基于增强CT影像组学及形态学征象对非小细胞肺癌脏层胸膜侵犯的预测价值研究

目的探讨基于增强CT影像组学方法及形态学征象在术前预测非小细胞肺癌患者脏层胸膜侵犯(VPI)的效能。方法回顾性研究。纳入2019年1月—2021年1月蚌埠医学院第一附属医院收治的肺癌患者220例, 其中男145例、女75例, 年龄43～89(62.6±10.0)岁, 均行根治性手术治疗。按照术后病理检查确诊有VPI 90例、无VPI 130例。将入组患者按照4∶1的比例随机分配到训练组(176例)与验证组(44例)。基于术前增强CT图像提取影像组学特征, 采用LASSO-logistic回归模型选择动静脉期相关性最高的影像组学特征建立VPI预测模型。利用独立样本t检验和χ2检验筛选临床资料及CT形态学征象等相关变量, 结合最终选择的相关性最高的影像组学特征构建联合模型;绘制受试者工作特征(ROC)曲线, 采用曲线下面积(AUC)评价模型在训练组和验证组中对VPI的预测效能, DeLong检验用于比较模型间AUC的差异。结果从提取出的1 878个影像组学特征中筛选出动脉期及静脉期各10个最具相关性的影像组学特征, 分别用于建立动脉期和静脉期影像组学VPI预测模型。在训练组和验证组中, 静...     

非小细胞肺癌新辅助治疗后手术切除标本的病理评估

目的:探讨对非小细胞肺癌新辅助治疗（新辅助化疗、新辅助靶向治疗及新辅助免疫联合化疗）后手术切除标本的病理评估。方法:收集2000年1月至2020年3月同济大学附属上海市肺科医院接受新辅助治疗后手术切除肺癌标本113例。分析并比较90例［腺癌26例,鳞状细胞癌（简称鳞癌）64例］新辅助化疗患者（化疗组）、13例（腺癌13...     

多层螺旋CT用于小细胞肺癌与肺鳞癌的鉴别诊断价值分析

目的 分析多层螺旋CT用于小细胞肺癌与肺鳞癌的鉴别诊断价值。方法 选取2015年1月~2017年12月本院接收的肺癌患者106例,由病理类型分组,小细胞肺癌53例作为A组,另53例为肺鳞癌作为B组,两组患者均需进行多层螺旋CT鉴别诊断,回顾分析两组影像学特征以及A组相关危险因素。结果 A组和B组在密度、性状、强化形式、支气管形态、阻塞性改变、淋巴结融合、淋巴结肿大、大血管侵袭等影像特征对比上,差异具有统计学意义（P＜0.05）,但在远处转移、胸膜转移和心包积液等特征比较上,差异无统计学意义（P＞0.05）。经多因素分析得知,小细胞肺癌的危险因素主要为支气管狭窄通畅、肿瘤均匀强化和淋巴结融合。结论 多层螺旋CT用于小细胞肺癌与肺鳞癌具有较高的鉴别诊断价值,能清晰显示出小细胞肺癌与肺鳞癌的影像特征差异,为临床鉴别诊断提供科学的参考依据。     

非小细胞肺癌三维适形放射治疗的护理

三维适形放射治疗肺癌不良反应小,已经成为非小细胞肺癌（NSCLC）放射治疗的主流。我科自2007年1月至2008年1月采用三维适形放射治疗NSCLC患者586例,取得了较好的效果。现将护理体会报告如下：     

112例肺癌患者血浆sE—SLT与血清LN,HA水平分析

应用ＥＬＩＳＡ、ＲＩＡ法对１１２例肺癌患者进行血清可溶性Ｅ－选择素（ｓＥ－ＳＬＴ）、层粘连蛋白（ＬＮ）、透明质酸（ＨＡ）的测定,旨在探讨其在肺癌转移中的意义。结果显示肺癌患者三项指标含量明显高于正常对照组（ｐ〈０．０１）,ｓＥ－ＳＬＴ、ＬＮ、ＨＡ的含量Ⅲ－Ⅳ期肺癌患者明显高于Ⅱ期,表明ｓＥ－ＳＬＴ、ＬＮ、ＨＡ参与了肺癌转移的过程,且其含量变化与病情进行密切相关。     

