基于增强CT影像组学及形态学征象对非小细胞肺癌脏层胸膜侵犯的预测价值研究

目的:探讨基于增强CT影像组学方法及形态学征象在术前预测非小细胞肺癌患者脏层胸膜侵犯（VPI）的效能。方法:回顾性研究。纳入2019年1月—2021年1月蚌埠医学院第一附属医院收治的肺癌患者220例,其中男145例、女75例,年龄43~89（62.6±10.0）岁,均行根治性手术治疗。按照术后病理检查确诊有VPI 90...     

双期18F-FDG PET/CT原发灶影像组学对非小细胞肺癌淋巴结转移的预测价值

目的 探讨双期¹⁸F-FDG PET/CT原发灶影像组学特征对非小细胞肺癌(NSCLC)淋巴结转移的预测价值。方法 收集我院经手术病理证实为NSCLC并明确有无淋巴结转移的101例患者的术前双期¹⁸F-FDG PET图像,自动勾画并提取原发灶常规及延迟显像影像组学特征各117个。按常规显像模式(a)、延迟显像模式(b)及常规+延迟显像模式(c)分别构建影像组学模型,采用t检验与LASSO回归筛选最优子集模型,建立支持向量机(SVM)模型与受试者工作特征(ROC)曲线,Delong检验不同模型曲线下面积(AUC)差异。结果 常规+延迟显像模式(c)影像组学模型对淋巴结转移的预测效能最优,其灵敏度、特异度、AUC、训练组预测准确率、测试组预测准确率分别为88.06%、94.12%、0.967、92.86%和80.65%,高于常规显像模式(a)的86.57%、79.41%、0.882、80.00%和70.97%和延迟显像模式(b)的80.60%、88.24%、0.872、85.71%和70.97%(a vs.b Z=0.202,P=0.839 9;...     

基于18F-FDG PET/CT影像组学的非小细胞肺癌病理亚型分类

目的：旨在建立一种基于¹⁸F-FDG PET/CT的临床—影像组学相结合的综合模型用于区分非小细胞肺癌中的腺癌和鳞癌。方法：回顾性收集上海交通大学附属胸科医院120例经病理学验证为腺癌(65例)和鳞癌(55例)的患者,从预处理的CT图像和PET图像中分别提取1218、108个影像组学特征,并纳入10个临床特征因素;卡方检验和Wilcoxon检验用于对临床特征进行筛选,并使用Relief算法和最小绝对收缩和选择算子(LASSO)对影像组学特征进行筛选;通过6种机器学习分类器分别建立临床、影像组学、综合模型。通过受试者工作特征(ROC)曲线及曲线下面积(AUC)来评价模型的分类能力。结果：综合模型在训练集和测试集中均表现出最高的AUC值和准确率,其中随机森林(RF)和Bagging分类器表现出的分类效果最佳。经五折交叉验证后,训练集中RF和Bagging的AUC值和准确率分别为0.92±0.03、0.86±0.06和0.92±0.02、0.83±0.02;测试集中RF和Bagging的AUC值和准确率分别为0.92、0.81和0.91、0.86。结论：结合^1...     

多参数MRI的影像组学融合模型在术前预测宫颈癌淋巴结转移的应用价值

目的 探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法 回顾性分析山西省肿瘤医院2016年6月-2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例,采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI),并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN-)和阳性(LN+),临床及影像资料也对应分组。分别基于每例患者的T₂WI、表观扩散系数(ADC)和增强T₁WI(cT₁WI)序列图像上均提取3 111个影像组学特征,然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建,并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型,并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。结果 训练组和验证组患者基线资料差异均无统计学意义(P值均>0.05)。基于T₂WI、ADC和cT₁WI合并特征降维后共得到6个影像组学特征(P值均＜0.05),其中包括3个小波类特征参数和3个LoG类特征参数,均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829,显示具有良好的预测效能,合并上述序列构建的影像组学标签对应的AUC值0.859,其诊断效能优于其中任意单一序列,并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能,对应的AUC分别为 0.865和0.861。在独立验证组中的决策曲线示,当风险阈值＞10%时,采用影像组学方法预测LN+的净收益优于将所有患者都看作LN+或LN-,也优于MRI评价淋巴结状态。结论 通过联合基于多参数MRI的影像组学标签和MRI评价淋巴结状态建立的融合模型可作为术前评估宫颈癌淋巴结转移的一种辅助方法。     

