CT影像组学预测结肠癌淋巴血管间隙浸润价值研究

目的：构建预测结肠癌淋巴血管间隙浸润（LVSI）的临床影像模型、CT影像组学模型和两者联合模型,并从中筛选出最优模型。方法：收集接受增强CT检查的365例结肠癌患者资料,根据手术病理结果分为LVSI+(n=84)及LVSI-(n=281),样本按7:3比例随机分为训练集（n=256）和验证集（n=109）。比较临床、影像指标组间差异并建立临床影像模型;对静脉期CT图像上全肿瘤区域进行感兴趣区（ROI）勾画并提取影像组学特征,经降维、筛选后共获得16个最优特征并建立CT影像组学模型;再构建临床影像与CT影像组学联合模型。比较各模型效能,绘制最优模型列线图,并评估其性能。结果：LVSI+及LVSI-组间淋巴结长径、癌胚抗原（CEA）、糖类抗原19-9 (CA19-9)、肿瘤部位差异均有统计学意义（P<0.05）。临床影像模型、CT影像组学及联合模型受试者工作特征曲线下面积（AUC）分别为0.726、0.784、0.851 （训练集）和0.729、0.768、0.833 （验证集）。联合模型AUC均大于临床影像模型（P<0.05）。列线图校准度较高,决策曲线范围为0.15～0.9...     

基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值

目的 探讨基于CT影像组学列线图鉴别诊断甲状腺乳头状癌(PTC)与结节性甲状腺肿(NG)的临床价值。方法 回顾性分析经病理证实的甲状腺结节患者的临床资料及CT图像。术前2周内行CT平扫及增强扫描；PTC 113例，NG 119例；以7∶3的比例随机分层抽样划分成训练集(n=162)和测试集(n=70)。从CT平扫及双期增强图像中提取甲状腺结节相关征象和影像组学特征，通过临床影像征象和影像组学特征筛选，训练集与测试集均构建4个独立模型并计算影像组学评分，基于影像组学评分和临床模型构建联合模型，并基于联合模型绘制列线图。通过受试者工作特征曲线、曲线下面积(AUC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)等多个指标评估各模型对PTC与NG的鉴别诊断效能，利用校准曲线直观的评估列线图的可靠性与准确性，使用决策曲线评估列线图的临床实用价值。结果 平扫、动脉期、静脉期分别保留了6、4、3个影像组学特征，分别构建单期相影像组学模型。单期相中，平扫模型鉴别诊断效能最优，6个独立预测因子用于构建临床模型，基于联合模型的列线图对PTC与NG具有最高的鉴别诊断效能(训练集：AUC为0.980...     

基于临床-影像学特征联合增强MR影像组学预测HIFU消融子宫肌瘤后再干预风险

目的：探讨基于临床-影像学特征和对比增强T1加权成像（CE-T1WI）影像组学的联合模型在预测高强度聚焦超声（HIFU）消融子宫肌瘤后再干预风险中的价值。方法：回顾性连续性分析HIFU消融治疗的子宫肌瘤患者189例（再干预43例;非再干预146例）,评估患者临床-影像学特征。以7∶3的比例随机分为训练集（n=132）和验证集（n=57）。采用二元逻辑回归筛选预测再干预风险的独立临床-影像学特征。采用最大冗余最小相关性和最小绝对收缩和选择算子筛选最优影像组学特征。采用二次判别分析分别建立基于独立临床-影像学特征的临床-影像学模型、基于最优影像组学特征的影像组学模型及结合上述特征的联合模型。通过受试者工作特征（ROC）曲线评估模型预测性能,综合判别改善（IDI）指数和DeLong检验用于比较模型预测性能。结果：年龄（P<0.001）、肌瘤体积（P=0.001）、肌瘤强化程度（P=0.001）是预测再干预风险的独立临床-影像学特征。影像组学模型和联合模型验证集曲线下面积（AUC）分别为0.771 (95%CI 0.577～0.964)和0.819 (95%CI 0.702～0.937)...     

