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影像组学预测胰腺导管腺癌患者术后无病生存期的价值

【摘要】目的：探讨基于平扫和三期增强CT的影像组学模型及临床-组学综合模型对胰腺导管腺癌（PDAC）患者术后无病生存期（DFS）的预测价值。方法：回顾性分析2013年12月－2021年6月在本院经术后病理证实的124例胰腺导管腺癌患者的病例资料。所有DFS患者术后随访时间大于3个月。采用随机分组法,按照7:3的比例将患者分为训练集（n=87）和验证集（n=37）。所有患者术前行腹部CT平扫及三期（动脉期、静脉期、延迟期）增强扫描。使用ITK-SNAP软件分别在四期CT图像上沿胰腺肿瘤边缘逐层勾画ROI并融合生成三维容积ROI（VOI）,然后导入FAE软件中提取影像组学特征。采用单因素Cox回归分析及LASSO-Cox回归分析进行纹理特征的筛选,然后分别构建各期和多期联合（动脉期+静脉期+延迟期）影像组学模型并计算相应的影像组学标签得分。采用单因素和多因素Cox回归分析筛选临床特征和CT形态学特征并构建临床模型。采用多因素Cox回归分析结合临床模型变量及影像组学标签构建临床-组学综合模型并绘制其诺莫图。采用一致性指数（C-index）、时间依赖性（time-dependent）ROC曲线、校正曲线和决策曲线分析（DCA）对模型的诊断效能及临床效益进行评价。利用R语言计算临床-组学综合模型的最佳截断值,并据此将患者分为高风险组和低风险组,采用Kaplan-Meier法分析生存资料并进行log-rank检验。结果：基于平扫、动脉期、静脉期和延迟期及多期联合分别筛选得到5、16、4、12和17个组学特征,分别建立相应的组学模型并获得影像组学标签值。经log-rank检验,所有组学标签均与DFS具有相关性（P<0.05）,其中多期联合模型的预测效能最佳（训练集：C-index=0.786,6~24个月AUC=0.850~0.928;验证集：C-index=0.802,6~24个月AUC=0.796~0.874）;而临床模型的预测效能较低（训练集：C-index=0.635,6~24个月AUC=0.647~0.679;验证集：C-index=0.596,6~24个月AUC=0.545~0.656）。临床-组学综合模型的预测效能（训练集：C-index=0.812,6~24个月AUC=0.883~0.958;验证集：C-index=0.796,6~24个月AUC=0.813~0.894）明显优于临床模型;校准曲线显示临床-组学综合模型的拟合度好;DCA显示临床-组学综合模型的临床净收益优于临床模型。临床-组学综合模型的截断值为2.738。Kaplan-Meier生存分析显示在训练集和验证集中,高风险组患者的DFS明显短于低分风险组。结论：基于多期CT扫描的影像组学模型结合临床特征构建的临床-组学综合模型在预测胰腺导管腺癌患者术后DFS方面,相较于临床模型和影像组学模型具有更好的预测效能,有助于指导临床制订个体化的治疗策略和改善患者的预后。     

