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。     

基于多参数MRI影像组学鉴别子宫内膜癌和子宫黏膜下肌瘤的价值

【摘要】目的：探讨基于多参数MRI影像组学建立模型在鉴别子宫内膜癌与子宫黏膜下肌瘤中的价值。方法：回顾性收集本院2013年8月-2022年1月经术后病理证实为子宫内膜癌和子宫黏膜下肌瘤病例93例, 其中子宫内膜癌51例,子宫黏膜下肌瘤42例。应用Python软件Pyradiomics包将T2WI、ADC、对比增强T1WI（CE-T1WI）图像勾画的ROI提取影像组学特征,按照7：3的比例随机分为训练集（n=65）和测试集（n=28）,应用最小绝对收缩和选择算子（LASSO）回归对训练集数据进行特征降维,筛选最佳影像组学特征,代入Logistic回归机器学习方法构建模型,通过对受试者工作特征曲线、准确率、敏感度、特异度进行分析,探讨T2WI、ADC、CE-T1WI及T2WI、ADC联合CE-T1WI四组影像组学模型的诊断效能。结果：经过降维和筛选,分别在T2WI、ADC、CE-T1WI组中提取24、27、26个影像学特征。构建的鉴别诊断子宫内膜癌和子宫黏膜下肌瘤模型中,T2WI、ADC、CE-T1WI及T2WI、ADC联合CE-T1WI组的训练集和测试集ROC曲线下面积分别为0.97、0.88、0.93、0.99和0.90、0.67、0.85、0.94。结论：基于T2WI、ADC和CE-T1WI建立影像组学模型对鉴别子宫内膜癌和子宫黏膜下肌瘤有一定价值。     

DCE-MRI定量参数分析子宫内膜癌影像与病理特征相关性研究

目的 探讨动态增强磁共振Tofts两室模型定量参数分析子宫内膜癌的影像与病理特征的相关性.方法 搜集32例首诊经病理证实为子宫内膜癌患者资料.均行3.0T磁共振动态增强扫描,采用Tofts药代模型测得感兴趣区的定量灌注参数值:容量转移常数(Ktrans)、速率常数(Kep)、血管外细胞外间隙容积比(Ve)值.根据病理组织分化程度对该组资料进行分组,分为高分化、中分化、低分化组.应用统计学方法分析定量参数与不同病理组织分化程度之间的相关性.结果 DCE定量参数Ktrans值、Kep值及Ve值在高分化、中分化及低分化组间均值差异均有统计学意义(P＜0.05),高分化组Ktrans值、Kep值、Ve值均小于低分化组,中分化组介于两者之间.ROC曲线分析得出Ktrans对应的曲线下面积最大(0.86).当Ktrans为0.40 min-1时,诊断敏感性、特异性分别为92.3％、88.9％.Spearman相关分析显示各定量参数Ktrans、Kep、Ve值与病理分化程度呈中等程度负相关,r值分别为-0.743、-0.707、-0.668(P ＜0.01).结论 DCE-MRI定量参数值有助于对子宫内膜癌病理分化程度的进一步区分.     

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...     

DCE-MRI和DWI影像组学特征预测浸润性乳腺癌病理分级的价值

目的 探讨动态对比增强MRI(DCE-MRI)和扩散加权成像(DWI)影像组学模型在预测浸润性乳腺癌(IBC)病理分级方面的价值。方法 回顾性分析经病理证实为浸润性乳腺癌的142例患者的影像学资料。按病理分级分为低级别组(n=93)和高级别组(n=49)。利用达尔文科研平台对患者的DCE-MRI和DWI图像病灶进行特征提取,采用logistic回归分析建模,通过对受试者操作特征(ROC)曲线和准确性进行分析,探讨DCE图、DWI图以及两者联合的影像组学标签在预测IBC病理分级方面的价值。结果 单独DCE模型最终提取5个影像组学特征,DCE联合DWI模型最终提取5个影像学特征,单独DWI模型最终提取10个影像组学标签。DCE图与DWI图训练集的曲线下面积(AUC)分别为0.82(0.68,0.96)、0.77(0.62,0.91),准确性分别为0.74、0.68;测试集的AUC分别为0.79(0.62,0.97)、0.66(0.46,0.86),准确性为0.72、0.60;DCE联合DWI图的模型训练集AUC为0.82(0.69,0.95),准确性为0.74;测试集AUC为0.76(0....     