非小细胞肺癌患者预后生存时间范围的机器学习预测模型研究

【摘要】目的：开发并验证一种基于CT影像组学及形态学特征对非小细胞肺癌患者预后生存时间范围进行预测的机器学习分类模型。方法：在癌症影像数据库（TCIA）中下载lung1数据集,选取符合条件的243例周围型非小细胞肺癌患者,根据截止生存时间将患者分为两组（1组为生存期≤3年,2组为生存期＞3年）。在每个病灶中提取1037个影像组学特征,采用最小绝对收缩和选择算子（LASSO）算法进行特征筛选。记录每个病灶的形态学特征,运用t检验和卡方检验进行筛选。将两者结合起来,运用Logistic回归、随机森林、AdaBoost、高斯朴素贝叶斯、神经网络这5种机器学习分类方法建立预测模型,采用受试者工作特征（ROC）曲线评价5种预测模型的效能,并选出最优模型。最后使用广州中医院大学第一附属医院搜集的77例患者数据进行外部验证。结果：高斯朴素贝叶斯分类预测模型是本研究中最好的模型,稳定性相对较好,在所有模型中,运用此模型的AUC值在训练集和验证集中均较高。经过外部验证,该模型在训练集的AUC值为0.735,敏感度为0.685,特异度为0.700;测试集AUC值为0.771,敏感度为0.571,特异度为0.898。结论：CT影像组学结合形态学特征的机器学习分类模型能较准确地对NSCLC患者的预后生存时间范围进行预测。     

基于机器学习算法的子痫前期预测模型构建

目的 筛选子痫前期的危险因素并构建基于机器学习算法的子痫前期预测模型。方法 收集重庆医科大学医学数据研究院大数据平台中2016年1月-2018年12月1609例住院孕妇的临床数据进行回顾性分析。依据住院期间是否发生子痫前期分为子痫前期组(n=291)与非子痫前期组(n=1318)。随机抽取70%患者的临床资料作为训练集(n=1126)构建预测模型,其余30%作为测试集(n=483)进行验证,并对测试集和训练集进行一致性检验。采用单因素分析及logistic回归分析筛选独立危险因素,利用5折交叉验证算法寻找LightGBM算法的最优参数,并基于LightGBM机器学习算法构建预测模型。结果 共收集了58项指标,排除缺失率≥30%的13项指标,最终共纳入45项指标。子痫前期组与非子痫前期组的谷氨酰转移酶、谷丙转氨酶、凝血酶时间、谷草转氨酶、尿比重等35项指标差异有统计学意义(P<0.05)。Logistic回归分析结果显示,尿比重、尿酸、平均红细胞血红蛋白浓度、球蛋白、血小板分布宽度、钾离子、就诊年龄、高血压家族史、收缩压、舒张压、脉搏和孕周≥34周是子痫前期的独立危险因素。经5折交...     

基于钆塞酸二钠增强MRI特征构建肝细胞癌CK19表达术前预测模型

目的：基于钆塞酸二钠增强MRI影像特征构建肝细胞癌（HCC）细胞角蛋白19 (CK19)表达情况的术前预测模型。方法：回顾性分析2015年5月至2022年8月期间经术后病理证实为HCC的226例患者临床、MRI影像特征,其中CK19阳性75例,阴性151例。将患者按照7∶3比例随机分为训练集及测试集,分别采用单变量方差分析方法 （ANOVA＿F）和基于随机森林的递归特征消除法（RFE?RF）进行特征筛选,然后分别采用逻辑回归（LR）和随机森林（RF）算法构建CK19表达术前预测模型,并对模型进行验证和评估。结果：通过ANOVA＿F方法筛选出5个特征,包括肝炎、边缘、包膜凹陷征、马赛克征、瘤内动脉。ANOVA＿F LR模型在训练集和测试集上的AUC (95%CI)分别为0.668 (0.576～0.760)、0.654 (0.518～0.789),ANOVA＿F RF模型AUC (95%CI)分别为0.675 (0.584～0.766)、0.647 (0.505～0.790)。通过RF?RFE方法筛选出5个特征,包括年龄、log AFP、肿瘤大小、形态、包膜。RFE?RF LR模型在训练...     