基于T2WI影像组学及联合诊断模型鉴别腮腺多形性腺瘤与腺淋巴瘤

【摘要】目的：探讨基于磁共振T2WI的影像组学模型对腮腺多形性腺瘤与腺淋巴瘤的鉴别诊断价值。方法：回顾性分析2015年1月－2019年11月在本院经手术病理证实且具有完整术前MR平扫图像的99例腮腺肿瘤患者的病例资料,将患者按7:3的比例随机分为2组：训练集70例,验证集29例。按照术后病理结果,将训练集和验证集均进一步分为多形性腺瘤组和腺淋巴瘤组。使用MaZda软件进行纹理分析,在每例患者T2WI上于肿瘤最大层面勾画ROI,提取310个纹理特征;采用R语言软件对纹理数据进行预处理,并采最小冗余最大相关（mRMR）算法对每例患者提取的310个纹理特征进行降维;然后采用Lasso回归分析及10折交叉验证法进一步筛选纹理特征,用以建立影像组学标签。基于建立的影像组学标签及患者的临床资料,采用多变量Logistic回归分析建立联合诊断模型。采用ROC曲线评估影像组学标签及联合诊断模型的诊断效能。采用Hosmer-Lemesow拟合优度检验分析诊断模型的拟合度。结果：通过降维、筛选后最终保留8个纹理特征,建立的影像组学标签（RS）的计算公式为RS=0.251×Vertl_GLevNonU+0.134×Skewness+0.227×S(5,5)Correlat+0.408×X45dgr_LngREmph-0.131×Teta4+0.187×WavEnHH_s.3+0.183×S(5,-5)Correlat-0.027×Teta1+0.201。在训练集和验证集中,影像组学标签鉴别腮腺多形性腺瘤与腺淋巴瘤的AUC分别为0.83（95%CI：0.73~0.93）和0.82（95%CI：0.64~1.00）。基于多变量Logistic回归分析,最终将性别、单发或多发、病灶位置及影像组学标签作为独立的影响因子纳入联合诊断模型,这4项指标的优势比（OR）分别为0.177（95%CI：0.027～0.878）、15.608（95%CI：1.090～736.275）、4.876（95%CI：3.768～10.754）和9.729（95%CI：2.644～50.430）。训练集和验证集中,联合诊断模型鉴别2类肿瘤的AUC分别为0.90（95%CI：0.83~0.97）和0.96（95%CI：0.88~1.00）,均高于影像组学标签。Hosmer-Lemesow拟合优度检验结果显示,在训练集和验证集中,模型预测值与实际值的差异均无统计学意义（χ2=9.424,P=0.308;χ2=7.565,P=0.477）。结论：基于磁共振T2WI影像组学分析联合相关临床资料构建的诊断模型在鉴别腮腺多形性腺瘤与腺淋巴瘤方面具有较高的诊断价值。     

基于薄层CT的三维影像组学在预测亚厘米磨玻璃样肺腺癌浸润程度的价值

【摘要】目的：探讨基于术前薄层CT的三维影像组学预测亚厘米磨玻璃样肺腺癌浸润程度的临床应用价值。方法：回顾性分析华东医院2013年1月－2017年7月经病理证实的394例亚厘米肺腺癌患者（共446个结节）的术前肺部薄层CT和临床资料。选取2013年1月－2015年12月的253例患者的286个结节为验证集;2016年1月－2017年7月141例患者的160个结节为训练集。所有病例参照病理金标准分为浸润前病变和浸润性病变,且所有结节均逐层勾画ROI而得到其容积感兴趣区（VOI）。采用Matlab 2016b软件从每个结节的VOI中提取475个影像组学特征,利用最小绝对收缩和选择算子（LASSO）进行特征筛选,随后建立影像组学标签。采用单因素及多因素分析方法筛选出训练集中两组病变间差异有统计学意义的变量并建立回归模型,进一步在验证集中对此模型进行验证。采用ROC曲线评价模型对结节浸润性的预测效能。结果：经可重复性分析及LASSO降维,最终筛选出13个影像组学特征并建立影像组学标签。多因素分析结果显示影像组学标签和CT值是预测肺癌浸润程度的独立危险因子。在训练集中,回归方程、CT值和影像组学标签的ROC曲线下面积（AUC）分别为0.785（95%CI：0.730~0.840）、0.742（95%CI：0.681~0.802）和0.696（95%CI：0.630~0.760）。在验证集中,回归模型、CT值和影像组学标签的AUC分别为0.704（95%CI：0.618~0.790）、0.683（95%CI：0.595~0.772）和0.674（95%CI：0.588~0.761）。结论：基于薄层CT的三维影像组学特征联合临床资料建立的多因素logistic回归模型对预测亚厘米级磨玻璃结节样肺腺癌的浸润程度具有很好的临床应用价值及发展前景。     

