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。     

基于动态增强MRI影像组学评分和激素受体的列线图预测乳腺癌新辅助化疗不敏感的价值

目的 探讨基于动态增强MRI（DCE-MRI）影像组学评分（Radscore）和激素受体状态的列线图预测乳腺癌新辅助化疗（NAC）疗效不敏感的价值。 方法 回顾性收集128例行乳腺癌NAC治疗的女性病人,平均年龄（49.2±10.0）岁。128例病人按照7∶3比例随机分为训练集90例（疗效敏感者47例,疗效不敏感者43例）和测试集38例（疗效敏感者15例,疗效不敏感者23例）。基于DCE-MRI影像提取并筛选影像组学特征,采用多因素逻辑回归构建影像组学模型并计算模型的Radscore。采用t检验、χ²检验或Fisher确切概率检验比较训练集和测试集中临床病理指标[年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体-2（HER-2）和肿瘤增殖细胞核抗原-67（Ki-67）],将差异有统计学意义的临床病理指标和Radscore纳入多因素逻辑回归,建立联合模型和列线图。应用受试者操作特征（ROC）曲线下面积（AUC）评价影像组学模型和联合模型的预测效能。应用决策曲线评估影像组学模型和联合模型的临床应用价值。 结果 在训练集中,ER和PR在疗效敏感与不敏感组间的差异均有统计学意义（均P<0.05）,但未得到测试集的验证（均P>0.05）。在训练集中,联合模型预测NAC不敏感的AUC值和准确度分别高于影像组学模型约3.8%和3.1%。在测试集中,联合模型预测NAC不敏感的AUC值高于影像组学模型,其较后者提高了约2.3%,但两者的准确度相同。在基于ER、PR和Radscore构建的联合模型列线图中,Radscore得分最高,其次是ER和PR。决策曲线分析显示联合模型的临床获益高于影像组学模型。 结论 基于DCE-MRI的Radscore和ER、PR构建的联合模型列线图能够较好地预测NAC疗效不敏感。     

基于增强CT影像组学列线图预测单发肝细胞癌GPC3表达状态

目的 探讨增强CT影像组学列线图在鉴别单发肝细胞癌（HCC）磷脂酰肌醇蛋白聚糖3（GPC3）表达中的价值。方法 回顾性收集来自2个医疗机构共152例单发HCC病人的临床及影像资料,所有病人均行上腹部增强CT扫描并记录GPC3表达水平。天津市第一中心医院的106例病人资料作为训练集（GPC3阳性83例、阴性23例）,天津医科大学肿瘤医院的46例病人资料作为验证集（GPC3阳性35例、阴性11例）。对所有病人术前1个月内增强CT影像进行影像组学特征提取。在训练集中,对所有影像组学特征进行降维并得到最优子集,计算影像组学评分（Radscore）;比较GPC3阳性组和阴性组间临床资料[包括血清甲胎蛋白（AFP）、糖类抗原199（CA199）等]的差异,将差异有统计学意义的指标进行二元logistic回归分析,获得GPC3阳性的独立预测因素。将获得的临床信息及Radscore分别建立临床列线图、影像组学列线图及联合列线图。采用受试者操作特征曲线下面积（AUC）分析各列线图对GPC3表达状态的预测能力,采用DeLong检验比较各列线图间的诊断效能,并用决策曲线分析评估列线图的临床价值。使用验证集数据对列线图预测效能进行验证。结果 二元logistic回归显示血清AFP、CA199、Radscore是GPC3阳性的独立危险因素[优势比（OR）分别为8.503、1.090、13 300.044,均P<0.05]。校准曲线显示联合列线图对GPC3阳性表达的预测概率与实际概率一致性良好。训练集中,联合列线图的AUC（0.918）高于影像组学列线图（0.842）和临床列线图（0.787）（均P<0.05）,联合列线图的敏感度最高,而临床列线图的特异度最高;验证集中,联合列线图的AUC（0.896）高于影像组学列线图（0.726）和临床列线图（0.803）（均P<0.05）,联合列线图的敏感度和特异度均最高。决策曲线分析显示当阈值概率处于16%~86%时,联合列线图的临床净获益高于临床列线图和影像组学列线图。结论 基于增强CT的影像组学列线图可以术前鉴别单发HCC GPC3阳性和阴性表达,联合列线图进一步提高了预测效能。     