DTI预测及评估宫颈癌新辅助化疗疗效反应的价值

【摘要】目的：探讨磁共振扩散张量成像（DTI）定量参数评估及预测宫颈癌新辅助化疗（NACT）疗效反应的价值。方法：回顾性分析36例行新辅助化疗的宫颈癌患者，分为有效组（n=20）和无效组(n=16)。测量治疗前、后表观扩散系数(ADC)值、各向异性指数(FA)值以及肿瘤最大直径，并搜集治疗前临床资料。比较治疗前、后DTI定量参数以及临床因素在不同组间的差异，并评估不同参数预测NACT疗效的诊断效能。结果：治疗前有效组和无效组的ADC值（P=0.008）、年龄(P=0.045）、鳞状细胞癌抗原（SCC）指标（P=0.035）具有统计学差异，其余参数均无统计学差异（P>0.05）。治疗后有效组和无效组的ADC值（P=0.024）和肿瘤最大直径（P<0.001）具有统计学差异。ROC曲线显示治疗前ADC值结合SCC的联合指标预测NACT疗效曲线下面积（AUC）0.802，高于单个参数ADC值（AUC=0.750）以及SCC（AUC=0.663）。结论：DTI定量参数ADC值以及临床因素SCC指标可在治疗前预测及评估宫颈癌NACT的疗效反应，治疗前ADC值和SCC的联合指标在预测宫颈癌NACT疗效上具有更高的诊断效能。     

基于机器学习算法术后急性肾损伤风险预测模型建立

目的 基于机器学习算法构建预测术后急性肾损伤(PO-AKI)的风险模型。方法 选择陆军军医大学附属西南医院自2014年1月至2019年6月、四川大学附属华西医院自2019年5月至2020年1月及中山大学附属第一医院自2019年6月至2019年12月发生PO-AKI的635例患者纳入PO-AKI组。按1∶3比例随机匹配同时间段未发生PO-AKI的1 905例患者纳入非PO-AKI组。将所有患者按照7∶3比例随机分为建模组(n=1 778)和验证组(n=762)。在数据预处理特征选择手术患者常见的临床指标(一般资料、既往史、手术相关信息和实验室检验)后,基于6种机器学习算法建立PO-AKI的风险预测模型。通过受试者工作曲线下面积(AUC)、敏感度、特异度、准确度和F1分数评估模型效应。选择6种机器学习模型中性能最优者搭建可视化PO-AKI预测网页模型。结果 构建了6种PO-AKI机器学习预测模型,以神经网络(NNET)算法最优。验证组中AUC为0.942(95%可信区间0.926～0.958),敏感度和特异度分别为85.3%和86.9%。结论 基于机器学习算法成功建立了PO-AKI预测模型...     

动态CTA对非时间窗内前循环脑缺血患者侧枝及血流状态的评估

【摘要】目的：分析动态CTA与最优单期CTA对前循环脑缺血患者的动脉闭塞程度、侧枝循环状态评估的差异,同时评估动脉闭塞程度、侧枝循环状态及全脑CTP与患者预后的关系。方法：回顾性分析45例非时间窗内的前循环脑缺血患者的全脑CTP及相应动态CTA图像数据,定量评估血管闭塞程度、侧枝循环状态,定性评估脑组织的血流灌注。结果：动态CTA较最优单期CTA图能更好评估脑动脉狭窄及侧枝循环（P<0.001）。患侧脑血容量（CBV）主要为基本正常（26例）和升高（15例）,脑血流量（CBF）主要为降低（35例）和基本正常（7例）;平均通过时间（MTT）主要为升高（41例）。29例患者预后好,16例预后差,两组之间血管闭塞程度、侧枝循环速度差异无统计学意义（P=0.376、0.186）,但侧枝循环程度好、脑组织梗死体积和Tmax异常灌注区体积小者,患者预后好（P=0.005、<0.001、0.027）。结论：动态CTA能更好的评估脑缺血患者的动脉狭窄及侧枝循环状态,结合CT平扫及全脑CTP,能为患者的预后管理提供一定依据。     