基于CT影像组学模型术前预测喉癌淋巴结转移

【摘要】目的：研究CT影像组学在术前预测喉癌患者淋巴结转移中的价值。方法：搜集本院304例经手术病理证实为喉癌患者的影像学资料,随机选择243例及61例分别作为训练集和验证集。从术前静脉期CT图像中手工勾画肿瘤体积并提取影像组学特征。在训练集中,采用LASSO回归进行特征筛选,使用Logistic回归分别构建影像组学模型、形态学模型及二者联合模型。利用受试者工作特征（ROC）曲线评价各个模型的预测效能,并对模型的ROC曲线行Delong检验。在验证集中评估各种模型的诊断效能。结果：最后获得5个影像组学特征。在训练集中,影像组学模型ROC曲线下面积（AUC）为0.85（95%CI：0.77~0.93）,形态学模型AUC为0.66（95%CI：0.59~0.72）,联合模型AUC为0.82（95%CI：0.74~0.91）;在验证集中,影像组学模型AUC为0.83（95%CI：0.69~0.97）,形态学模型AUC为0.59（95%CI：0.40~0.77）,联合模型AUC为0.73（95%CI：0.56~0.91）。Delong检验显示影像组学模型与形态学模型差异、联合模型与形态学模型差异均有统计学意义（P＜0.05）,而联合模型与影像组模型差异无统计学意义（P＞0.05）。结论：基于病灶为兴趣区的CT影像组学模型可以术前较好地预测喉癌淋巴结转移,其诊断效能高于形态学模型。     

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。     

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...     

扶正消瘤方联合高强度聚焦超声治疗子宫肌瘤的疗效分析

目的：评估扶正消瘤方联合高强度聚焦超声（HIFU）治疗子宫肌瘤的疗效价值。方法：选取98例（113个肌瘤）子宫肌瘤患者,随机分为实验组49例（57个肌瘤）及对照组49例（56个肌瘤）。实验组采用HIFU消融治疗联合扶正消瘤方口服3个月;对照组仅采用HIFU消融治疗。HIFU治疗后6个月行超声造影对2组疗效进行评价。结果：HIFU治疗后6个月,实验组肌瘤体积缩小率明显比对照组高（P<0.05）;实验组治疗显效率（91.23%）,明显高于对照组（64.29%）（P<0.05）。结论：扶正消瘤方联合HIFU治疗子宫肌瘤,结合超声造影技术实时动态评估,临床效果显著。     

高分辨率CT影像组学联合传统影像学征象预测肺腺癌微血管浸润的价值

目的 探讨高分辨率CT（HRCT）影像组学联合传统影像学征象的综合模型预测肺腺癌微血管浸润的价值。 方法 回顾性分析2015年6月至2019年4月于青岛大学附属医院就诊的微血管浸润状态明确的肺腺癌患者65例（微血管浸润阳性30例、阴性35例）,其中,男性33例、女性32例,年龄34~83（60.7±10.3）岁。以患者HRCT检查时间为编号,通过系统随机抽样方法将患者按约3∶1等距抽样分为2组:训练组46例,验证组19例。训练组用于模型的建立,验证组用于模型的效能评价。通过两独立样本t检验、χ2检验或Fisher确切概率法筛选训练组中微血管浸润阳性与阴性患者间差异有统计学意义的传统影像学征象。勾画2组患者的肿瘤三维感兴趣区并提取影像组学特征,通过单因素方差分析和Lasso-Logistic回归分析筛选训练组中有鉴别价值的最优影像组学特征,计算影像组学得分。通过Logistic回归分析构建联合影像组学得分和传统影像学征象预测肺腺癌微血管浸润的综合模型,并绘制列线图,进行效能评价。 结果 共提取影像组学特征1308个,最终得到6个最优影像组学特征。传统影像学征象中仅肿瘤最大径在微血管浸润阳性与阴性患者间的差异有统计学意义[（28.10±11.39）mm对（22.32±6.26） mm;t=5.580,P=0.035],其在训练组中的曲线下面积（AUC）为0.648(95%CI:0.493~0.783)、灵敏度为38.1%、特异度为88.0%;在验证组中的AUC为0.783(95%CI:0.538~0.936)、灵敏度为88.9%、特异度为70.0%。预测肺腺癌微血管浸润的综合模型在训练组中的AUC为0.880(95%CI:0.750~0.957),灵敏度为90.5%,特异度为72.0%;在验证组中的AUC为0.811(95%CI:0.568~0.951),灵敏度为88.9%,特异度为80.0%。 结论 基于HRCT影像组学联合传统影像学征象的综合模型对肺腺癌微血管浸润具有较高的预测价值,有助于肺腺癌患者的术前评估。     