基于CT增强扫描静脉期的影像组学列线图预测晚期肺腺癌患者对培美曲塞+铂类化疗敏感性的价值

目的：探究影像组学列线图对晚期肺腺癌患者培美曲塞+铂类化疗疗效的预测能力。方法：回顾性收集经穿刺病理确诊为晚期肺腺癌的131例患者的资料,均行至少2个周期的培美曲塞+铂类化疗。将患者按照7∶3的比例随机分为训练集92例和测试集39例。依据实体肿瘤的疗效评价标准（RECIST）标准,将部分缓解患者纳入缓解组（68例）,疾病进展和疾病稳定患者纳入未缓解组（63例）。根据治疗前静脉期CT图像提取、筛选影像组学特征,得到影像组学评分（Radscore）,并建立影像组学逻辑回归（LR）模型;采用单因素及多因素logistic回归分析筛选独立预测因子,并构建临床预测模型;基于LR联合临床独立预测因子及Radscore构建影像组学列线图。采用ROC曲线和决策曲线分析（DCA）评估比较3种模型的预测效能及临床净收益。结果：临床预测模型、影像组学模型及影像组学列线图的训练集AUC分别为0.742、0.815和0.923,测试集AUC分别为0.684、0.726和0.760,表明影像组学列线图的预测效能高于临床预测模型及影像组学模型。DCA示影像组学列线图临床净收益高于临床预测模型及影像组学模型。结论：影...     

MRI影像组学无创预测脑胶质母细胞瘤MGMT启动子甲基化状态的价值

【摘要】目的：探讨MRI影像组学模型术前预测脑胶质母细胞瘤（GBM）O6-甲基鸟嘌呤-DNA甲基转移酶启动子甲基化（MGMT-PM）状态的价值。方法：回顾性分析2018年1月－2021年10月在本院经病理证实的130例脑GBM患者的临床资料和MRI图像（ADC和对比增强3D-T1WI）。其中,MGMT-PM阳性组（PM率≥8%）58例,MGMT-PM阴性组（PM率<8%）72例。按7:3的比例将所有患者随机分为训练集（91例）和验证集（39例）。由2位放射科医师独立在ADC和CE-3D-T1WI图像上逐层勾画ROI,获得病灶的全域容积感兴趣区（VOI）,分别提取851个组学特征。然后,采用最小绝对收缩和选择算法（LASSO）进行特征降维,将保留下来的特征与其对应的系数进行线性组合,构建影像组学模型并计算每例患者的影像组学评分（Radscore）,得到RadscoreADC、RadscoreCE-T1WI和Radscore联合三组评分。采用ROC曲线评估各组学模型的诊断效能,将最优模型的Radscore和临床特征（年龄、性别）纳入logistic回归分析构建预测MGMT-PM状态的临床-组学综合模型,并绘制其诺模图。采用ROC曲线评价综合模型的预测效能,并采用校准曲线和决策曲线分别评估此模型的校准度和临床实用价值。结果：在训练集中,Radscore联合预测MGMT-PM状态的AUC为0.872,优于单一序列（RadscoreADC：AUC=0.798,P<0.05;RadscoreCE-T1WI：AUC=0.840,P<0.05）;在验证集中得到了一致的结论。在影像组学模型中加入临床特征后,可提高预测效能,临床-组学综合模型的AUC、敏感度和特异度分别为0.904、92.50%和78.43%。校准曲线显示临床-组学综合预测模型在训练集和验证集中预测概率与实际概率之间的差异均无统计学意义（P=0.051、0.284）。决策曲线分析表明综合预测模型具有一定的临床实用价值。结论：MRI影像组学模型有助于术前无创性预测GBM的MGMT启动子甲基化状态,多序列结合及引入临床特征能提高模型的预测效能。     

联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore, 6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P<0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临...     

