共查询到20条相似文献,搜索用时 15 毫秒
1.
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... 相似文献
2.
目的 观察超声影像组学预测雌激素受体(ER)及孕激素受体(PR)双阴性乳腺癌的价值。方法 回顾性分析经病理确诊的342例乳腺癌359个病灶,326例可见单发、16例见多发病灶;其中119例见127个ER(-)PR(-)病灶、223例见232个其他病灶[36例共36个ER(+)PR(-)、2例共2个ER(-)PR(+)、185例共194个ER(+)PR(+)病灶];按照7∶3比例将病灶分为训练集(n=251)和测试集(n=108)。基于术前超声资料提取1 314个病灶影像组学特征,经预处理后获得1 205个特征;采用最小绝对收缩和选择算子(LASSO)算法筛选最佳影像组学特征,并利用支持向量机以训练集数据进行训练,构建预测ER及PR双阴性乳腺癌的影像组学模型;绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估模型的诊断效能。结果 共筛选出37个最佳影像组学特征,以之构建的影像组学模型预测训练集和测试集ER及PR双阴性乳腺癌的AUC分别为0.872[95%CI(0.820,0.924)]和0.867[95%CI(0.798,0.936)]。结论 超声影像组学可有效预测ER及PR双阴性乳腺癌。 相似文献
3.
目的 观察瘤内及瘤周影像组学联合临床和CT特征预测浸润性腺癌(IAC)周围脉管侵犯(LVI)的价值。方法 回顾性分析190例经术后病理确诊IAC患者,其中65例LVI(+)、125例LVI(-),按照7∶3比例将其分为训练集[134例,46例瘤周LVI(+)、88例瘤周LVI(-)]和测试集[56例,19例瘤周LVI(+)、37例瘤周LVI(-)]。对临床及CT表现行单因素及多因素logistic分析,筛选IAC瘤周LVI(+)的独立预测因素,构建临床-CT模型。分别基于瘤灶(GT)、肿瘤-瘤周过渡区(GPT)及瘤周区(PT)提取影像组学特征,以其最佳者构建影像组学模型(模型GT、模型GPT和模型PT),并筛选最佳影像组学模型;基于最佳模型影像组学评分与临床、CT独立预测因子构建联合模型,并绘制列线图。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型预测IAC瘤周LVI的效能;以校准曲线评估模型校准度,以决策曲线分析评价模型的临床价值。结果 年龄、术前癌胚抗原水平及毛刺征均为IAC瘤周LVI(+)的... 相似文献
4.
目的 基于脂肪抑制(FS)增强T1WI构建预测放射治疗(放疗)后鼻咽癌(NPC)患者口干级别的Delta影像组学模型,并评估其效能。方法 回顾性分析227例于诱导化学治疗(IC)后接受放疗或同步放化疗(CCRT)NPC患者IC前2周内及IC结束后鼻咽部MRI。于放疗结束后1周根据放射治疗肿瘤协作组标准评估患者口干分级(0~4级),将0、1级口干归为轻度口干(n=81),≥2级口干归为重度口干(n=146)。基于IC前、后FS增强T1WI提取双侧腮腺影像组学特征,计算Delta影像组学特征值。采用最小绝对收缩和选择算子和随机森林算法降维,筛选最优Delta影像组学特征,构建Delta影像组学模型。按8∶2比例将患者分为训练集(n=182)及测试集(n=45),绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估Delta影像组学模型预测训练集及测试集NPC患者放疗后口干分级的效能;绘制校准曲线,评估模型性能。结果 分别基于IC前、后FS增强T1WI提取2 286个影像组学特征,最终筛选出8个最优Delta影像组学特征并以之构建模型,其预测训练集和测试集NPC患者放疗后口干分级... 相似文献
5.
目的 联合常规MRI及表观扩散系数(apparent diffusion coefficient,ADC)图的影像组学特征构建多参数MRI影像组学模型术前预测胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)淋巴结转移(lymph node metastasis,LNM),并与建立的常规MRI影像组学模型和临床模型比较预测效能,探索基于ADC图影像组学的附加价值。材料与方法 218例PDAC按照7∶3的比例随机分为训练集和验证集。纳入临床及常规影像特征构建临床影像学模型。提取常规MRI图像(T1WI、T2WI、动脉期图像及门静脉期图像)及ADC图的影像组学特征。在训练集中采用最小绝对收缩和选择算子筛选出与LNM最相关的特征用于模型构建。构建基于常规MRI影像组学模型(影像组学模型1)和联合常规MRI和ADC图的影像组学模型(影像组学模型2)。使用受试者工作特征曲线下面积(area under the curve,AUC)评估模型预测效能。采用DeLong检验比较模型间的AUC值的差异是否有统计学意义。校准曲线评估模型的准确性。决策曲线分析评估模型... 相似文献
6.
