基于超声造影影像组学预测局部进展期直肠癌新辅助放化疗病理完全缓解的应用研究

目的评估基于超声造影的影像组学模型对局部进展期直肠癌(LARC)患者新辅助放化疗(nCRT)后病理完全缓解(pCR)的预测效能。方法本研究回顾性纳入2018年4月至2023年4月在广西医科大学第一附属医院接受nCRT后行全直肠系膜切除的106例LARC患者, 以6∶4随机划分为训练集63例(pCR者14例)和验证集43例(pCR者12例)。基于PyRadiomics从超声造影图像肿瘤感兴趣区域提取影像学特征。采用类内相关系数、Mann-WhitneyU检验、最小绝对收缩和选择算子算法对特征进行降维。最后选取7个与pCR相关的影像学特征, 基于R语言使用弹性网络回归构建超声造影影像组学模型, 并与临床特征融合构建一个联合模型。采用ROC曲线下面积(AUC)评估模型的诊断效能。结果训练集中, 超声造影影像组学模型的AUC为0.695(95%CI=0.532～0.859), 联合模型的AUC为0.726(95%CI=0.584～0.868)。验证集中, 超声造影影像组学模型的AUC为0.763(95%CI=0.625～0.902), 联合模型的AUC为0.790(95%CI=0.653～0....     

MRT1WI瘤体及瘤周影像组学联合临床特征预测乳腺癌新辅助化疗疗效

目的 观察MR T1WI瘤体和瘤周影像组学联合临床特征预测新辅助化疗(NAC)疗效的价值。方法 回顾性分析110例接受NAC的乳腺癌患者，其中43例NAC后病理完全缓解(pCR)、67例为非pCR(non-pCR);按7∶3比例将其分为训练集(n=76,30例pCR、46例non-pCR)和测试集(n=34,13例pCR、21例non-pCR)。以单因素及多因素logistic回归分析训练集临床及MRI表现，筛选NAC用于乳腺癌疗效的独立预测因子，并建立临床模型；于训练集NAC前MR T1WI所示瘤体及瘤周感兴趣体积(VOI)提取并筛选最佳影像组学特征，构建NAC治疗乳腺癌效果预测模型，包括模型_瘤体、模型_瘤周及模型_{瘤体+瘤周};联合瘤体及瘤周影像组学及临床相关独立预测因子建立联合模型。采用受试者工作特征(ROC)曲线评估模型诊断效能。结果 淋巴结转移(OR=0.17)、人表皮生长因子受体2(OR=4.52)及孕激素受体表达(OR=0.20)均为临床相关独立预测因子(P均<0.05)。于瘤体及瘤周VOI各选出4个最佳影...     

影响局部进展期直肠癌新辅助放化疗疗效的临床因素分析

目的:探讨影响局部进展期直肠癌(locally advanced rectal cancer,LARC)患者新辅助放化疗(neoadjuvant chemoradiotherapy,nCRT)的疗效及预后的临床因素。方法:回顾性分析辽宁省肿瘤医院335例接受nCRT后并进行根治性手术的LARC患者的临床资料。通过单因素...     

术前MRI影像组学模型预测保乳手术治疗乳腺癌的可行性

目的 建立术前MRI影像组学模型，观察以之预测保乳手术(BCS)治疗乳腺癌的可行性。方法 纳入90例接受BCS治疗的乳腺癌患者，其中61例BCS成功(成功组)、29例失败(失败组);按2∶1将其分为训练集(n=60)和测试集(n=30),并于各集内划分亚组，比较组间及亚组间临床及MRI资料，提取并筛选MRI影像组学特征，构建模型，评估其预测BCS可行性的价值。结果 训练集2亚组间接受新辅助治疗情况、患侧乳房体积及有无子灶差异均有统计学意义(P均<0.05);测试集2亚组间肿瘤体积、患侧乳房体积及有无子灶差异均有统计学意义(P均<0.05)。最终以5个MRI组学特征及有无子灶建立影像组学模型，其预测训练集和测试集BCS可行性的曲线下面积分别为0.961和0.855。结论 术前MRI影像组学模型可用于预测以BCS治疗乳腺癌的可行性。     

基于动态对比增强MRI影像组学模型预测乳腺癌新辅助化疗后非病理完全缓解

目的 观察基于动态对比增强MRI(DCE-MRI)影像组学模型预测乳腺癌新辅助化疗(NAC)后非病理完全缓解(non-pCR)的价值.方法 回顾性分析144例经病理证实并接受NAC的乳腺癌患者,按照7∶3比例将其分入训练组(n=99)和验证组(n=45),比较2组病理完全缓解(pCR)与non-pCR患者临床病理指标的...     