唑来磷酸联合化疗治疗非小细胞肺癌骨转移的临床疗效分析

目的探讨唑来磷酸联合化疗治疗非小细胞肺癌骨转移的临床疗效。方法将我院2011年1月～2012年6月间收治的78例非小细胞肺癌骨转移患者按照就诊顺序随机分为单纯化疗组（对照组）和唑来磷酸联合化疗治疗组（观察组），每组各39例，观察两组患者的临床疗效及镇痛效果。结果观察组患者骨转移灶总有效率为51.3%，显著高于对照组患者的25.6%，组间差异有统计学意义（P<0.05）。观察组患者镇痛总有效率为69.2%，显著高于对照组患者的51.3%，组间差异有统计学意义（P<0.05）。结论唑来磷酸联合化疗治疗非小细胞肺癌骨转移临床疗效好，对于改善患者生活质量具有重要的意义。     

快速康复对肺癌手术患者并发症发生及生活质量的影响研究

目的 探讨实施快速康复对肺癌手术患者并发症发生及生活质量的影响。方法 选取2016年1月~2018年2月接受治疗的肺癌手术患者100例,按照随机数字表法分为观察组和对照组,对照组接受常规肺癌术后护理,观察组则在此基础上接受快速康复护理（FTS）,对比两组患者术后恢复情况、疼痛情况、免疫功能指标及生活质量。结果 肺癌术后,观察组的术后开始通气时间等指标优于对照组,差异有统计学意义（P＜0.05）;观察组在术后12 h、24 h、48 h及72 h的疼痛情况优于对照组,差异有统计学意义（P＜0.05）;观察组术后出现并发症7例（14.00%）,低于对照组15例（30.00%）,差异有统计学意义（P＜0.05）;观察组术后生活质量评分优于对照组,差异有统计学意义（P＜0.05）。结论 肺癌术后对患者实施快速康复护理能提升患者生活质量,减少并发症发生率,效果良好。     

血清MCP-1蛋白水平对肺癌及肺结核患者诊断的临床意义

目的 探讨MCP-1蛋白表达在肺癌及肺结核患者中的临床意义。方法 选取2017年1月~2018年12月我院呼吸科收治的40例肺癌及40例肺结核患者为研究对象,同时选取同期在我院体检健康人群40例为对照组,对比三组血清及PBMC上清液中MCP-1浓度及不同期、不同病理类型肺癌患者血清及PBMC上清液中MCP-1浓度和初治和复治肺结核血清及PBMC上清液中MCP-1浓度。结果 肺结核组及肺癌组血清及PBMC上清液中MCP-1浓度高于对照组,且肺结核组高于肺癌组,差异有统计学意义（P＜0.05）;晚期肺癌患者血清及PBMC上清液中MCP-1浓度分别为（152.71±12.56）pg/ml、（419.52±33.93）pg/ml,均高于早期肺癌患者的（73.21±7.90）pg/ml、（312.60±28.62）pg/ml,差异均有统计学意义（P＜0.05）;三种不同病理类型肺癌患者血清及PBMC上清液中MCP-1浓度比较,差异无统计学意义（P＞0.05）;肺结核复治患者血清及PBMC上清液中MCP-1浓度分别为（173.65±13.22）pg/ml、（520.11±67.28）pg/ml,高于肺结核初治患者的（156.21±9.13）pg/ml、（498.34±50.03）pg/ml,差异有统计学意义（P＜0.05）。结论 血清MCP-1蛋白水平于肺癌及肺结核的发生、病情发展有密切的关系,且随病情的进展会升高,临床可将其作为诊治的重要指标。     