7.
目的 观察T2WI及对比增强T1WI(T1C)影像组学模型鉴别纤维型与非纤维型脑膜瘤的价值。方法 回顾性分析423例经病理证实的单发低级别脑膜瘤患者,按7∶3比例分为训练集(n=296)和验证集(n=127);提取训练集T2WI和T1C中病灶3 376个影像组学特征,以SelectPercentile单因素分析法及最小绝对收缩和选择算子(LASSO)筛选最优影像组学特征,分别以分类器逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、线性SVC(LinearSVC)、自适应增强(Adaboost)及决策树(DT)构建鉴别纤维型与非纤维型脑膜瘤的影像组学模型,即模型LR、模型SVM、模型RF、模型linearSVC、模型Adaboost及模型DT,以验证集验证其效能。结果 基于T2WI和T1C共筛出13个最优影像组学特征,以之构建的模型LR、模型SVM、模型RF、模型linea... 相似文献
8.
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... 相似文献
9.
目的 观察基于多中心数字化乳腺X线摄影(DM)影像组学预测乳腺癌人表皮生长因子受体-2(HER-2)过表达的价值。方法 回顾性分析来自机构1(n=336)、2(n=142)、3(n=130)共608例经病理证实乳腺癌患者的DM资料。按照7∶3比例将来自机构1、2共478例分为训练集(334例,其中92例HER-2阳性、242例HER-2阴性)和验证集(144例,40例HER-2阳性、104例HER-2阴性);以来自机构3的130例(33例HER-2阳性及97例HER-2阴性)为外部验证集。于显示病变面积较大的内外斜(MLO)位或头足(CC)位DM图像中勾画病灶ROI,提取及筛选最佳影像组学特征,以支持向量机(SVM)构建影像组学模型,用于预测乳腺癌HER-2过表达;采用受试者工作特征(ROC)曲线评估模型的诊断效能,绘制校准曲线及决策曲线,评价其校准度及临床获益。结果 共筛选出3个最佳影像组学特征,以之构建的SVM影像组学模型预测训练集、验证集及外部验证集乳腺癌HER-2过表达的曲线下面积(AUC)分别为0.824、0.775及0.812。校准曲线显示,该模型在训练集、验证集及外部验证... 相似文献
10.
目的 观察基于多参数MRI构建的影像组学与深度学习(DL)模型鉴别良、恶性黏液样软组织肿瘤(MSTT)的价值。方法 回顾性纳入141例经病理证实的MSTT患者,以7 ∶ 3比例随机将其分为训练集(n=98,包括51例恶性及47例良性MSTT)及测试集(n=43,包括22例恶性及21例良性MSTT)。分别于训练集T1WI和脂肪抑制(FS)-T2WI中提取并遴选影像组学特征及DL特征,并以之构建鉴别良、恶性MSTT的影像组学模型及DL模型。绘制受试者工作特征(ROC)曲线、校准曲线及决策曲线,对比评估2个模型的区分度、校准度及净收益。结果 于训练集提取并筛选得到9个最佳影像组学特征用于构建鉴别良、恶性MSTT的影像组学模型,包括2个一阶特征、1个形态特征、3个灰度共生矩阵特征、1个灰度相关矩阵特征和2个灰度大小区域矩阵特征;以其中7个最佳DL特征构建DL模型。所获影像组学模型和DL模型鉴别测试集良、恶性MSTT的ROC曲线下面积分别为0.758及0.911,后者高于前者(P=0.017);2个模型均具有良好校准度;相比影像组学模型,DL模型在测试集的总体净收益更高。结论 基于MRI构建的DL模型鉴别良、恶性MSTT的效能较影像组学模型更好且净收益更高。 相似文献
11.