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...     

基于术前CT影像特征预测胆囊癌淋巴管浸润的研究

目的 评估术前胆囊癌CT影像特征对预测胆囊癌淋巴管浸润（LVI）的价值,构建预测胆囊癌LVI的列线图模型并评价其预测效能。方法 回顾性分析116例接受术前增强CT检查的胆囊癌病人的临床、病理及影像资料。病人按6︰4比例随机分为训练集72例,验证集44例。根据病理结果将病人分为LVI阳性组及LVI阴性组。由2位放射科医生评估训练集及验证集的CT影像特征,包括肿瘤基底浸润胆囊壁范围、影像T分期和N分期、有无胆囊结石。采用独立样本t检验、Mann-Whitney U检验及χ²检验比较2组病人中各项CT征象的差异性,并对训练集采用logistics回归分析筛选独立危险因素。建立列线图预测模型,采用受试者操作特征（ROC）曲线评估预测模型的预测效能并计算相应的曲线下面积（AUC）,绘制校准曲线对列线图预测模型进行验证。采用决策曲线评价其临床净获益。结果 训练集及验证集中,LVI阳性组的CT影像N分期、肿瘤基底浸润胆囊壁范围、T分期均显著高于LVI阴性组（均P<0.05）。多因素分析结果显示影像N分期、T分期、肿瘤基底浸润胆囊壁范围为LVI独立危险因素。建立列线图预测模型,结果显示肿瘤基底浸润范围的得分最高,其次是N分期,再次是T分期。决策曲线分析显示模型的净获益良好,训练集和验证集中CT影像特征预测LVI的ROC曲线的AUC分别为0.828（95%CI：0.721~0.907）、0.752（95%CI：0.599~0.870）,差异无统计学意义（P>0.05）。训练集AUC的截断值为0.521时,模型在训练集中的敏感度、特异度分别为0.629和0.892;验证集AUC的截断值为0.432时,对应的敏感度和特异度分别为0.778和0.654。结论 联合T分期、N分期及肿瘤基底浸润范围建立的列线图预测模型,能够有效预测胆囊癌LVI。     

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...     

治疗前18F-FDG PET/CT影像组学特征在弥漫大B细胞淋巴瘤预后评估中的增益作用

目的 探讨治疗前¹⁸F-FDG PET/CT影像组学特征对弥漫大B细胞淋巴瘤(DLBCL)患者无进展生存期(PFS)及总生存期(OS)的预后评估。资料与方法 回顾性收集2016年1月—2018年12月解放军总医院第一医学中心经病理证实为DLBCL且治疗前行¹⁸F-FDG PET/CT的135例患者,以8∶2随机分为训练集和测试集,再以8∶2将训练集分为训练集和验证集进行模型构建。半自动勾画患者淋巴瘤病灶作为感兴趣区并提取特征,利用单因素COX及最小绝对收缩选择算子回归进行特征筛选,获得系数非零的影像组学特征并用其权重系数计算每例患者的影像组学得分(Radscore),分析Radscore对PFS和OS的预测价值。使用传统预后指标(代谢参数和临床因素)、Radscore及两者联合分别建立3种模型。通过C-index、时间依赖的受试者工作特征曲线、决策曲线评估各模型预测效能。最后基于最佳模型绘制列线图,利用校准曲线验证列线图效能。结果 联合模型对3、5年PFS及OS预测效能优于传统预后指标模型和Radscore模型(Z=0.962 1～2.253...     