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。     

基于常规MRI影像组学模型预测软组织肉瘤复发

【摘要】目的：探讨基于常规MRI的影像组学模型对预测软组织肉瘤（STS）复发的价值。方法：回顾性分析2012年1月－2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组（27例）,无复发组（65例）。采用完全随机方法将所有患者按7:3的比例分为训练集（n=65）和验证集（n=27）。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合（VOI）,然后使用AK软件提取纹理特征,使用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分（Radscore）,运用100次留组交叉验证（LGOCV）方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归（LR）、随机森林（RF）和支持向量机（SVM）三种机器学习算法分别建立机器学习模型。采用受试者工作特征（ROC）曲线评价各模型的预测效能,应用决策曲线分析（DCA）评估模型的临床应用价值。结果：临床模型在训练集和验证集中预测STS复发的ROC曲线下面积（AUC）分别为0.71（95%CI:0.58~0.85）和0.74（95%CI:0.52~0.97）。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81（95%CI:0.70~0.93）、0.92（95%CI:0.86~0.99）和0.91（95%CI:0.84~0.99）,在验证集中分别为0.84（95%CI:0.63~1.00）、0.92（95%CI:0.81~1.00）和0.86（95%CI:0.72~1.00）。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93（95%CI:0.87~0.99）、0.91（95%CI:0.84~0.99）和0.77（95%CI:0.63~0.91）,在验证集中分别为0.93（95%CI:0.83~1.00）、0.86（95%CI:0.71~1.00）和0.83（95%CI:0.66~1.00）。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论：基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。     

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。     

基于数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的多中心研究

【摘要】目的：探讨基于多中心数字化乳腺X线影像组学列线图预测浸润性乳腺癌组织学分级的价值。方法：以病理诊断为金标准,按照7:3的比例将皖南医学院第一附属医院弋矶山医院437例浸润性乳腺癌患者随机拆分为训练组305例（Ⅰ/Ⅱ级217例,Ⅲ级88例）和验证组132例（Ⅰ/Ⅱ级94例,Ⅲ级38例）,将阜阳市人民医院（n=129）和太和县人民医院（n=162）291例浸润性乳腺癌患者（Ⅰ/Ⅱ级203例,Ⅲ级88例）作为外部测试组。对比分析双乳内外斜位（MLO）和头尾位（CC）图像,选取病变面积较大的数字化乳腺X线图像使用深睿医疗多模态科研平台进行图像分割和影像组学特征提取,采用特征间线性相关性分析与最小绝对收缩和选择算法对组学特征进行降维并使用逻辑回归构建影像组学模型。临床指标经单因素及多因素二元Logistic回归分析并构建临床模型。影像组学评分联合临床指标构建列线图。采用受试者工作特征（ROC）曲线和决策曲线分析（DCA）评价模型性能,使用Delong检验比较模型间的预测效能。结果：最终筛选出3个与浸润性乳腺癌组织学分级最相关的影像组学特征。列线图对浸润性乳腺癌组织学分级的预测效能在训练组、验证组和外部测试组分别为0.811、0.825和0.803,诊断效能优于单一模型。DCA显示在概率值为20%～60%时,训练组、验证组及外部测试组列线图预测浸润性乳腺癌组织学分级的净收益高于影像组学模型及临床模型。结论：基于数字乳腺X线影像组学模型对浸润性乳腺癌组织学分级的预测具有较高的效能,对患者制定个性化治疗方案和预后评估有着重要的临床应用价值。     

光学相干层析成像技术判断大鼠动脉球囊损伤后再狭窄程度

目的探讨光学相干层析成像技术(optical coherence tomography,OCT)判断大鼠动脉球囊损伤后再狭窄程度的可行性。方法将60只雄性SD大鼠随机分成对照组(假手术组30只)和实验组(球囊损伤30只),每个时间点(造模前、造模后2、7、14和28 d)取6只,制备大鼠颈总动脉球囊导管扩张损伤模型,在各个时间点将动脉组织行OCT检测并和血清学指标(LDL、HDL、ALP、CRP)、病理学指标(血管内膜与中膜厚度比值、管腔狭窄率)相比较。结果实验组血清学指标(LDL/HDL、ALP)及病理学指标都随着造模时间逐渐加重,对照组处理前后无明显变化,两组相比差别具有显著意义(P<0.05)。实验组OCT图象散射系数(μs)随造模时间逐渐增大,对照组μs处理前后无明显变化,两组相比差别具有显著意义(P<0.05);实验组μs与病理学指标(血管内膜与中膜厚度比值、管腔狭窄率)均存在高度相关性(P<0.01)。结论 OCT是评估动脉球囊损伤后再狭窄程度的可行方法。     