融合空间和多尺度特征的乳腺癌免疫组化Ki-67指数定量分析

目的 针对乳腺癌免疫组化全视野数字图像(whole slide image, WSI),提出一种智能化定量分析Ki-67指数的方法。方法 回顾性纳入2020年1—12月北京协和医院乳腺癌患者的病理切片,将其以40倍率扫描为WSI图像,并由2名病理科医生按照2019年国际乳腺癌Ki-67工作组制订的指南对Ki-67指数进行人工判读。按5∶8的比例随机将WSI图像分为A、B两个数据集(A数据集按7∶1∶2比例随机分为训练集、验证集和测试集)。病理科医生对A数据集人工标注热点区域后,40倍视野下将每张WSI随机裁剪为2000个512×512像素的图块,随机选取其中的50个图块,对肿瘤细胞进行标注并计算Ki-67指数。采用条件随机场模型融合图块的空间特征,经ResNet34预训练模型进行特征提取后构建热点区域识别模型,并采用准确率评价其性能。在热点区域内,40倍视野下随机选取10个视野,模型可自动完成细胞分类,并计算Ki-67指数均值。以人工判读结果为金标准,计算模型对B数据集Ki-67指数评估结果的准确率,并采用Bland-Altman法对人工判读与模型分析结果进行一致性评价。结果 共入选符...     

基于MRI影像组学预测宫颈癌淋巴血管间隙浸润

目的 评估基于MRI影像组学模型术前预测宫颈癌淋巴血管间隙浸润(LVSI)的价值.方法 回顾性分析123例经病理证实宫颈癌患者,根据病理结果分为LVSI+(n=61)及LVSI-(n=62).基于T2WI及动脉期对比增强T1WI(CE-T1WI)提取影像组学特征,按7:3比例将数据分为训练集(n=87)和验证集(n=3...     

基于V-Net卷积神经网络深度学习模型自动分割腰椎CT图像中的椎旁肌

目的 观察基于V-Net卷积神经网络(CNN)的深度学习(DL)模型自动分割腰椎CT图像中的椎旁肌的价值。方法 收集471例接受腰椎CT检查患者，按7∶3比例将其分为训练集(n=330)和测试集(n=141);采用2D V-Net进行训练，建立DL模型；观察其分割腰大肌、腰方肌、椎后肌群及椎旁肌的价值。结果 基于V-Net CNN的DL模型分割椎旁肌精度良好，戴斯相似系数(DSC)均较高、肌肉横截面积误差率(CSA error)均较低；其分割训练集图像中的腰大肌、腰方肌及椎旁肌的DSC均高于测试集(P均<0.05),而分割训练集中4组肌肉的CSA error均低于测试集(P均<0.05)。测试集内两两比较结果显示，该模型分割椎后肌群的DSC最高、腰方肌的DSC最低；分割腰方肌的CSA error最高、椎旁肌的CSA error最低(P均<0.05)。结论 以基于V-Net的DL模型自动分割椎旁肌的效能较佳。     

基于卷积神经网络的病理活检胃癌诊断模型

目的 基于深度学习技术,建立胃活检病理切片胃癌诊断模型,并对模型的性能进行评价。方法 回顾性收集2015年1月—2020年1月浙江省人民医院胃活检诊断为正常胃黏膜、慢性胃炎、高级别上皮内瘤变和胃腺癌患者的病理切片。以20倍率扫描为全视野数字图像(whole slide image, WSI),并按2∶2∶1的比例随机分为图块分类数据集、切片分类训练集与切片分类测试集。对图块分类数据集病变区域进行标注、图块截取后,按20∶1∶1的比例随机分为训练集、测试集、验证集。基于Efficientnet和ResNet网络结构构建卷积神经网络(convolutional neural network, CNN)图块级癌与非癌分类模型,并以图块分类准确率、受试者操作特征曲线下面积(area under the curve, AUC)评价该模型的性能。基于此模型拼接获取整张WSI的癌变热力图,提取热力图中切片级癌与非癌分类特征,对LightGBM算法进行训练,最终完成整张胃癌活检切片的诊断与识别,其识别结果以AUC、准确率、灵敏度、特异度进行评价。结果 共入选符合纳入和排除标准的胃良性疾病(正常胃黏膜、...     