血清OPN检测在肺癌诊断中的临床价值

本文对我院159例肺癌患者取血清进行骨桥蛋白（OPN）的检测,以探讨其在肺癌诊断中的临床价值。1对象和方法1.1对象159例患者经电子支气管、淋巴结活检、胸腔积液脱落细胞检查,病理明确诊断为肺癌。年龄（36～78）岁,平均（56.4 29.6）岁。其中小细胞肺癌（SCLC）56例、非小细胞肺癌（NSCLC）103例（鳞癌42例、腺癌61例）。     

血清中性粒细胞明胶酶相关载脂蛋白、核转录因子-κB及血清肌酐对重症急性胰腺炎伴急性肾损伤的预测价值

目的:探究中性粒细胞明胶酶相关载脂蛋白（NGAL）、核转录因子-κB（NF-κB）及血清肌酐（Scr）对重症急性胰腺炎（SAP）患者伴急性肾损伤（AKI）的预测价值。方法:本研究选择2019年1月至2021年1月我院重症医学科收治的122例SAP患者作为研究对象,依据是否有AKI分为对照组（68例）和研究组（54例）。...     

基于高分辨率CT扫描的孤立性肺结节高危预测模型的建立与验证

目的：筛选孤立性肺结节（SPN）高危病变的高分辨率CT危险特征因素,建立SPN高危预测模型,并对模型进行内部验证。方法：回顾性分析317例SPN患者的胸部影像学征象,采用随机分组的方法按约6:4比例分为训练集和验证集,通过单因素及多因素分析Logistic逐步回归法筛选出与高危SPN相关的独立危险因素,建立预测模型;通过验证集数据对建立的模型进行验证,绘制受试者工作特征曲线（ROC）,评估模型预测价值。结果：单因素分析显示影像学征象位置、结节最大径、CT值、毛刺征、空泡征、分叶征与SPN是否高危存在统计学差异（P<0.05）,边界与SPN是否高危无统计学差异（P>0.05）。多因素分析显示位置、结节最大径、CT值、分叶征4个因素是SPN高危的独立预测因子（P<0.05）。通过训练集构建的预测模型为P=ex/（1+ex）,其中e为自然对数,x=-7.767+(2.821×位置)+（0.391×结节最大径）-（0.003×CT值）+（3.576×分叶）。训练集受试者工作特征曲线下面积（AUC）为0.932,95%CI为0.892～0.973,最佳截点值为T=0.208,敏...     

基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管浸润的应用价值

目的 探讨基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管间隙浸润（LVSI）的应用价值。方法 回顾性研究。纳入2016年6月—2019年3月山西省肿瘤医院宫颈鳞癌患者168例。患者年龄22~76（52.0±10.1）岁,临床分期为国际妇产联盟（FIGO）ⅠB期127例、ⅡA期41例。所有患者术前行多参数盆腔MR扫描,均接受根治性子宫切除术联合盆腔淋巴结清扫术治疗。收集其临床病理资料和多参数MRI数据,以7∶3的比例按照随机抽样法分为训练集117例和验证集51例。在T₂加权像（T₂WI）、表观弥散系数[ADC,由2个b值的弥散加权成像数据自动生成]及增强T₁加权像（cT₁WI）3个序列的MRI上,对病灶进行手动分割勾画肿瘤轮廓感兴趣区（ROI）,得到三维感兴趣区（VOI）并提取特征,通过以最大相关最小冗余和最小绝对收缩与选择算子回归为主的三步降维法筛选特征并构建影像组学模型。多因素logistic回归分析筛选临床特征并联合影像组学模型建立融合模型,制作列线图。受试者操作特征曲线（ROC 曲线）、校正曲线、决策分析曲线评估列线图的效能及临床效益。结果 术后病理检查确诊LVSI阳性42例,阴性126例。训练集与验证集患者的年龄、FIGO分期、肿瘤最大径、肿瘤分化程度、LVSI状态等临床病理特征比较,差异均无统计学意义（P值均>0.05）。基于T₂WI、ADC及cT₁WI多参数MRI提取的影像组学特征,经特征筛选后得到7个关键特征,均与宫颈癌LVSI相关（P值均<0.05）,并构建影像组学模型。训练集T₂WI、ADC及cT₁WI 3个序列独立构建的影像组学模型预测宫颈癌LVSI的ROC曲线下面积（AUC）分别为0.630[95%可信区间（CI）0.557~0.698]、0.686（95%CI 0.563~0.694）、0.761（95%CI 0.702~0.818）,3个序列共同构建的联合影像组学模型对应的AUC为0.887（95%CI 0.842~0.925）,诊断效能最优,并在验证集中得到验证。联合影像组学模型与肿瘤分化程度构建的融合模型列线图预测宫颈癌LVSI,在训练集与验证集中的AUC分别为0.893（95%CI 0.851~0.929）、0.854（95%CI 0.749~0.943）,校正曲线显示出列线图有良好的校正性能;决策曲线表明当风险阈值概率范围在0.50~0.96时,采用影像组学融合模型预测宫颈癌LVSI的净收益优于“将所有患者视为宫颈癌LVSI阳性或阴性”。结论 基于多参数MRI影像组学特征与临床特征的融合模型对宫颈癌LVSI状态有良好的预测价值。     