IVIM-DWI联合DCE-MRI定量参数术前预测Ⅰ型与Ⅱ型子宫内膜癌的价值

目的 探讨体素内不相干运动扩散加权成像(IVIM-DWI)联合动态对比增强磁共振成像(DCE-MRI)在术前预测Ⅰ型与Ⅱ型子宫内膜癌(EC)的诊断价值。方法 回顾性分析50例经手术病理证实的Ⅰ型(n=31)与Ⅱ型(n=19)EC患者资料,所有患者在术前均行IVIM-DWI和DCE-MRI扫描。测量所有患者IVIM-DWI定量参数表观扩散系数(ADC)、真扩散系数(D)、假扩散系数(D^*)、灌注分数(f)及DCE-MRI定量参数容积转运常数(K^trans)、速率常数(K_ep)、血管外细胞外间隙容积分数(V_e)、血浆容积分数(V_p)的值,并分析其在鉴别Ⅰ型与Ⅱ型EC中的价值。通过绘制受试者工作特征(ROC)曲线评估各参数的诊断效能,并采用Delong检验对曲线下面积(AUC)进行比较。结果 Ⅰ型EC的ADC值和D值明显高于Ⅱ型EC,D^*、K^trans、V_e值明显低于Ⅱ型EC,且差异具有统计学意义(P<0.05)...     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

基于MRI影像组学特征对乳腺癌淋巴血管浸润的预测价值

目的探讨MRI影像组学特征对预测乳腺癌有关淋巴血管浸润(LVI)的价值。方法选取病理确诊为乳腺浸润导管癌的患者80例,按照是否发生LVI分成发生组22例和未发生组58例,比较两组的临床资料和MRI表现差异。结果两组在年龄、文化程度、肿瘤背景实质强度程度、肿瘤最大直径方面差异无统计学意义(P>0.05);但在有无腋窝中淋巴结肿大、有无瘤周水肿、ADC值方面差异有统计学意义(P<0.05)。将有差异资料带入Logistic回归方程计算,得出腋窝中淋巴结肿大、瘤周水肿、ADC值均是影响乳腺癌LVI的主要因素,OR值>1。结论腋窝中淋巴结肿大、瘤周水肿、ADC值是乳腺癌LVI的影响因素,MRI有关影像组学特征对乳腺癌LVI均有较高的预测效能。     

基于增强CT影像组学评分和临床分期的列线图预测胃癌脉管浸润的价值

目的 探讨基于增强CT影像组学评分（Radscore）和TNM分期的列线图预测胃癌脉管浸润（LVI）的价值。 方法 回顾性收集160例术前行上腹部CT增强检查且行术后胃癌LVI状态评估的病人,男109例,女51例,平均年龄（62.23±10.74）岁。160例病人（包括LVI阴性者92例,阳性者68例）按照7∶3比例随机分为训练集（112例）和测试集（48例）;其中,训练集中LVI阴性者60例、阳性者52例,测试集中LVI阴性者32例、阳性者16例。基于增强CT影像提取并筛选影像组学特征,建立影像组学标签并计算Radscore。采用t检验、Mann-Whitney U检验、卡方检验或Kruskal-Wallis H 检验比较LVI阳性组和阴性组间临床病理特征[病人性别、年龄、肿瘤直径、TNM分期、AJCC分期、肿瘤分化程度及癌胚抗原（CEA）、糖类抗原199（CA199）]的差异,将差异有统计学意义的特征和影像组学标签纳入多因素logistic回归,建立临床影像联合模型和列线图。采用受试者操作特征（ROC）曲线评估影像组学模型和列线图的预测效能并计算相应的曲线下面积（AUC）。采用决策曲线评价影像组学模型和列线图的临床净获益。分别基于训练集及测试集中的数据绘制校准曲线对列线图进行验证。 结果 LVI阳性组和阴性组间肿瘤T分期、N分期、AJCC分期的差异均有统计学意义（均P<0.05）,且LVI阳性组的Radscore高于阴性组（P<0.05）。在测试集中,基于T分期、N分期、AJCC分期和Radscore的临床影像联合模型预测LVI的AUC值、准确度和特异度较影像组学模型分别提高了8.2%、18.2%和21.9%。决策曲线分析显示应用联合模型的临床净获益优于影像组学模型。联合模型的列线图显示Radscore得分最高,其次是AJCC分期,最后是N分期和T分期。训练集和测试集中的校准曲线显示列线图的预测结果与真实结果具有较好的一致性。 结论 联合T分期、N分期、AJCC分期和增强CT的Radscore建立的列线图能够成功预测胃癌LVI。     

基于DCE-MRI瘤内及瘤周影像组学特征的机器学习模型预测乳腺癌腋窝淋巴结转移的价值

目的：探讨基于动态增强磁共振成像（DCE-MRI）瘤内及瘤周影像组学特征的机器学习模型预测乳腺癌腋窝淋巴结转移的价值。方法：回顾性收集2018年6月—2022年8月经病理证实为乳腺癌且有相应腋窝淋巴结状态的患者病例资料215例,其中腋窝淋巴结转移阳性的患者117例,阴性98例。以7:3的比例将所有患者随机分为训练集与验证集。在训练集中使用皮尔森相关系数（PCC）,最大相关最小冗余（mRMR）、最小绝对收缩和选择算子（LASSO）对影像组学数据进行降维,采用逻辑回归（LR）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）、决策树（DT）、线性判别（LDA）6种方法建立影像组学预测模型。通过受试者工作特征曲线下面积（AUC）评价模型的效能。结果：基于瘤内联合瘤周影像组学构建的预测模型,在训练集及验证集中使用LR、RF、SVM、KNN、DT、LDA作为分类器时的AUC分别为（训练集0.811、0.882、0.816、0.773、0.870、0.829,验证集0.787、0.824、0.815、0.711、0.727、0.799）,RF模型的预测效能最佳,且高于RF构建的单独瘤内模型...     