白细胞散点图识别模型的建立与验证

目的 建立全血细胞分析白细胞分类(WDF)通道散点图的识别模型，验证其有效性。方法 运用卷积自编码技术，算法训练采用pytorch框架，模型训练采用AlexNet为基准网络，加入先验知识算法形成双重验证机制。采用32 729份WDF通道散点图作为初始数据集，由3位检验技师对散点图进行标定，根据2次标定结果是否完全一致将初始数据集分为特征显著散点图和特征不显著散点图，训练集、验证集和测试集A所含2类散点图数量按照8∶1∶1进行划分，即26 185份散点图作为训练集，3 272份散点图作为验证集，3 272份散点图作为测试集A。再通过日常工作中11 043份散点图(测试集B)验证模型精确率，并与检验技师的判断结果进行对比分析。结果 模型和检验技师在测试集A、B的精确率分别为0.956、0.967和0.924、0.932,模型和检验技师在测试集B所含正常、异常散点图精确率分别为0.979、0.935和0.992、0.795,所含特征显著、不显著散点图精确率分别为0.985、0.921和1.000、0.662。结论 当散点图特征不显著的情况时，该模型能够给出更加准确的结论，为检验技师提供有价值...     

基于T2加权成像的影像组学特征和临床特征模型在早期宫颈鳞状细胞癌深间质浸润中的诊断价值

目的 初步探讨基于T2加权成像(T2-weighted imaging,T2WI)的影像组学特征联合患者临床特征构建的模型对早期宫颈鳞状细胞癌深间质浸润(deep stromal invasion,DSI)的诊断价值.方法 回顾性纳入2017年1月至2021年2月在北京协和医院行根治性子宫切除术的早期宫颈鳞状细胞癌患者...     

磁共振成像纹理特征对局部进展期直肠癌新辅助放化疗病理反应状态的预测价值

目的:探讨磁共振成像纹理特征对局部进展期直肠癌新辅助放化疗病理反应状态的预测价值。方法:回顾性分析58例局部进展期直肠癌患者的临床及影像学资料,利用MaZda软件于T2WI图像肿瘤最大层面手动勾画ROI,分别在新辅助放化疗前、后的图像上各提取9个一级、11个二级纹理特征参数,对参数进行统计学分析,比较pCR组与非pCR组在新辅助放化疗前、后纹理特征上的差别。结果:pCR组与非pCR组之间,治疗前7个二级纹理特征(pre-Correlat、InvDfMom、SumEntrp、DifEntrp、DifVarnc、Entropy、AngScMom)差异有统计学意义,治疗后3个一级纹理特征(post-Variance、Perc 90%、Perc 99%)、9个二级纹理特征(postContrast、SumOfsqs、InvDfMom、SumAverg、SumVarnc、SumEntrp、DifEntrp、DifVarnc、Entropy)差异有统计学意义。在预测pCR方面,单个纹理特征的ROC曲线结果显示,治疗前AUC值在0.632~0.835之间,治疗后AUC值在0.665~0.852之间,分别以DifVarnc、DifEntrp效能最高。采用多变量logistic回归分析预测pCR时,治疗前及治疗后的独立预测因子均是DifEntrp,治疗前(P=0.005)AUC值为0.833,治疗后(P=0.004)AUC值为0.852。结论:基于T2WI图像的纹理特征有助于预测局部进展期直肠癌新辅助放化疗的疗效,而二级纹理特征的预测效能高于一级纹理特征,nCRT治疗后为疗效预测的更佳时期。     

食管鳞状细胞癌患者根治术后生存预测模型的建立与验证:一项多中心真实世界队列研究

  目的  建立并验证食管鳞状细胞癌患者根治术后生存预后预测模型与风险分级标准,为术后最优辅助治疗方案的确定提供真实世界证据。  方法  分别收集2011年5月31日至2018年7月31日在河南省安阳市肿瘤医院(安阳中心)和2009年8月1日至2018年12月31日在广东省汕头大学医学院附属肿瘤医院(汕头中心)连续就诊的食管鳞状细胞癌患者的临床数据和生存随访数据。以安阳中心数据集为建模集,采用基于多因素Cox比例风险回归逐步后退法和AIC准则(Akaike information criterion)的“两步法”构建总生存预测模型。通过Bootstrap重抽样1 000次对模型进行内部统计验证,在汕头中心数据集进行外部验证。根据列线图得分构建预后风险分级标准。  结果  建模队列和验证队列分别纳入4 171例和1 895例食管鳞状细胞癌患者。模型由年龄、性别、肿瘤原发位置、T分期、N分期、淋巴结清扫数、肿瘤大小、辅助治疗方案和术前血红蛋白水平9个变量组成。其中,N分期与辅助治疗方案存在显著交互作用(P＜0.001),即与单纯手术相比,N+期患者可能从辅助治疗中获益,但辅助治疗无法改善N0期患者的预后。建模队列的模型一致性指数(C-index)为0.728 (95% CI: 0.713~0.742),经Bootstrap内部验证后为0.722 (95% CI: 0.711~0.739),验证队列的模型C-index为0.679 (95% CI: 0.662~0.697)。校准图提示模型预测生存率与观测生存率一致性良好。在两个队列中模型准确性均显著高于第7版AJCC(American Joint Committee on Cancer)TNM分期系统(P＜0.05)。此外,在各TNM分期内部,该模型仍可实现理想的预后风险分层效果。  结论  本研究为我国食管鳞状细胞癌患者根治术后总生存提供了个体化预测模型,并揭示N分期可能是制订食管鳞状细胞癌患者术后辅助治疗方案的重要决定因素。     