基于常规MRI的影像组学预测脑胶质瘤IDH突变的效果分析

目的探讨基于常规MRI的影像组学分析预测脑胶质瘤IDH突变的效果。方法回顾性分析经术后病理证实的172例脑胶质瘤患者(82例突变型和90例野生型)的临床资料。所有患者术前均行增强MRI检查,术后病理对IDH进行分子检测。由2名神经影像医师在FLAIR和T1加权对比增强(CE-T1WI)序列上逐层勾画肿瘤实体及周围水肿病灶,采用组内相关系数(ICC)评价2名医师分别勾画的感兴趣区域组学特征一致性,然后提取影像特征。分别使用方差阈值法、单变量特征选择法、最小绝对收缩和选择算子(LASSO)对组学特征进行筛选和降维。采用χ²检验或Fisher精确检验评价2组胶质瘤影像学特征的统计学差异。采用五折交叉验证法的分类方式,通过Logistic回归分析建立放射组学模型,采用诺莫图展示模型结果,采用校准曲线验证模型的可靠性。结果在CE-T1WI序列筛选出13个组学特征,在FLAIR序列筛选出7个组学特征。癫痫、WHO分级、影像所见强化和水肿对于IDH突变状态预测具有统计学意义(P<0.05)。影像组学模型在训练集中的AUC为0.833(95%CI0.778~0.889),在测试集中的AUC为0.753(95%CI0.628~0.895)。结论影像组学在预测脑胶质瘤IDH突变方面具有较好的性能。     

基于18F-FDG PET/CT影像组学的非小细胞肺癌病理亚型分类

目的：旨在建立一种基于¹⁸F-FDG PET/CT的临床—影像组学相结合的综合模型用于区分非小细胞肺癌中的腺癌和鳞癌。方法：回顾性收集上海交通大学附属胸科医院120例经病理学验证为腺癌(65例)和鳞癌(55例)的患者,从预处理的CT图像和PET图像中分别提取1218、108个影像组学特征,并纳入10个临床特征因素;卡方检验和Wilcoxon检验用于对临床特征进行筛选,并使用Relief算法和最小绝对收缩和选择算子(LASSO)对影像组学特征进行筛选;通过6种机器学习分类器分别建立临床、影像组学、综合模型。通过受试者工作特征(ROC)曲线及曲线下面积(AUC)来评价模型的分类能力。结果：综合模型在训练集和测试集中均表现出最高的AUC值和准确率,其中随机森林(RF)和Bagging分类器表现出的分类效果最佳。经五折交叉验证后,训练集中RF和Bagging的AUC值和准确率分别为0.92±0.03、0.86±0.06和0.92±0.02、0.83±0.02;测试集中RF和Bagging的AUC值和准确率分别为0.92、0.81和0.91、0.86。结论：结合^1...     