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。     

基于高分辨率T2WI影像组学联合临床特征预测食管癌新辅助放化疗疗效的价值

【摘要】目的：探讨基于高分辨率（HR）T2WI影像组学联合临床特征预测食管癌新辅助放化疗后疗效的价值。方法：回顾性分析本院2016年1月-2021年12月新辅助放化疗前接受HRT2WI成像检查并经病理证实的95例食管癌患者资料。依据新辅助放化疗后病理缓解状态结果将患者疗效分为缓解组和未缓解组,在HRT2WI图像上勾画肿瘤感兴趣区（ROI）后采用A.K软件提取影像组学特征,采用最大相关最小冗余（mRMR）算法进行降维,采用逻辑回归模型对筛选出的影像组学特征及临床参数构建模型;采用受试者操作特征（ROC）曲线评估不同模型的预测效能,计算曲线下面积（AUC）、准确率、敏感度和特异度,并采用DeLong检验比较不同模型预测食管癌新辅助放化疗敏感性的效能。结果：缓解组与未缓解组年龄差异具有统计学意义（P=0.001）,其他临床特征差异无统计学意义（P＞0.05）。从1688个组学特征中逐层筛选出4个影像组学特征,构建两个预测模型：基于HRT2WI的影像组学模型、年龄-影像组学模型。HRT2WI影像组学模型在训练集与验证集预测食管癌新辅助放化疗是否缓解的AUC、准确率、敏感度和特异度分别为0.863、80.0%、88.2%、76.7%,0.809、81.5%、75.0%、84.2%。年龄-影像组学模型在训练集与验证集预测食管癌新辅助放化疗是否缓解的AUC、准确率、敏感度和特异度分别为0.888、81.7%、94.1%、76.7%,0.836、81.5%、87.5%、78.9%。年龄-影像组学模型预测食管癌新辅助放化疗是否缓解的AUC、准确率和敏感度均高于HRT2WI影像组学模型,而两者的特异度相仿。结论：基于HRT2WI影像组学模型对食管癌新辅助放化疗是否缓解具有较好的预测效能,且HRT2WI影像组学联合年龄特征模型显示出更高的预测价值。     

基于增强CT影像组学列线图预测进展期胃癌隐匿性腹膜转移

目的 探讨基于增强CT影像组学列线图在术前预测进展期胃癌隐匿性腹膜转移（PM）中的价值。方法 回顾性收集经手术病理证实为进展期胃癌且行术后PM评估的110例病人的临床及影像学资料,其中男77例,女33例,平均年龄（64.65±10.24）岁。所有病人术前均行全腹部增强CT检查且PM诊断为阴性。将全部病人按7∶3的比例随机分为训练集77例（术后PM阳性33例）与验证集33例（术后PM阳性14例）。采用卡方检验及二元Logistic回归分析筛选与隐匿性PM显著相关的独立预测因素来构建临床模型。基于增强CT影像提取并筛选影像组学特征,构建组学模型并计算模型的影像组学评分（Radscore）。将临床独立预测因素与Radscore联合来构建联合模型及其列线图。采用受试者操作特征（ROC）曲线评估各模型的预测效能,DeLong检验比较各模型间的AUC值,并用校准曲线及决策曲线分析评估联合模型的拟合优度和临床价值。结果 在训练集及验证集中,联合模型的预测效能（AUC值分别为0.944、0.915）均高于临床模型（AUC值分别为0.780、0.865）及组学模型（AUC值分别为0.844、0.825）...     

基于ADC影像组学鉴别诊断儿童髓母细胞瘤与间变型室管膜瘤

【摘要】目的:基于ADC影像组学特征,结合临床基本资料、常规影像学特征,利用支持向量机（SVM）构建模型以提高儿童髓母细胞瘤与间变型室管膜瘤术前鉴别诊断准确率。方法:分析本院2011年-2020年经病理证实的髓母细胞瘤患者及间变型室管膜瘤患者临床基本资料及常规影像学特征,采用Mann-WhitneyU检验分析其年龄差异,采用Fisher精确检验比较性别及常规影像特征差异,筛选有统计学意义特征作为临床特征组。由2名经专业培训医师手动勾画肿瘤最大层面ROI,使用3dslice内部radiomicsmodel提取影像组学特征,采用一致性检验及最小绝对收缩与选择算子算法（LASSO）筛选组学特征作为组学特征组。将筛选所得的临床特征及影像组学特征作为综合组。采用SVM分别构建3个模型并利用留一法进行验证。通过受试者操作特征曲线下面积（AUC）及决策曲线（DCA）验证其鉴别诊断价值。结果:共搜集髓母细胞瘤24例,间变型室管膜瘤14例。临床特征组模型包括年龄、弥散受限及“融蜡征”（P＜0.05）,其AUC为0.920（95%CI:0.8312~1）,影像组学特征组模型AUC为0.938（95%CI:0.8666~1）,综合组模型AUC为0.979（95%CI:0.9438~1）。DCA结果显示当风险阈值＞23%时,综合组模型的临床应用价值最高。结论：基于ADC影像组学、结合发病年龄、弥散受限及“融蜡征”的SVM模型,能有效区分儿童髓母细胞瘤及间变型室管膜瘤,区分能力高达97.9%。     