目的 观察基于MR-T2WI影像组学模型预测宫颈鳞癌临床分期的价值。方法 对159例经术后或活检病理证实的宫颈鳞癌患者采集盆部MRI,根据国际妇产科联盟(FIGO)分期系统及病理结果分为早期组(ⅠB~ⅡA期,n=73)和晚期组(ⅡB~Ⅳ期,n=86)。按照7 :3比例将患者随机分为训练集(n=113)和验证集(n=46)。训练集包括52例早期、61例晚期宫颈鳞癌,验证集含21例早期及25例晚期宫颈鳞癌。提取轴位T2WI中病灶的影像组学特征,以最大相关最小冗余和最小绝对收缩选择算子回归分析方法筛选最优影像组学特征,构建预测早、晚期宫颈鳞癌的影像组学模型。分析影像组学模型的拟合优度,采用受试者工作特征(ROC)曲线评估模型的预测效能,以决策曲线分析(DCA)评估模型的临床应用价值。结果 共提取396个影像组学特征,最终筛选11个最优影像组学特征,并以之构建预测早、晚期宫颈鳞癌的影像组学模型。影像组学模型在训练集和验证集中的拟合优度均佳(χ2=2.68、8.87,P均>0.05);其在训练集及验证集中的曲线下面积(AUC)均为0.80。DCA显示,阈值取0.10~1.00时,影像组学模型的净收益较大。结论 基于MR-T2WI的影像组学模型对预测宫颈鳞癌临床分期具有较高价值。 相似文献
12.
目的 评估基于MR T2WI影像组学模型预测肝泡型包虫病(HAE)病灶边缘微血管侵犯的价值。方法 回顾性分析89例经术后病理证实的HAE患者,其中32例病灶边缘存在微血管侵犯、57例无侵犯。提取病灶MR T2WI影像组学特征,以方差阈值法和单变量选择法筛选最优特征,以随机森林(RF)、极限梯度增强树(XGBoost)和逻辑回归(LR)三种分类器构建预测HAE病灶边缘微血管侵犯的机器学习(ML)模型。按8:2比例将患者分为训练集(n=70)和测试集(n=19),验证模型的预测效能;绘制受试者工作特征(ROC)曲线,计算其曲线下面积(AUC)。结果 共提取1 409个影像组学特征,经特征降维选出7个最优影像组学特征,并以之构建模型。ROC曲线显示,XGBoost模型在训练集及测试集中的AUC分别为0.96和0.89。结论 基于MR T2WI影像组学XGBoost模型可有效预测HAE病灶边缘微血管侵犯。 相似文献
13.
目的:探究直肠黏液腺癌(RMAC)中应用MRI多参数影像组学方法预测新辅助治疗(NCR)结局的效能分析。方法:回顾性收集本院2014年1月至2016年1月收治的298例病理确诊为RMAC患者的临床资料,根据NCR治疗结局,将患者分为治疗有效组和治疗无效组。以GE 1.5T Creator MRI平扫T2、DWI和ADC以及增强T1序列作为原始图像,利用3D Slicor软件共提取698个影像组学纹理标签,经过有效性分析和特征降维选出特征子集,共筛选到6个效能较好的纹理标签数据集,以此来构建影像组学预测模型。利用ROC曲线下面积AUC评价模型预测效能。结果:多因素Logistic回归分析显示,患者的平扫T2WI、DWI和ADC、增强T1WI提取出的特征纹理数据对预测NCR治疗无效的病例组具有统计学意义(P<0.05)。ROC曲线图显示,RMAC患者平扫T2WI、DWI和ADC、增强T1WI指标预测患者治疗疗效的曲线下面积(AUC)分别为0.856、0.755、0.878。结论:利用平扫T2WI、DWI和ADC、增强T1WI对预测RMAC患者NCR治疗无效组效能好。 相似文献
14.
目的建立基于轴位及矢状位T1WI增强图像的影像组学模型术前预测脑膜瘤病理分级,并测试其表现。材料与方法回顾性收集2017年1月至2020年12月病理诊断为脑膜瘤且符合纳入标准患者(132例)的MRI图像。使用图像分割软件ITK-SNAP勾画感兴趣区,再采用pyradiomics从中提取影像组学特征,将数据以8∶2的比例分成训练集(105例)和测试集(27例)。通过组内相关系数评估特征的可重复性,之后筛选特征,采用RBF核支持向量机算法构建模型。最后,使用测试集数据评估模型表现,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线。结果基于轴位和矢状位图像的综合模型表现优于其他单序列模型,各模型表现在应用少数类过采样技术(synthetic minority over-sampling technique,SMOTE)后均有不同程度的提升。应用SMOTE的综合模型测试表现最优,其ROC曲线下面积、敏感度、特异度、准确度分别为0.982、0.900、1.000和0.963。结论基于轴位和矢状位T1WI增强图像的影像组学模型有助于术前预测脑膜... 相似文献
15.