多参数MRI的影像组学融合模型在术前预测宫颈癌淋巴结转移的应用价值

目的 探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法 回顾性分析山西省肿瘤医院2016年6月-2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例,采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI),并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN-)和阳性(LN+),临床及影像资料也对应分组。分别基于每例患者的T₂WI、表观扩散系数(ADC)和增强T₁WI(cT₁WI)序列图像上均提取3 111个影像组学特征,然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建,并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型,并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。结果 训练组和验证组患者基线资料差异均无统计学意义(P值均>0.05)。基于T₂WI、ADC和cT₁WI合并特征降维后共得到6个影像组学特征(P值均＜0.05),其中包括3个小波类特征参数和3个LoG类特征参数,均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829,显示具有良好的预测效能,合并上述序列构建的影像组学标签对应的AUC值0.859,其诊断效能优于其中任意单一序列,并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能,对应的AUC分别为 0.865和0.861。在独立验证组中的决策曲线示,当风险阈值＞10%时,采用影像组学方法预测LN+的净收益优于将所有患者都看作LN+或LN-,也优于MRI评价淋巴结状态。结论 通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。     

基于影像组学的肺癌分型预测

目的 基于影像组学特征对肺癌中的两大亚型分类（小细胞肺癌与非小细胞肺癌）进行分型预测。 方法 在131名小细胞肺癌与非小细胞肺癌患者中(其中训练集包含119人,测试集中包含12人),从手动分割的病灶区域提取107维组学特征,使用R统计学软件中的FSelector包对影像组学特征进行关键特征筛选,构建支持向量机模型和k折交叉验证模型对肺癌患者的病理进行表型分类和验证,通过绘制受试者工作特征曲线（ROC曲线）图和计算曲线下面积（AUC）数值来对训练集和测试集中的肺癌分型预测效果进行评估。 结果 挑选出20个主要的影像组学特征用于小细胞肺癌与非小细胞肺癌的分型鉴别,这些特征对于训练集和测试集中的小细胞肺癌与非小细胞肺癌均有较好的区分能力。在测试集中,预肺癌亚型分类的准确率为75%,组学特征的AUC结果为0.69。 结论 通过构建独特的影像组学特征,以用作区分小细胞肺癌与非小细胞肺癌的诊断因素。这对实现非侵入性的肺癌病理有效分型预测,指导肺癌患者后续治疗方案的选择具有重要指导意义。     

基于超声影像组学的原发性肝细胞癌分级预测

目的:针对原发性肝细胞癌（HCC）肿瘤分级预测难题，提出一种基于灰阶超声成像的影像组学预测模型。方法:首先，由超声医生对肿瘤区域进行手动分割，其次，采用影像组学方法对肿瘤区域提取形状、一阶统计、纹理特征，计算特征间Pearson相关系数剔除冗余特征，最后通过单变量分析筛选得到特征子集，采用LASSO构建HCC分级预测模型；利用留一法计算模型的受试者操作特性曲线下的面积（AUC）评估模型对HCC分级的预测能力。结果:利用43例经手术病理证实的HCC患者的灰阶超声图像构建HCC分级预测模型，所建模型由6个与分级高度相关的影像特征组成，模型具有较强的预测能力（AUC=0.76）。结论:基于灰阶超声成像的影像特征与HCC分级高度相关，所建影像组学模型能够较好地预测HCC分级。     