基于皮肤镜图像智能分析的早期蕈样肉芽肿诊断模型构建

  目的  比较基于皮肤镜图像的卷积神经网络(convolutional neural network, CNN)二分类模型在蕈样肉芽肿(mycosis fungoides, MF)与炎症性疾病鉴别诊断中的应用价值。  方法  回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病患者,并按4∶1的比例随机分为训练集和测试集。使用训练集患者的皮肤镜图像对6种经典网络结构利用迁移学习进行训练,以构建CNN二分类模型。同时,在测试集中随机挑选每例患者1幅图像,并结合皮损的临床图像,由13名皮肤科医师对疾病归类进行判读。比较CNN二分类模型与皮肤科医师对测试集病例早期MF与炎症性疾病鉴别诊断的性能,结果以曲线下面积(area under the curve, AUC)、灵敏度、特异度、Kappa值等表示,并采用受试者工作特征(receiver operating characteristic, ROC)曲线进行可视化分析。  结果  共纳入48例早期MF患者(皮肤镜图像402幅)和96例炎症性皮肤病患者(皮肤镜图像557幅),其中训练集117例(皮肤镜图像772幅),测试集27例(皮肤镜图像187幅)。测试集中,皮肤科医师鉴别诊断早期MF与炎症性皮肤病的灵敏度和特异度分别为70.19%(95% CI: 59.68%~80.70%)和94.74%(95% CI: 91.77%~97.71%),Kappa值为0.677(95% CI: 0.566~0.789)。按图像分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.87(95% CI: 0.84~0.89),灵敏度和特异度分别为75.02%(95% CI: 70.19%~79.85%)和82.02%(95% CI: 79.30%~84.87%),Kappa值为0.563(95% CI: 0.507~0.620);按病例分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.97(95% CI: 0.95~0.99),灵敏度和特异度分别为87.50%(95% CI: 78.55%~96.45%)和93.85%(95% CI: 88.93%~98.77%),Kappa值为0.920(95% CI: 0.884~0.954)。ROC曲线显示,按病例分类时网络结构为EfficientNet-B0的CNN二分类模型诊断早期MF的AUC为0.99,灵敏度和特异度分别为88.9%和100%,且13名皮肤科医师诊断的灵敏度和特异度均值对应点位于曲线右下方。  结论  基于皮肤镜图像智能分析的CNN二分类模型可实现对早期MF与炎症性皮肤病的精确分类,对二者的鉴别诊断能力优于皮肤科医师的平均水平。     

Shape constrained CNN for segmentation guided prediction of myocardial shape and pose parameters in cardiac MRI

Semantic segmentation using convolutional neural networks (CNNs) is the state-of-the-art for many medical image segmentation tasks including myocardial segmentation in cardiac MR images. However, the predicted segmentation maps obtained from such standard CNN do not allow direct quantification of regional shape properties such as regional wall thickness. Furthermore, the CNNs lack explicit shape constraints, occasionally resulting in unrealistic segmentations. In this paper, we use a CNN to predict shape parameters of an underlying statistical shape model of the myocardium learned from a training set of images. Additionally, the cardiac pose is predicted, which allows to reconstruct the myocardial contours. The integrated shape model regularizes the predicted contours and guarantees realistic shapes. We enforce robustness of shape and pose prediction by simultaneously performing pixel-wise semantic segmentation during training and define two loss functions to impose consistency between the two predicted representations: one distance-based loss and one overlap-based loss. We evaluated the proposed method in a 5-fold cross validation on an in-house clinical dataset with 75 subjects and on the ACDC and LVQuan19 public datasets. We show that the two newly defined loss functions successfully increase the consistency between shape and pose parameters and semantic segmentation, which leads to a significant improvement of the reconstructed myocardial contours. Additionally, these loss functions drastically reduce the occurrence of unrealistic shapes in the semantic segmentation output.     