基于CT影像组学列线图鉴别腮腺多形性腺瘤与基底细胞腺瘤的价值

目的:探讨CT影像组学列线图对腮腺多形性腺瘤(PA)和基底细胞腺瘤(BCA)的鉴别诊断价值。方法:回顾性分析2020年1月-2022年8月在本院经病理证实的88例PA和29例BCA患者的临床资料和CT平扫及双期增强图像。以7∶3的比例将所有患者随机分为训练集(n=81)和测试集(n=36)。分别在3期(动脉期、平扫和静脉期)CT图像上沿病灶边缘逐层勾画ROI,提取病灶的全容积影像组学特征，并采用Spearman相关性分析、互信息法以及递归特征消除法行特征筛选，构建训练集模型和验证测试集模型并计算相应的影像组学评分(Radscore)。经单因素分析，将有统计学意义的临床资料和CT征象用于构建临床模型。基于影像组学模型和临床模型建立联合模型，并绘制联合模型的列线图。采用受试者工作特征曲线(ROC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)来评估各模型的诊断效能，采用校准曲线评估和决策曲线评估列线图的准确性和临床实用价值。结果:基于CT平扫、动脉期和静脉期图像分别筛选出7个、8个和8个最佳组学特征。单期相(动脉期、平扫和静脉期)影像组学模型及临床模型鉴别PA与BAC的AUC分别...     

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。     

动态对比增强磁共振成像影像组学评估胶质瘤异柠檬酸脱氢酶1突变与微血管生成

【摘要】目的：探讨动态对比增强磁共振成像（DCE-MRI）影像组学在评估胶质瘤异柠檬酸脱氢酶1（IDH1）突变与微血管生成中的应用价值。方法：回顾性分析105例经病理证实的胶质瘤患者,按7:3分为训练组和验证组,采用3DSlicer软件半自动勾画感兴趣区,依次从T1WI,T2FLAIR,ADC,容积转运常数（Ktrans）及血管外细胞外容积比（Ve）图像中提取影像组学特征。利用最小绝对收缩和选择算子算法进行特征选择并计算影像组学评分（Radscore）,基于筛选出的影像组学特征构建预测胶质瘤IDH1突变的支持向量机模型。对纳入的临床放射学特征进行逻辑回归分析,结合Radscore建立综合列线图。应用免疫组化检测胶质瘤IDH1基因分型、血管内皮生长因子（VEGF）表达、CD105阳性标记的微血管密度（CD105-MVD）。采用受试者工作特征（ROC）曲线评价模型的诊断效能。采用Spearman相关性检验分析Radscore与VEGF表达、CD105-MVD的相关性。P<0.05为差异具有统计学意义。结果:Ktrans与Ve联合模型评估胶质瘤IDH1突变训练组AUC=0.889,验证组0.890;综合列线图训练组AUC=0.938,验证组0.914。各模型的Radscore与VEGF表达、CD105-MVD均呈负相关,其中联合模型的相关性最高（r=-0.570,P<0.001;r=-0.665,P<0.001）。结论:DCE-MRI影像组学可有效评估胶质瘤IDH1突变,且在分析胶质瘤IDH1突变与血管生成相关性方面具有重要临床价值。     