基于影像组学和剂量组学的放射性肺炎预测研究

目的：旨在利用影像组学和剂量组学的多组学方法，建立并验证一个有效的基于CT图像的放射性肺炎（RP）预测模型。方法：对2019年至2021年在广州医科大学附属肿瘤医院接受放疗的91例非小细胞肺癌患者进行回顾性分析。将除去临床靶区的全肺（Lung-CTV）作为感兴趣区域，从Lung-CTV区域的CT图像和剂量分布中提取影像组学和剂量组学特征。将单独的剂量体积直方图（DVH）特征、影像组学结合DVH(radio+DVH)特征、影像组学结合剂量组学（radio+dose）特征，分别输入11个不同的分类器来构建预测模型，采用五倍交叉验证法来完成分类实验。利用接受者操作特征（ROC）曲线下的面积（AUC）、准确性、精确性、召回率和F1值来评估预测模型的性能。结果：与DVH模型相比，radio+DVH和radio+dose的AUC值更高，差异有统计学意义（P<0.05）。与DVH和radio+DVH模型相比，radio+dose的准确率和F1值更高，差异有统计学意义（P<0.05）。结论：使用基于机器学习的影像组学和剂量组学的多组学方法预测RP的性能更好，有望为临床治疗提供指导。     

基于MR T2加权成像的影像组学标签预测直肠癌KRAS基因突变的价值

目的 探讨基于MR T₂加权成像(T₂WI)的影像组学标签预测直肠癌KRAS基因突变的潜在价值。方法 回顾性研究。纳入山西省肿瘤医院2017年4月—2019年4月行盆腔MR检查并具有KRAS基因检测结果的304例直肠癌患者的临床和影像资料,其中男175例、女129例,中位年龄59.6岁。按7∶3比例将患者随机分为训练组(213例)和验证组(91例)。选取每例患者的高分辨率T₂WI进行图像分割及影像组学特征提取,使用单变量统计分析为主的“五步法”进行特征降维,并分别采用多变量logistic回归、决策树(DT)以及支持向量机(SVM)三种分类算法构建影像组学标签,用于预测直肠癌KRAS基因状态。受试者操作特征(ROC)曲线、校正曲线、决策曲线分析(DCA)评估影像组学标签的预测性能及临床效益。结果 训练组和验证组患者的基线资料比较以及两组中KRAS突变型与野生型患者的临床特征比较,差异均无统计学意义(P值均＞0.05)。从每位患者的T₂WI中提取960个影像组学特征,经特征筛选后得到7个与直肠癌KRAS基因相关的特征(P值均＜0.05)。采用多变量logistic回归、DT及SVM构建的三个预测模型的ROC曲线下面积,训练组分别为0.677、0.604和0.722,验证组分别为0.626、0.600和0.682,其中SVM模型在预测KRAS基因状态方面效能最好。DCA曲线示三种预测模型均有一定的临床效益,其中SVM预测模型净收益值最大。结论 基于MR T₂WI的影像组学标签在预测直肠癌KRAS基因状态方面有一定的价值。     

基于增强CT的影像组学模型对肾嗜酸细胞腺瘤与肾透明细胞癌的鉴别诊断

目的探讨基于增强CT影像组学模型在肾透明细胞癌(ccRCC)和肾嗜酸细胞腺瘤(RO)鉴别诊断中的价值。方法回顾性队列研究。纳入山西省肿瘤医院2013年6月—2022年7月收治的经病理确诊的肾肿瘤患者100例, 其中男63例、女37例, 年龄42～81(60.8±8.7)岁。100例中, ccRCC患者75例(ccRCC组), 其中男52例、女23例, 年龄42～79(59.9±8.5)岁;RO患者25例(RO组), 其中男11例、女14例, 年龄46～81(63.5±8.8)岁。将入组患者按照3∶7随机分为测试集(30例)和训练集(70例)。患者均行增强CT检查。从门静脉期CT图像中提取1 409个影像组学特征, 使用Variance Threshold、SelectKBest以及最小绝对收缩与选择算子算法进行特征筛选, 构建影像组学模型;绘制受试者操作特征曲线(ROC曲线), 计算曲线下面积(AUC)。用灵敏度、特异度、精确度以及F1-score来评估不同影像组学模型诊断效果。结果 ccRCC组和RO组患者的年龄比较, 差异无统计学意义(t=1.82, P=0.072);2组患者的性...     