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。     

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。     

磁共振成像影像组学特征对乳腺癌淋巴血管浸润的预测价值

目的探讨基于MRI影像组学特征对乳腺癌淋巴血管浸润(LVI)的预测价值。方法回顾性分析2021年1至7月在辽宁省肿瘤医院术前接受MR检查且经术后病理证实的乳腺浸润性导管癌患者216例, 均为女性, 年龄27～80(53±11)岁, 其中有LVI患者68例, 无LVI患者148例。将所有患者按7∶3比例分成训练集和验证集。基于临床及MRI表现提取LVI的独立危险因素, 构建临床特征模型。在动态增强(DCE)MRI第二期相及DWI中分别勾画肿瘤及瘤周1 mm环形带、瘤周2 mm环形带、瘤周3 mm环形带感兴趣区, 进行影像组学特征提取和筛选, 构建影像组学特征模型。绘制受试者操作特征(ROC)曲线评价各模型的诊断效能。结果表观扩散系数(ADC)值(OR=0.09, 95%CI 0.01～0.97, P=0.047)、腋窝淋巴结肿大(OR=2.51, 95%CI 1.18～5.37, P=0.017)、瘤周水肿(OR=2.34, 95%CI 1.15～4.75, P=0.019)是LVI的独立危险因素。以ADC值、腋窝淋巴结肿大、瘤周水肿建立临床特征模型。最终筛选出10个影像组学特征构建DC...     

基于MRI征象及影像组学的列线图预测腮腺良性与恶性肿瘤的价值

目的建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集,收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T1WI和预饱和脂肪抑制T2WI(fs-T2WI)进行影像组学特征提取,建立影像组学诊断模型。基于影像组学评分及临床诊断模型,通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征(ROC)曲线评价各模型诊断腮腺良性与恶性肿瘤的效能,ROC曲线下面积(AUC)的比较采用DeLong检验。结果Logistic回归结果显示,腮腺深叶受累(OR值为3.285,P=0.040)和周围组织结构侵犯(OR值为15.919,P=0.013)是腮腺恶性肿瘤的独立影响因素,将二者构建临床诊断模型。基于平扫T1WI和fs-T2WI,共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中,影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型(训练集:Z=3.95、4.31,P均<0.001;验证集:Z=2.16、2.67,P=0.031、0.008),影像组学诊断模型、联合诊断模型间AUC差异无统计学意义(训练集:Z=0.39,P=0.697;验证集:Z=1.10,P=0.273)。结论本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型,能有效鉴别腮腺良恶性肿瘤,具有较高的预测效能。     