基于多序列MRI影像组学评分及临床参数预测肝细胞癌微血管浸润的nomogram模型研究

目的:基于肝细胞癌(HCC)患者的临床资料及多模态肝脏影像组学分析建立机器学习模型,探讨此模型术前预测HCC微血管浸润(MVI)的价值。方法:回顾性分析2020年3月-2021年9月在本院经病理证实为原发性HCC的130例患者的术前肝脏MRI及临床资料。基于病理检查结果,将患者分为MVI阳性组及MVI阴性组。记录患者的各项术前临床资料。所有患者术前行MRI检查,检查序列包括T₂WI、DWI和ADC以及Gd-EOB-DTPA对比增强动脉期、门脉期、延迟期和肝胆期T₁WI共7个序列。由放射科医师评估肿瘤的常规影像特征。自7个序列的图像上分别提取影像组学特征并进行降维,然后采用线性支持向量机(SVM)方法构建预测MVI的预测模型。再将所有序列图像提取的特征整合,经降维分析后最终筛选出6个最佳组学特征并采用线性SVM方法构建多序列联合组学模型,然后基于此多序列联合组学模型计算每例患者的放射组学评分(Radscore)作为后续建模特征。最后共采用了5种机器学习算法对上述三类资料(即临床资料、常规影像特征、组学特征)中筛选出的特征进行综合模型的构建,包括...     

动态增强MRI影像组学模型术前预测乳腺癌前哨淋巴结转移

目的 构建并验证动态增强MRI（DCE-MRI）影像组学模型能否于术前无创性预测乳腺癌前哨淋巴结（SLN）转移。 方法 回顾性分析术前接受DCE-MRI检查且经病理证实的128例女性乳腺癌病人的临床、病理及MRI资料,病人平均年龄（45.94±10.08）岁;其中,前哨淋巴结（SLN）阳性者61例,阴性者67例;将病人按照7∶3的比例随机分为训练集（89例）和验证集（39例）。提取DCE-MRI第2期相的影像组学特征,应用最大最小值归一化算法将所有原始特征向量进行归一化,采用最优特征筛选器及最小绝对值收敛和选择算子（LASSO）-Logistis回归（LR）算法依次对影像组学特征进行降维筛选,选择出7个对术前预测SLN转移有价值的最优特征,包括1个一阶统计特征、3个形状特征和3个纹理特征。应用支持向量机（SVM）、LR及决策树3种机器学习算法构建预测模型。采用独立样本t检验、卡方检验及Fisher确切概率检验比较SLN阳性组和阴性组、训练集和验证集间的临床病理特征。采用受试者操作特征（ROC）曲线评估3种模型的诊断效能,计算相应的曲线下面积（AUC）,并通过验证集进行验证。结果 SLN阳性组和阴性组、训练集和验证集组间病人的临床病理特征差异均无统计学意义（均P>0.05）。3种机器学习模型中,决策树模型在训练集与验证集中的AUC均最高（分别为1.00和0.90）,其次为LR模型和SVM模型;决策树模型在训练集与验证集中也均呈现最高的敏感度,分别为100.00%和89.50%;决策树模型在训练集中的准确度最高（100.00%）,其次为LR模型和SVM模型。验证集中3种模型的准确度相等（89.74%）。 结论 基于DCE-MRI的影像组学模型对SLN转移有一定的预测价值,可为乳腺癌病人术前预测SLN转移提供一种无创而简便的方法,有助于临床个体化精准医疗。     

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。     

多模态扩散加权成像评估早期子宫内膜癌淋巴脉管间隙浸润的价值

目的 探讨多模态扩散加权成像(DWI)术前评估早期子宫内膜癌(EC)淋巴脉管间隙浸润(LVSI)的价值.方法 前瞻性纳入62例早期EC患者,所有患者术前均行盆腔多b值DWI检查.采用单指数模型、体素内不相干运动(IVIM)及扩散峰度成像(DKI)对DWI数据进行后处理,计算病灶表观扩散系数(ADC)值、真实扩散系数(D...     

影像组学鉴别肺腺癌中的脉管侵犯

目的 探讨影像组学特征在鉴别浸润性肺腺癌产生脉管侵犯中的应用价值.方法 回顾性分析147例浸润性肺腺癌患者资料,以7∶3的比例将数据集拆分为训练集和测试集.由2位医师分别绘制感兴趣区,提取特征.通过组内相关系数(ICC)、Pearson相关系数法、方差分析选择特征,线性判别式分析分类器分类建模,并进行5折交叉验证.在训...     

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...     

MRI动态增强对子宫内膜癌肌层侵犯的诊断价值

目的 探讨MRI动态增强黏膜下强化带评估子宫内膜癌肌层侵犯的准确性及不同瘤周强化模式的临床价值.方法 搜集影像资料完整并经手术病理证实的75例子宫内膜癌患者对其MRI动态增强图像进行回顾性分析.由2名影像科医师评估每例黏膜下强化带的完整性及瘤周强化模式(瘤周早期局灶性强化和瘤周早期不规则薄层强化)并记录,以手术病理为金...     

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。