基于多参数磁共振影像组学的乳腺癌病理信息预测模型研究

联合动态增强磁共振成像(DCE-MRI)、T2加权成像(T2WI)以及弥散加权成像(DWI)的影像特征,建立基于多参数影像组学的预测模型,分别对乳腺癌分子分型、组织学分级和Ki-67表达进行预测。采集150例术前、化疗前的浸润性导管癌患者乳腺MRI数据,获取DCE-MRI、T2WI和DWI影像。分割各参数影像的病灶区域,并提取多参数影像特征。在训练集采用支持向量机递归特征消除(SVM-RFE)算法,获得影像组学最优特征子集并构建基于SVM的预测模型,在测试集中测试模型性能。采用概率平均法、概率投票法和概率模型优化法,分别将基于不同参数影像构建的预测模型进行融合,得到多参数影像联合预测结果,并计算ROC曲线下的面积(AUC)评估模型的分类性能。单参数影像模型预测LuminalA、LuminalB、HER2和Basal-like等4种分子分型的最佳AUC分别为0.6721、0.6940、0.6777和0.7086,多参数影像模型的预测结果提高到AUC分别为0.7995、0.7279、0.7375和0.7925。单参数影像模型预测分级的最佳AUC为0.7533,多参数影像模型的预测结果提高到0.8017。单参数影像模型预测Ki-67表达的最佳AUC为0.6647,多参数影像模型预测结果提高到0.7718。相比于单参数影像模型的预测结果,多参数影像模型的预测结果有所提升,且差异具有显著性(P<0.05)。实验结果表明,采用多参数磁共振影像(DCE-MRI、T2WI以及DWI)组学的联合,可以显著提高单一参数影像模型预测乳腺癌病理信息的性能,对乳腺癌的诊断和个性化治疗方案的选择具有重要意义。     

Development and validation of a comprehensive radiomics nomogram for prognostic prediction of primary hepatic sarcomatoid carcinoma after surgical resection

Objective: This study aimed to establish and validate a radiomics nomogram comprised of clinical factors and radiomics signatures to predict prognosis of primary hepatic sarcomatoid carcinoma (PHSC) patients after surgical resection.Methods: In this retrospective study, 79 patients with pathological confirmation of PHSC and underwent surgical resection were recruited. A radiomics nomogram was developed by radiomics signatures and independent clinical risk factors selecting from multivariate Cox regression. All patients were stratified as high risk and low risk by nomogram. Model performance and clinical usefulness were assessed by C-index, calibration curve, decision curve analysis (DCA) and survival curve.Results: A total of 79 PHSC were included with 1-year and 3-year overall survival rates of 63.3% and 35.4%, respectively. The least absolute shrinkage and selection operator (LASSO) method selected 3 features. Multivariate Cox analysis found six independent prognostic factors. The radiomics nomogram showed a significant prediction value with overall survival (HR: 7.111, 95%CI: 3.933-12.858, P<0.001). C-index of nomogram was 0.855 and 0.829 in training and validation set, respectively. Decision curve analysis validated the clinical utility of this nomogram. There was a significant difference in the 1-year and 3-year survival rates of stratified high-risk and low-risk patients in the whole cohort (30.6% vs. 90.1% and 5.6% vs. 62.4%, respectively, P < 0.001).Conclusion: This radiomics nomogram serve as a potential tool for predicting prognosis of PHSC after surgical resection, and help to identify high risk patients who may obtain feeble survival benefit from surgical resection.     

基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究

目的:探讨基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究。方法:回顾性收集2013年1月至2017年1月进行放射治疗的83例肺癌患者的临床物理剂量参数和CT影像以及随访数据。从病例的CT图像中提取107个影像组学特征,结合对应的45个临床物理剂量特征,每例病例共收集152个特征。基于22种特征提取算法和8种分类器构建的176个鉴别模型分析152个特征预测放射性肺炎的准确性以及筛选优势特征的能力。结果:临床物理剂量特征和影像组学特征预测放射性肺炎的鉴别模型中AUC值最高为0.90。前5位的优势特征是:shape_Maximum2DDiameterColumn、shape_Maximum3DDiameter、V20、glcm_Imc1、V45。结论:临床物理剂量特征和影像组学特征通过不同分类器和特征选择算法组合的鉴别模型,可以筛选出理想的鉴别模型以及优势预测特征。