基于多模态MRI的影像组学与临床危险因素联合模型对膀胱癌病理学分级的术前预测价值

目的探讨基于多模态MRI的影像组学特征和临床危险因素构建的联合预测模型, 对膀胱癌术前病理组织学分级的预测价值。方法回顾性队列研究。纳入山西省肿瘤医院2013年5月—2022年7月135例膀胱癌患者术前2周的MRI资料和临床病理资料, 其中男116例、女19例, 年龄34～92(67.0±10.5)岁。采用随机抽样法, 按照7∶3的比例将患者分为训练集(94例)和验证集(41例)。在T2加权像(T2WI)、弥散加权成像(DWI)、表观弥散系数(ADC)图、增强T1加权图像(T1WI)中, 用ITK-SNAP软件沿着膀胱癌原发灶边缘逐层手动分割、勾画感兴趣区(ROI);使用开源Pyradiomics提取影像组学特征;通过Mann-WhitneyU检验、Pearson相关系数和LASSO回归等方法, 对膀胱癌原发灶的影像组学特征进行筛选并构建影像组学预测模型。采用单因素和多因素logistic回归分析筛选膀胱癌病理组织学分级的临床危险因素构建临床预测模型;将最优影像组学标签与临床危险因素结合, 构建联合预测模型。使用受试者工作特征(ROC)曲线和校准曲线、决策曲线分析(DCA)评估预测模型...     

鼻咽癌CT影像组学量化分析研究

目的:分析不同强化时相鼻咽癌CT影像组学特征的差异及其变化规律。方法:回顾性分析41例初诊鼻咽癌患者CT图像,每组CT图像包含平扫、动脉期、静脉期3个时相,将大体肿瘤靶区(GTV)和翼外肌设置为感兴趣区。比较不同时相GTV、翼外肌间影像组学特征参数的差异。结果:在平扫与动脉期、平扫与静脉期、动脉期与静脉期3组比较中,GTV和翼外肌各自差异有统计学意义的特征分别有18、21、9个和31、31、22个。在动脉期、静脉期与平扫的比较中,GTV灰度强度四分位差随分位数增大而增大。GTV与翼外肌在平扫、动脉期、静脉期的比较中,差异具有统计学意义的特征平扫时主要分布在灰度共生矩阵。3组比较中共有的差异有统计学意义的特征有18个,经接受者操作特性(Receiver Operating Characteristic)曲线分析,有10个特征预测GTV满足ROC曲线下面积≥0.9,全部分布于灰度共生矩阵、灰度强度。结论:CT影像组学可以量化分析鼻咽癌肿瘤与正常组织在多期CT图像中的细微差异,客观反映其动态变化,为鼻咽癌的精确诊断和定量分析提供参考。     

18F-FDG PET/CT影像组学预测晚期非小细胞肺癌预后的价值

目的 探讨基于¹⁸F-FDG PET/CT的影像组学模型预测晚期非小细胞肺癌预后的价值。方法 186例治疗前接受¹⁸F-FDG PET/CT的NSCLC患者按照7∶3比例随机分配到训练组(n=134)和验证组(n=52)。使用LIFEx软件获取PET和CT图像的影像组学特征，然后基于PFS和OS选择最优参数构建临床和复杂模型并进行验证。结果 以PFS为研究终点，单因素分析显示PD-L1 50%、TNM分期、病理类型、吸烟史、远处转移、淋巴结转移、SUVmax、Rad-score是影响患者PFS的因素(均P<0.05)。Cox多因素分析显示，TNM分期、吸烟史、Rad-score是影响PFS的独立预后因素(均P<0.05)。以OS为研究终点，单因素分析显示TNM分期、病理类型、SUVmax、吸烟史、远处转移、Rad-score等因素影响患者OS(均P<0.05)。Cox多因素分析显示TNM分期、SUVmax、吸烟史、Rad-score是影响患者OS的因素(均P<0.05)。训练组中影像组学模型、临床模型及复杂模型3种模型...     

