参数MRI影像组学模型对进展期鼻咽癌局部复发的预测价值

目的：探讨多参数磁共振成像（magneticresonanceimaging,MRI）影像组学模型对进展期鼻咽癌（nasopharyngeal carcinoma,NPC）局部复发的预测价值。方法：回顾并分析经病理学检查证实的86例进展期NPC的临床及影像学资料,将35例经病理学检查证实复发的患者列入复发组,51例随访无复发的患者列入无复发组。所有患者均行MRI扫描,采集初诊、放疗结束时及放疗后6个月共3个时间点的轴位T1加权成像（T1-weighted imaging,T1WI）增强扫描、T2加权成像（T2 weighted imaging,T2WI）-短时间反转恢复（short time inversion recovery,STIR）,采用Spearman相关分析提取特征参数,回归特征消除（recursive feature elimination,RFE）算法对冗余特征进行降维,再通过Ridge Classifier分类器学习得到预测模型,5折交叉验证法训练并验证模型。结果：进展期NPC复发组的复发间隔时间为7～61个月,中位时间为24个月。基于3个时间点T2WI-STIR及T...     

磁共振扩散加权成像对Ⅰa期子宫内膜癌的鉴别诊断价值

目的：探讨表观扩散系数(ADC)值测量对Ⅰa 期子宫内膜癌的鉴别诊断价值。方法回顾性分析经手术病理证实的Ⅰa期子宫内膜癌患者18例,子宫良性病变患者22例,其中子宫内膜增生9例,子宫内膜息肉8例,黏膜下肌瘤变性5例,所有患者均行 MRI、扩散加权成像(DWI)检查,采用单次激发的平面回波成像(EPI)序列,b 值为0 s/mm2和1000 s/mm2。结果Ⅰa 期子宫内膜癌、子宫内膜增生、子宫内膜息肉和黏膜下肌瘤变性的 ADC 值分别为(0.89±0.21)×10-3 mm2/s、(1.45±0.19)×10-3 mm2/s、(1.29±0.32)×10-3 mm2/s、(1.32±0.29)×10-3 mm2/s,组间差异有统计学意义(F =48.021 P =0.00,one-way NOVA ),两两组间比较(LSD)Ⅰa 期子宫内膜癌和各组良性病变间均有统计学意义(P <0.05)。结论ADC 值测量对Ⅰa 期子宫内膜癌有很好的鉴别诊断价值。     

基于MRI FS-T2WI影像组学鉴别腮腺多形性腺瘤与Warthin瘤的价值

目的 探讨基于MRI FS-T2WI的影像组学分析对腮腺多形性腺瘤与Warthin瘤的鉴别诊断的价值.方法 分析108例腮腺常见肿瘤患者的治疗前MRI FS-T2WI图像,其中多形性腺瘤63例,Warthin瘤45例,提取肿瘤瘤体区的影像组学特征,将所有患者分为训练组(多形性腺瘤43例、Warthin瘤30例)和验证组...     

MR影像组学诺模图预测子宫内膜癌宫颈间质浸润的价值

目的 探讨基于MR影像组学的诺模图术前预测子宫内膜癌(EC)宫颈间质浸润(CSI)的价值。方法 回顾性分析156例EC患者术前临床及MR资料。利用MaZda软件获取影像组学特征,采用LASSO筛选参数并建立影像组学得分。利用多因素Logistic回归方法建立预测模型,并以诺模图呈现,采用受试者工作特征曲线(ROC)评价模型的预测效能。结果 CSI+56例,CSI-100例,常规MR模型、影像组学模型、诺模图模型诊断CSI的曲线下面积(AUC)为分别为0.80、0.90、0.91,影像组学模型及诺模图模型预测效能优于常规MR模型(P<0.05)。结论 基于MR影像组学的诺模图对EC CSI术前个体化预测具有较高的价值。     

基于MRI影像组学模型对食管癌淋巴结转移的预测价值

目的 探讨基于T₂WI及增强T₁WI序列MRI影像组学特征构建模型预测食管癌淋巴结转移的价值。 方法 回顾性收集经病理证实并行多模态MRI检查的食管癌病人120例,男89例,女31例,平均年龄（63.4±8.2）岁。将病人按7:3比例随机分为训练集84例和验证集36例。以手术病理为金标准将病人分为淋巴结转移阴性组（56例）和阳性组（64例）。采用A.K.软件基于T₂WI和增强T₁WI获取肿瘤兴趣区体积（VOI）,提取影像组学特征并进行降维筛选,并采用Logistic回归分析法构建基于T₂WI、增强T₁WI、联合T₂WI+增强T₁WI序列的影像组学模型。2组间一般临床资料比较采用独立样本t检验和χ²检验。采用组内相关系数（ICC）分析2名医师获取VOI的一致性。采用受试者操作特征（ROC）曲线评估预测模型的诊断效能,计算其曲线下面积（AUC）,并采用DeLong法比较不同模型的AUC值。 结果 淋巴结转移阴性和阳性组间病人的性别、年龄,肿瘤位置、病理类型及肿瘤长度的差异均无统计学意义（均P>0.05）。2名医师在T₂WI和增强T₁WI影像上获取VOI的一致性均较好（均P>0.8）。经筛选后,基于T₂WI、增强T₁WI、T₂WI+增强T₁WI联合序列获得的影像组学特征分别有5、6、9个。在训练集及验证集中联合模型的AUC高于增强T₁WI和T₂WI模型,且增强T₁WI模型的AUC高于T₂WI模型（均P<0.05）。 结论 基于MRI影像组学特征构建的模型对食管癌病人术前淋巴结转移具有良好的预测效能,且T₂WI+增强T₁WI联合模型较单序列模型的预测价值更高。