基于不同机器学习算法的影像组学模型预测浸润性乳腺癌Ki-67表达的价值

目的：基于动态增强磁共振成像（DCE-MRI）探究不同机器学习算法的影像组学模型预测浸润性乳腺癌Ki-67表达状态的价值。方法：回顾性分析于本院行双乳磁共振检查患者,按照纳入排除标准最终纳入患者156例,按照7∶3比例分为训练集和测试集。通过单因素分析、最小绝对收缩和选择算子法和递归特征消除进行特征筛选,筛选出不同数量特征分别通过5种机器学习算法建立影像组学模型来预测浸润性乳腺癌Ki-67表达状态。比较不同模型的受试者工作特征曲线下面积（AUC）并计算准确率和F1度量值评估其性能,校准曲线评估模型拟合度,并应用DeLong检验比较不同模型间的差异性。结果：同一分类器在不同的特征数下预测性能不同。在基于DCE-MRI提取的3个特征下,5种模型的预测性能相对较好,其中支持向量机的整体性能最优,AUC、准确率和F1度量值在训练集分别为0.95、0.95、0.90,在测试集分别为0.88、0.79、0.74。DeLong检验显示,在基于3个特征的5个模型中,支持向量机与逻辑回归的性能差异有统计学意义（P<0.001）,与其余3个模型无统计学差异。结论：基于DCE-MRI所构建的影像组学模...     

DTI在中等量脑出血治疗方案选择及预后评估中的应用

目的：探究磁共振弥散张量成像（DTI）在中等量脑出血患者治疗方案中的作用以及对预后评估的应用价值分析。方法：研究纳入2021年5月-2023年2月我院收治的中等量脑出血患者76例,均经过DTI检查,给予内科常规治疗的为对照组（n=38）,给予微创治疗的为观察组（n=38）,以D TI扫描后对比治疗结果。结果：观察组综合有效率97.37%与对照组84.21%相比,统计学数据对比差异显著（p<0.05）;排除内囊区未受累侧,患者的其余FA指标均有显著改善,观察组结果优于对照组（p<0.05）,同时对比患者出院后、出院3月的临床多项指标（NIHSS、ADL、mRs、GCS评分）观察组也均优于对照组。结论：D TI技术在神经功能损伤的评估上效果良好,能及时帮助中等量脑出血患者制定科学有效的治疗方案,评估预后和病症改善情况,具有较高的临床辅助诊断价值。     

CT影像组学联合炎症指标构建逻辑回归模型预测食管鳞癌新辅助化疗疗效

【摘要】目的：探究基于CT影像组学联合血液学炎症指标构建逻辑回归模型预测食管鳞癌新辅助化疗（NAC）疗效的可行性。方法：回顾性分析两家医院经病理证实的54例食管鳞癌患者在术前规范化NAC前、后两次胸部CT增强图像及NAC前一周内的血液学炎症指标检测结果。测量治疗前、后病灶的最长径,计算其变化率,并根据实体肿瘤疗效评价标准（RECIST 1.1）,将患者分为NAC有效组（30例）及无效组（24例）。采用独立样本t检验或Mann-Whitney U检验筛选血液学炎症指标中与疗效相关的因素。在患者治疗前静脉期图像上沿肿瘤边界逐层手工勾画ROI,最终生成三维感兴趣区（VOI）并提取其影像组学特征,使用最小冗余最大相关及Boruta工具包进行特征筛选并构建影像组学标签。分别建立影像组学特征、血液学炎症指标、影像组学标签联合血液学炎症指标的逻辑回归模型,采用混淆矩阵和ROC曲线分析模型对NAC疗效的预测效能,采用DCA曲线评估其临床实用价值。结果：外周血淋巴细胞计数及淋巴细胞数与单核细胞数的比值被纳入炎症指标模型。于治疗前静脉期图像上共提取了1168个组学特征,经降维后共筛选出5个影像组学特征（wavelet-HLL_gldm_DependenceEntropy、wavelet-HHL_gldm_LargeDependenceLowGrayLevelEmphasis、wavelet-HHH_glrlm_HighGrayLevelRunEmphasis、wavelet-HHH_glrlm_LowGrayLevelRunEmphasis和wavelet-HLL_glszm_ZoneEntropy）用于构建影像组学标签。基于影像组学、血液学炎症指标以及联合模型预测NAC疗效的的AUC分别为0.77、0.72和0.80。结论：基于新辅助化疗前的增强CT影像组学及血液学炎症指标特征构建的预测模型可较好的预测食管鳞癌患者新辅助化疗疗效,以联合模型的效能最优,可为临床制订个性化治疗方案提供参考。     

