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。     

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...     

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。     

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CT影像组学术前预测淋巴结阴性胃癌淋巴血管侵犯

目的 探讨基于CT影像组学术前预测淋巴结阴性胃癌淋巴血管侵犯(LVI)的价值,并结合临床变量构建列线图。资料与方法 回顾性分析浙江大学医学院附属邵逸夫医院2019年1月—2021年6月173例淋巴结阴性且病理证实为胃癌患者的临床及CT影像,其中LVI阳性60例,LVI阴性113例,按7∶3随机分为训练组(n=121)和验证组(n=52)。基于训练组分别构建临床模型、影像组学模型、融合模型,并在验证组进行验证。临床资料和常规CT特征包括年龄、性别、肿瘤指标、肿瘤部位、肿瘤形态、强化幅度等,通过单因素及多因素分析筛选出临床显著变量并建立临床模型。用3D-Slicer软件勾画肿瘤感兴趣区并提取影像组学特征,用最小绝对值收缩和选择算子降维筛选特征,然后通过随机森林构建影像组学模型,并转化为随机森林评分。联合临床显著变量和随机森林评分构建融合模型并可视化为列线图。根据受试者工作特征曲线及曲线下面积(AUC)评估模型的预测效能,采用决策曲线分析评估临床实用性。结果 影像组学模型优于临床模型,训练组和验证组中影像组学模型AUC分别为0.872(0.810～0.935)、0.827(0.707～0.9...     

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...     

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)...     

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...     

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。     

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。     

基于CT影像组学结合临床影像特征预测局部晚期鼻咽癌诱导化疗疗效

目的:探讨基于增强CT的影像组学结合临床影像特征的列线图在预测局部晚期鼻咽癌(LA-NPC)患者诱导化疗(ICT)疗效中的价值。方法:回顾性分析2014年7月至2022年3月178例LA-NPC(Ⅲ、Ⅳ期)患者的临床及CT图像资料，以7:3随机将患者分为训练组(n=125)和测试组(n=53)。采用3D-Slicer勾画容积感兴趣区(VOI)并用Pyradiomics包提取特征。使用单-多因素Logistic回归选择临床预测因子。采用最小绝对收缩与选择算法(LASSO)筛选组学特征，最后通过多变量Logistic回归构建临床、影像组学及联合模型，并绘制列线图。以受试者工作特征曲线(ROC)的曲线下面积(AUC)评估和比较三种模型的预测效能。应用决策曲线(DCA)观察列线图的临床净获益。结果:Logistic回归分析结果显示T分期(OR=0.45,P=0.004)、癌灶强化程度(OR=2.706,P=0.038)、血小板/淋巴细胞比值(PLR)(OR=0.289,P=0.024)是ICT疗效的临床预测因子，基于以上3者构建临床模型。基于22个与ICT疗效显著相关的组学特征构建影像组学模型...