CT影像组学模型及深度学习技术预测肺腺癌EGFR突变

【摘要】目的：探讨基于CT图像建立的影像组学模型及深度学习模型在预测肺腺癌表皮生长因子受体（EGFR）突变中的价值。方法：回顾性分析228例经手术病理证实的肺腺癌患者的CT图像,其中EGFR突变型116例,野生型112例。由两位放射科医师各自独立在CT图像上沿肺癌病灶边缘手动逐层勾画感兴趣区（ROI）获得病灶全容积ROI后提取影像组学特征。比较两位医师提取的影像组学特征的一致性,自高年资医师提取的特征中选取组内相关系数大于0.7的影像组学特征纳入研究。分别按照70%和30%的比例将所有病灶随机划分为训练集和验证集。在训练集中利用LASSO回归方法对影像组学特征进行筛选后,分别建立影像组学评分（Radscore）、随机森林（RF）和支持向量机（SVM）三种影像组学模型。此外,将训练集图像输入ResNet深度学习网络中建立深度学习模型。在验证集中对上述4个模型进行验证,计算敏感度、特异度和ROC曲线下面积（AUC）来评价不同模型的预测效能。结果：自CT图像中共提取了306个一致性良好的影像组学特征,经筛选后获得9个最佳特征用于建立影像组学模型。在验证集中,SVM模型的AUC（0.813）高于Radscore（0.761）和RF模型（0.775）,但差异无统计学意义（P=0.089和0.330）;ResNet模型的AUC为0.916,高于SVM模型（0.813）、Radscore（0.761）和RF模型（0.775）。ResNet模型与Radscore和RF模型间AUC的差异具有统计学意义（P=0.031和0.043）,与SVM模型间AUC的差异无统计学意义（P=0.106）。ResNet模型的敏感度为0.879,高于SVM模型（0.771）、Radscore（0.818）和RF模型（0.743）。ResNet模型的特异度为0.914,高于SVM模型（0.758）、Radscore（0.714）和RF模型（0.727）。结论：基于CT图像的影像组学模型能够较好地预测EGFR基因突变,深度学习技术可以有效提高模型的预测准确性。     

基于增强CT影像组学评估肝硬化患者肝储备功能的应用

【摘要】目的：基于增强CT影像组学特征构建列线图预测模型对肝硬化患者肝储备功能进行Child-Pugh分级。方法：回顾性分析经临床证实的144例肝硬化患者,按照Child-Pugh评分标准分成Child-Pugh A级33例, B级60例,C级51例。构建Child-Pugh A vs Child-Pugh B/C及Child-Pugh A/B vs Child-Pugh C两个数据集,分别以8：2的比例随机分成训练集和测试集。在3期增强CT图像上手动勾画肝脏区域作为感兴趣区(ROI),于感兴趣区中提取并筛选特征。建立影像组学标签并构建列线图预测模型,将模型用于训练集及测试集,并绘制受试者工作特性曲线（ROC）评估其效能。结果：在Child-Pugh A vs Child-Pugh B/C数据集中,列线图在训练集与测试集中AUC分别为0.920和0.807,敏感度分别为0.933和0.741,特异度分别为0.846和0.826。在Child-Pugh A/B vs Child-Pugh C数据集中,列线图在训练集与测试集中AUC分别为0.880和0.821,敏感度分别为0.805和0.818,特异度分别为0.878和0.947。结论：基于不同肝脏储备功能肝硬化患者的腹部3期CT增强图像组学特征建立的列线图模型可作为预测Child-Pugh分级较为可靠的辅助诊断工具。     

基于临床影像特征和多参数MRI影像组学特征评估儿童弥漫中线胶质瘤H3K27M突变

【摘要】目的:探讨基于临床影像特征和多参数MRI影像组学特征评估儿童弥漫中线胶质瘤(DMG)H3K27M突变状态的应用价值。方法:回顾性纳入经病理诊断为DMG的98例患儿,包括74例H3K27M突变型和24例H3K27M野生型。按照大约7:3的比例分为训练集（n=68）和测试集（n=30）。基于T2WI和增强T1WI(cT1WI)序列提取影像组学特征。应用最大相关最小冗余(mRMR)和最小绝对收缩算子(LASSO)在训练集中筛选最优影像组学特征并计算影像组学评分(Rad-Score)。将临床影像特征和Rad-Score纳入多因素logistics回归筛选独立风险因素。联合筛选出的临床影像特征和Rad-Score构建联合模型以预测DMG的H3K27M状态,应用列线图对联合模型进行可视化。通过受试者工作特征(ROC)曲线评估模型的诊断效能,使用决策曲线(DCA)评估模型的临床应用价值。结果:基于T2WI和cT1WI序列共提取1648个影像组学特征,最终选取5个影像组学特征用于构建影像组学模型,该模型在训练集和测试集中均表现出良好的预测能力,曲线下面积(AUC)分别为0.844和0.758。多因素logistics回归显示环形强化和最小表观扩散系数(ADCmin)是H3K27M状态相关的临床影像特征风险因素（P均<0.05）,两者构建的临床影像模型具备一定的预测H3K27M状态的能力,训练集和测试集的AUC分别为0.802和0.720。由环形强化、ADCmin和Rad-Score构建的联合模型评估H3K27M状态表现出最佳的预测效能,训练集和测试集的AUC分别为0.863和0.851。结论:基于临床影像特征和多参数MRI影像组学特征构建的联合模型可用于无创性评估儿童DMG的H3K27M突变状态,具有较好的临床应用价值。     