冠状动脉CT血管成像斑块分析联合心肌影像组学对心肌缺血的诊断价值

目的 探讨基于冠状动脉CT血管造影（CCTA）的斑块、心肌影像组学特征分别构建的模型及二者的联合模型对心肌缺血的诊断价值。资料与方法 回顾性收集2020年1月—2022年3月郑州大学第一附属医院疑似及确诊冠心病并于1周内行CCTA及SPECT-MPI检查的患者154例（心肌缺血80例，非缺血74例）。以入院时间顺序将患者按8∶2分为训练组122例及测试组32例。从CCTA图像中手动标注心肌区域并提取影像组学特征，选出最优特征构建组学模型；采用最大相关最小冗余算法筛选出最终斑块特征并构建斑块模型；将临床特征、斑块特征及筛选后的组学特征经最大相关最小冗余算法选择最佳特征子集后构建诺模图。通过受试者工作特征曲线、决策曲线判断各模型对心肌缺血的诊断性能。结果 在训练组中，与组学和斑块模型相比，联合模型在预测心肌缺血方面诊断性能显著提高[曲线下面积：0.832比0.772,Z=2.899,P=0.050（组学）；0.832比0.680,Z=1.028,P<0.001（斑块）]，在测试组中联合模型也具有较高的诊断性能，曲线下面积为0.773，敏感度为73.68%，特异度为61.54%。决策曲...     

基于影像组学模型预测胶质母细胞瘤患者术后一年死亡风险

目的 开发新的临床影像组学列线图模型,用于对胶质母细胞瘤患者术后1年死亡风险进行预测,为胶质母细胞瘤患者的预后提供指导。方法 纳入100例胶质母细胞瘤患者,分成训练组(n=50)和验证组(n=50)。开发一种纳入患者相关临床因素和MRI影像组学特征的列线图。提取患者增强扫描感兴趣区的影像组学特征,通过最小绝对收敛和选择算子(LASSO)筛选出用于建模的特征,并计算出影像组学评分。单因素多因素分析寻找有意义的临床变量。建立单独基于影像组学评分构建的单一模型以及基于临床变量和影像组学评分构建的联合模型。在训练组和验证组中分别使用ROC曲线、临床决策曲线对两种模型进行评价,筛选出最优模型用于指导临床。结果 从胶质母细胞瘤患者增强图像的感兴趣区筛选出有意义的影像组学特征并计算出影像组学评分。从患者相关临床因素中筛选出2个独立危险因素,分别为病灶水肿程度和病灶有无出血。联合模型的AUC在训练组和验证组中分别为0.890和0.879。单一模型的AUC在训练组和验证组中分别为0.842和0.798。临床决策曲线说明模型具有较高的临床实用性。结论 联合模型优于单一模型。结合影像组学评分和相关临床变量构...     

食管鳞状细胞癌预后甲基化基因生物标志物筛选

 目的 鉴定食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)甲基化生物标志物,预测ESCC患者预后。方法 从癌症基因组图谱数据库(the cancer genome atlas, TCGA)下载ESCC和正常样本基因组甲基化数据及临床信息。所有ESCC样本随机分为验证组和训练组。采用Cox比例风险回归模型和随机生存森林算法在训练组中鉴定甲基化生物标志物。并使用时间依赖性ROC曲线来评估该模型的性能。在验证组中对该模型进行验证。通过GO功能注释,探讨DNA甲基化标志物的生物学功能。结果 鉴定出差异甲基化基因283个,并从中筛选出与生存相关的4个甲基化基因(RRAGB、SYP、ERCC6L和RNASEH2CP1)作为预后的生物标志物。训练组和验证组ROC曲线下面积(AUC)分别为0.984和0.83。该生物标志物能够将训练组患者分为高风险组、低风险组,并在验证组中得到相似的结果。多因素Cox回归分析表明,甲基化基因生物标志物是ESCC患者预后的独立预测因素。功能分析表明,这些标志物基因参与转录调控与DNA结合。结论 筛选出预测ESCC预后的甲基化基因标志物,是独立的预后预测因子。