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... 相似文献
16.
目的 观察灰阶超声影像组学鉴别诊断皮下组织血管瘤(HE)与卡波西型血管内皮瘤(KHE)的价值。方法 回顾性分析143例皮下组织HE和70例KHE共252处病灶,按7∶3比例将病灶随机分为训练集(n=176)和验证集(n=76);提取病灶灰阶超声影像组学特征,构建影像组学模型,结合临床资料建立联合模型,观察各模型鉴别诊断皮下组织HE与KHE的效能。结果 共选取22个系数非零的稳定特征。影像组学模型鉴别训练集皮下组织HE与KHE的曲线下面积(AUC)、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.91[95%CI(0.89,0.93)]、91.41%、83.20%、93.92%、95.79%及89.00%;用于验证集分别为0.85[95%CI(0.83,0.87)]、90.78%、79.32%、97.90%、96.71%及88.68%。联合模型鉴别训练集皮下组织HE与KHE的AUC、准确率、敏感度、特异度、阳性预测值及阴性预测值分别为0.94[95%CI(0.92,0.96)]、94.33%、90.77%、96.38%、94.23%及94.90%;用于验证集分别为0.90[95%... 相似文献
17.
目的 探讨超声影像组学在腮腺多形性腺瘤(PA)与基底细胞腺瘤(BCA)鉴别诊断中的价值。方法 纳入222例病理诊断为腮腺PA或BCA患者,并分为训练集(130例PA和28例BCA)与验证集(51例PA和13例BCA)。从每个病例超声图像中提取了1 316个影像组学特征,经降维筛选后构建超声影像组学评分。同时构建临床+超声模型、超声影像组学模型及超声影像组学评分模型。通过受试者工作特征(ROC)曲线、校准曲线评价模型的预测效能,使用决策曲线分析(DCA)评估临床应用价值。结果 选择8个特征构建超声影像组学评分。年龄、形态、超声影像组学评分是鉴别PA与BCA的独立预测变量,基于上述变量构建超声影像组学模型。校准曲线显示超声影像组学模型的一致性较好,训练集与验证集的曲线下面积(AUC)分别为0.892(95%CI:0.834~0.951)、0.878(95%CI:0.793~0.963)。DCA结果表明其临床价值优于其他模型。结论 超声影像组学模型可较准确地鉴别PA和BCA,具有优化临床决策的潜力。 相似文献
18.
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。 相似文献
19.
目的 观察增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯(EMVI+)的价值。方法 回顾性分析经术后病理确诊的131例结直肠癌患者资料,按7∶3比例将其分为训练集(n=92,含44例EMVI+、48例EMVI-)与测试集(n=39,含23例EMVI+、16例EMVI-)。基于术前门静脉期CT提取及筛选肿瘤最佳影像组学特征并据以构建影像组学模型;以单因素及多因素logistic回归分析训练集临床、CT及病理学资料,筛选结直肠癌EMVI+的独立预测因素并建立临床模型,基于影像组学模型及临床模型建立联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测结直肠癌EMVI+的效能。以校准曲线及决策曲线分析评估模型校准度及临床实用性。结果 共筛选出4个最佳影像组学特征,以之构建影像组学模型。糖类抗原(CA)19-9及CA72-4均为结直肠癌EMVI+的独立预测因素(OR=1.033、1.285,P均<0.05)。联合模型预测训练集结直肠癌EMVI+的AUC高于影像组学模型和临床模型(AUC=0.908、0.825、0.770,P=0.017、0.003);影像组学、临床及联合模型在测试集的AUC分别为0.751、0.632、0.799,两两之间AUC差异均无统计学意义(P均>0.05)。影像组学模型及联合模型的校准度均较好。训练集以>0.1、测试集以>0.12为阈值时,联合模型的临床净获益较高。结论 增强CT影像组学联合临床能有效预测结直肠癌EMVI。 相似文献
20.
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。 相似文献