CT影像组学联合传统影像特征对胃肠道间质瘤Ki-67指数表达的预测价值

【摘要】目的：探讨基于增强CT的影像组学联合传统影像特征对无创性预测胃肠道间质瘤（GIST）Ki-67增殖指数（Ki-67 PI）表达的价值。方法：回顾性搜集我院2010年9月至2020年9月经手术病理确诊的原发性GIST患者的病例资料。诊断医师采用盲法独立分析增强CT图像,提取传统的影像征象。利用ITK-SNAP软件在增强CT图像上勾画病灶感兴趣区,利用AK软件提取纹理特征,将患者随机分为训练集与验证集。采用逻辑回归筛选特征参数并构建影像组学模型。再分别建立传统影像特征模型、组学模型及联合两者的组合模型。结果：传统影像特征模型的诊断效能尚可,其ROC曲线的曲线下面积（AUC）在训练集和验证集中分别为0.720（95%CI：0.651～0.788）及0.665（95%CI：0.547～0.784）。影像组学模型的诊断效能良好,其AUC在训练集中具有最优值,为0.802（95%CI：0.744～0.860）,其AUC在验证集中为0.730（95%CI：0.623～0.836）。此外,联合影像组学和传统影像特征组成的多参数组合模型在训练集中效能良好,AUC值为0.823（95%CI：0.768～0.878）,其在验证集中具有最优的诊断效能,AUC值为0.731（95%CI：0.626～0.836）。结论：基于增强CT的影像组学联合传统影像特征建立的组合模型具有无创预测GIST患者Ki-67 PI表达状态的价值。     

CT影像组学联合血清炎症参数预测肝癌根治术后辅助TACE的早期复发

目的 探讨CT影像组学联合血液炎症指标的综合列线图评估肝细胞癌（HCC）根治术后辅助肝动脉化疗栓塞（PA-TACE）早期复发的效能。方法 从南通市第一人民医院电子病历系统中选择2017年6月至2021年6月外科手术后1个月接受PA-TACE治疗的原发性肝癌患者130例，按7∶3随机分成训练组92例和验证组38例。收集、评估所有患者的临床资料、CT影像组学数据、病理学资料、PA-TACE术前1周内血液学指标。评估PA-TACE术后早期复发和未早期复发患者的临床资料。使用R语言进行数据分析、影像组学特征筛选、LASSO回归分析、绘制ROC曲线、列线图建立及DCA曲线绘制。结果 在训练组和验证组中，CT影像组学预测PA-TACE术后早期复发的AUC分别为0.79(95%CI:0.70～0.89)、0.78(95%CI:0.62～0.94)。单因素多因素回归分析表明GLR(P<0.01)是与PA-TACE早期复发相关的血液学指标。训练组中，临床模型、综合列线图模型预测PA-TACE早期复发的AUC分别为0.68(95%CI:0.56～0.79)和0.80(95%CI:0.71～0.89)...     