基于MRI影像组学及ATN分类系统的列线图预测轻度认知障碍进展

【摘要】目的：探讨基于MRI组学特征及ATN分类的列线图对轻度认知障碍（MCI）患者认知进展的预测价值。方法：搜集阿尔茨海默病神经影像学计划（ADNI）数据库中147例认知功能正常者（CN）、197例轻度认知障碍（MCI）患者以及128例阿尔茨海默病（AD）患者的临床和影像资料。在5年随访期内,MCI患者中有100例进展为痴呆,余97例认知功能保持稳定。采用Freesurfer软件对CN人群以及MCI、AD患者的3D-T1WI图像进行自动化后处理,提取全脑皮层和皮层下结构的影像组学特征,并筛选最佳影像组学特征构建组学模型以区分CN和AD患者。采用受试者操作特征（ROC）曲线分别评价脑脊液（CSF）Aβ42（A）和p-tau浓度（T）和组学模型（N）区分CN和AD患者的效能,分别计算阈值作为A、T、N的阳性分界值,并用于MCI人群的ATN分类。使用Cox回归分析筛选与MCI患者认知障碍进展相关的临床危险因素,并使用多因素Cox比例风险模型结合ATN分类构建联合预测模型并制作列线图。采用一致性指数（C-index）和校准曲线（Hosmer-Lemeshow检验）评估模型的预测能力和准确性,Kaplan-Meier（KM）分析用于风险分层。结果：每例患者共提取了全脑皮层及皮层下区域的1198个影像组学特征,经特征筛选,最终选取15个最佳影像组学特征用于构建诊断模型。脑脊液Aβ42、脑脊液p-tau和组学模型区分CN和AD患者的ROC曲线下面积（AUC）分别为0.813、0.822和0.998。Cox回归分析显示,载脂蛋白E（APOE）ε4等位基因（HR=2.449;95% CI=1.539~3.896）、临床活动调查问卷（FAQ）评分（HR=1.111;95% CI=1.069~1.156）和动物词汇流畅性测试（AFT）评分（HR=0.949;95% CI=0.901~0.999）是与MCI患者认知障碍进展相关的临床危险因素。联合预测模型在训练集和验证集的的C-index分别为0.927和0.906,校准曲线显示联合模型的预测结果与患者的实际进展情况之间差异无统计学意义（P=0.119、0.778）,模型的拟合效果较好。KM分析结果显示,以联合模型预测概率的中位数0.02作为临界值,可以很好地将MCI患者分为低风险和高风险进展组（log-rank test,P<0.0001）。结论：基于MRI影像组学及ATN分类系统的列线图模型有助于对轻度认知障碍患者的认知障碍进展的概率进行个体化预测。     

高强度聚焦超声消融子宫肌瘤的MRI评价

目的 观察高强度聚焦超声(HIFU)消融治疗子宫肌瘤的客观疗效、不良反应和临床转归情况.方法 2006年12月-2008年3月解放军第307医院参与多中心临床验证的子宫肌瘤确诊患者38例(包括多发肌瘤患者17例),使用HIFU治疗系统一次性消融治疗子宫肌瘤47个,其中肌瘤最大直径11.6cm.观察不良反应并定期随访,随访期间应用增强磁共振(MRI)评价HIFU治疗后子宫肌瘤的消融坏死体积及消融率,测量治疗后子宫和肌瘤体积的变化,判断临床转归规律.结果 治疗后随访37例共46个肌瘤,增强MRI显示所有肌瘤均出现消融坏死区并持续存在,HIFU消融率为65.1%±21.7%.与治疗前相比,治疗后不同时间子宫和肌瘤体积均有显著缩小,1、3、6、12个月时子宫肌瘤的缩小率分别为24.1%±17.3%、39.8%±23.4%、44.6%±24.7%、60.3%±17.2%(F=15.31,P<0.01),呈现出随时间延长逐渐缩小的变化规律.HIFU治疗后的主要并发症为局部疼痛、发热等,均为轻中度,并可在1周内自行缓解.结论 HIFU消融治疗子宫肌瘤安全可行,局部消融效果确切.     

基于CCTA的冠状动脉周围脂肪影像组学模型预测主要心血管不良事件：前瞻性队列研究

目的：探究基于冠状动脉周围脂肪组织（PCAT）的影像组学模型对主要心血管不良事件（MACE的风险预测能力。方法：针对前期研究建立的PCAT影像组学模型（预测MACE的AUC达0.89）,本研究连续性纳入440例确诊冠心病或疑似冠心病患者进行外部验证。根据PCAT影像组学分析结果将患者划分为高风险组（214例）和低风险组（226例）,通过电话、调阅病历等方式随访MACE事件。结果：平均随访时间15.68个月,共发生MACE 79例,其中高危组54例,低危组25例。多因素logistic回归分析显示高龄为MACE发生的危险因素（OR=1.03,95%CI 1.00～1.06,P=0.014）,Cox回归生存分析显示PCAT高风险组发生MACE风险明显增高（HR=2.56,95%CI 1.53～4.28,P<0.001）,血管周围脂肪衰减指数（FAI）高风险组则没有统计学差异（P=0.729）。结论：基于PCAT的影像组学模型对MACE的预测和危险分层有较高的应用价值,在回顾性研究和前瞻性研究中均得到了验证,且明显优于FAI模型。