超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值

目的 探讨超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值,并结合影像组学、超声特征及临床独立危险因素特征建立列线图,评估其在减少不必要活检中的价值。方法 回顾性收集常规超声检查筛选出的BI-RADS 4a类不规则乳腺结节905例,随机分为训练队列（n=634）和验证队列（n=271）,比例为7∶3。共收集851个影像组学特征,以手术病理结果为金标准,通过Logistic回归模型构建影像组学模型,同时利用单因素逻辑分析及多因素逻辑分析结合影像组学特征、超声特征及临床独立危险因素建立影像组学模型,通过ROC曲线评估影像组学模型及列线图模型对超声BI-RADS 4a类形态不规则乳腺结节的诊断效能。结果 905例不规则乳腺结节中,恶性结节485个,良性结节420个;患者年龄22～83(50.05±11.13)岁,训练队列及验证队列的年龄、Rad-score值、肿块直径等结果差异无统计学意义（P>0.05）;训练队列影像组学模型AUC值为0.927(95%CI:0.900～0.950),验证队列影像组学模型AUC值为0.946(95%CI:0.908～0.976),该模...     

Diagnostic performance of magnetic resonance to assess treatment response after neoadjuvant therapy in patients with locally advanced rectal cancer

Purpose

Our study aimed to evaluate the diagnostic performance of rectal magnetic resonance imaging (MRI) for local restaging in patients with non-metastatic locally advanced rectal cancer (LARC) after neoadjuvant chemoradiotherapy (CRT) using surgical histopathology of total mesorectal excision as the reference standard.

Methods

Ninety-five patients with LARC who underwent rectal MRI after CRT between January 2014 and December 2016 were included. Accuracy, sensitivity, specificity, positive, and negative predictive value for local staging regarding T-stage, N-stage, circumferential resection margin, and MRI tumor regression grade (ymriTRG) were calculated, and inter-test agreements were assessed.

Results

22/95 (23.2%) patients had radiological complete response (rCR), whereas 20/95 (21.1%) had pathological complete response (pCR). Among the patients with pCR, 11/20 (55%) had rCR. Fair agreement was demonstrated between ymriTRG and pathological TRG (ypTRG) (κ = 0.255). The sensitivity and specificity for detection of pCR were 61.1% (95% CI 35.7–82.7) and 89.6% (95% CI 80.6–95.4). For the detection of ypTRG grades 1 and 2, the corresponding values were 67.2% (95% CI 54.3–78.4) and 51.6 (95% CI 33.1–69.8). The accuracy of ymriTRG was 24.2% (95% CI 15.6–32.8). Inter-test agreement in TRG between MRI and pathology was overall fair (κ = 0.255) and slight (κ = 0.179), if TRG 1 + 2.

Conclusion

Qualitative assessment on MRI for diagnosing pCR showed moderate sensitivity and high specificity, whereas the diagnosis of TRG had moderate sensitivity and low specificity with slight to fair inter-test agreement when compared with pathological specimens.

     

MRI morphologic and clinicopathologic characteristics for predicting outcomes in patients with locally advanced rectal cancer

Purpose

The aim of this study was to investigate the value of MRI morphologic and clinicopathologic factors for predicting 3-year disease-free survival (DFS) in patients with locally advanced rectal cancer (LARC).

Method

In this retrospective study, pre- and post-neoadjuvant chemoradiotherapy (nCRT) MRI morphologic (e.g., pre-nCRT MRI-detected extramural venous invasion) and clinicopathologic variabilities (e.g., pathological complete response) were evaluated in all patients. Three-year DFS was estimated using Kaplan–Meier product-limit method, and Cox proportional hazards models were used to determine associations between morphologic or clinicopathologic variabilities and survival outcomes.

Results

A total of 115 patients (39 females and 76 males; median age, 54 years; age range, 28–82 years) with LARC treated with nCRT were enrolled. With a median follow-up of 48.0 months, the 3-year DFS was 79.0% for all patients. During follow-up, 18 patients died, 28 patients experienced relapse (26 distant, one local, and one both), and 69 patients were censored. MRI-detected extramural venous invasion (mrEMVI) was the only significantly independent factor of long-term survival, while HR was 2.308 (95% CI 1.151–4.629, P = 0.018) on univariate and 2.495 (95% CI 1.243–5.012, P = 0.010) on multivariate analysis. The 3-year cumulative survival rate in patients with mrEMVI negativity compared with positivity were 86.6% versus 65.0% (P = 0.015), respectively.

Conclusion

In conclusion, pre-nCRT mrEMVI status was the independent significant risk factor for long-term outcomes in LARC patients treated with nCRT, while the other morphologic and clinicopathologic characteristics were not related to the patient survival.