基于多期CT影像组学鉴别卵巢良、恶性肿瘤的临床应用价值

【摘要】目的：探讨基于多期CT影像组学模型及联合模型鉴别卵巢良、恶性肿瘤的临床应用价值。方法：回顾性搜集2018年1月-2022年7月经术后病理证实的144例良性及182例恶性卵巢肿瘤患者的临床及CT多期影像组学资料，将患者随机按7:3分为训练组228例及验证组98例。图像预处理并利用ITK-SNAP勾画肿瘤病灶区域，用PY提取组学特征，将提取特征正则化，采用Spearman相关分析，相关系数大于0.9，保留其一特征, 使用最小绝对收缩与选择算子（LASSO）回归分析对组学特征降维，建立影像组学标签。将影像组学的优势期相与临床指标结合建立联合模型，利用列线图分析预测效能。结果：筛选出平扫、动脉期、静脉期及延迟期的特征数分别为22、7、10、22个，构建各期影像组学模型，结果显示延迟期为最优模型，在训练组中，其受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.857。将临床特征与延迟期影像组学特征构建联合模型，其ROC的AUC值为0.870，优于临床模型，且差异有统计学意义（Z=3.376，P=0.0007）。验证组中，联合模型ROC的AUC值为0.844，优于临床模型，差异无统计学意义（Z=1.650，P=0.0989）。结论：CT扫描的延迟期影像组学特征鉴别卵巢良性与恶性肿瘤的效能优于其它期相，延迟期影像组学标签与临床特征相结合的联合模型有较高的鉴别诊断效能。     

基于CCTA的冠状动脉周围脂肪组织影像组学特征预测急性冠状动脉综合征

目的 评估基于冠状动脉CT血管成像（CCTA）的冠状动脉周围脂肪组织（PCAT）影像组学特征对疑似冠心病病人2年内发生急性冠状动脉综合征（ACS）的预测能力。方法 回顾性收集接受CCTA检查的疑似冠心病病人,将CCTA检查后2年内发生ACS的病人作为ACS组（81例）,2年内未发生ACS的疑似冠心病病人作为对照组（81例）。ACS组年龄44~85岁,平均（64.01±10.09）岁,男57例;对照组年龄39~89岁,平均（62.91±10.11）岁,男56例。将2组病人随机以 3∶1 的比例分为训练集（ACS组60例,对照组60例）和验证集（ACS组21例,对照组21例）。筛选基于CCTA的PCAT影像组学特征,采用多因素Logistic回归分析构建PCAT影像组学评分模型,并基于PCAT影像组学特征中的CT密度值建立PCAT密度模型。采用DeLong检验比较不同数据集中2个模型的诊断效能差异。采用受试者操作特征（ROC）曲线、校准曲线及决策曲线比较2种模型的预测效能。结果 训练集和验证集中,ACS组和对照组病人的临床资料间差异均无统计学意义（均P>0.05）。从基于CCTA影像所示的冠状动脉斑块周围PCAT共提取107个影像组学特征,最终筛选出21个最优影像组学特征,包括形态学特征5个、直方图特征1个、纹理特征15个,采用Logistic回归分析构建PCAT影像组学评分模型。基于提取的PCAT组学特征中平均 CT密度值构建PCAT密度模型。2种模型预测2年内发生ACS事件的诊断效能分析显示,PCAT 影像组学评分模型在训练集及验证集中的曲线下面积（AUC）（AUC=0.841,0.839） 均高于PCAT 密度的AUC（AUC=0.603,0.588）。训练集中,PCAT影像组学评分的诊断效能优于PCAT密度模型（P<0.05）,并在验证集中得到验证（P<0.05）。PCAT影像组学评分对发生ACS事件的预测结果与实际结果一致性高于PCAT密度。PCAT影像组学评分的临床应用价值显著优于PCAT 密度。结论 基于CCTA 的PCAT影像组学特征可为ACS事件的发生提供更多的预测信息。PCAT 影像组学评分对2年内发生ACS事件的预测能力显著优于PCAT 密度。