基于影像组学的肺癌分型预测

目的 基于影像组学特征对肺癌中的两大亚型分类（小细胞肺癌与非小细胞肺癌）进行分型预测。 方法 在131名小细胞肺癌与非小细胞肺癌患者中(其中训练集包含119人,测试集中包含12人),从手动分割的病灶区域提取107维组学特征,使用R统计学软件中的FSelector包对影像组学特征进行关键特征筛选,构建支持向量机模型和k折交叉验证模型对肺癌患者的病理进行表型分类和验证,通过绘制受试者工作特征曲线（ROC曲线）图和计算曲线下面积（AUC）数值来对训练集和测试集中的肺癌分型预测效果进行评估。 结果 挑选出20个主要的影像组学特征用于小细胞肺癌与非小细胞肺癌的分型鉴别,这些特征对于训练集和测试集中的小细胞肺癌与非小细胞肺癌均有较好的区分能力。在测试集中,预肺癌亚型分类的准确率为75%,组学特征的AUC结果为0.69。 结论 通过构建独特的影像组学特征,以用作区分小细胞肺癌与非小细胞肺癌的诊断因素。这对实现非侵入性的肺癌病理有效分型预测,指导肺癌患者后续治疗方案的选择具有重要指导意义。     

基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究

目的:探讨基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究。方法:回顾性收集2013年1月至2017年1月进行放射治疗的83例肺癌患者的临床物理剂量参数和CT影像以及随访数据。从病例的CT图像中提取107个影像组学特征,结合对应的45个临床物理剂量特征,每例病例共收集152个特征。基于22种特征提取算法和8种分类器构建的176个鉴别模型分析152个特征预测放射性肺炎的准确性以及筛选优势特征的能力。结果:临床物理剂量特征和影像组学特征预测放射性肺炎的鉴别模型中AUC值最高为0.90。前5位的优势特征是:shape_Maximum2DDiameterColumn、shape_Maximum3DDiameter、V20、glcm_Imc1、V45。结论:临床物理剂量特征和影像组学特征通过不同分类器和特征选择算法组合的鉴别模型,可以筛选出理想的鉴别模型以及优势预测特征。     

基于常规MRI的影像组学预测脑胶质瘤IDH突变的效果分析

目的探讨基于常规MRI的影像组学分析预测脑胶质瘤IDH突变的效果。方法回顾性分析经术后病理证实的172例脑胶质瘤患者(82例突变型和90例野生型)的临床资料。所有患者术前均行增强MRI检查,术后病理对IDH进行分子检测。由2名神经影像医师在FLAIR和T1加权对比增强(CE-T1WI)序列上逐层勾画肿瘤实体及周围水肿病灶,采用组内相关系数(ICC)评价2名医师分别勾画的感兴趣区域组学特征一致性,然后提取影像特征。分别使用方差阈值法、单变量特征选择法、最小绝对收缩和选择算子(LASSO)对组学特征进行筛选和降维。采用χ²检验或Fisher精确检验评价2组胶质瘤影像学特征的统计学差异。采用五折交叉验证法的分类方式,通过Logistic回归分析建立放射组学模型,采用诺莫图展示模型结果,采用校准曲线验证模型的可靠性。结果在CE-T1WI序列筛选出13个组学特征,在FLAIR序列筛选出7个组学特征。癫痫、WHO分级、影像所见强化和水肿对于IDH突变状态预测具有统计学意义(P<0.05)。影像组学模型在训练集中的AUC为0.833(95%CI0.778~0.889),在测试集中的AUC为0.753(95%CI0.628~0.895)。结论影像组学在预测脑胶质瘤IDH突变方面具有较好的性能。     

基于多参数磁共振影像组学的乳腺癌病理信息预测模型研究

联合动态增强磁共振成像(DCE-MRI)、T2加权成像(T2WI)以及弥散加权成像(DWI)的影像特征,建立基于多参数影像组学的预测模型,分别对乳腺癌分子分型、组织学分级和Ki-67表达进行预测。采集150例术前、化疗前的浸润性导管癌患者乳腺MRI数据,获取DCE-MRI、T2WI和DWI影像。分割各参数影像的病灶区域,并提取多参数影像特征。在训练集采用支持向量机递归特征消除(SVM-RFE)算法,获得影像组学最优特征子集并构建基于SVM的预测模型,在测试集中测试模型性能。采用概率平均法、概率投票法和概率模型优化法,分别将基于不同参数影像构建的预测模型进行融合,得到多参数影像联合预测结果,并计算ROC曲线下的面积(AUC)评估模型的分类性能。单参数影像模型预测Luminal A、Luminal B、HER2和Basal-like等4种分子分型的最佳AUC分别为0.672 1、0.694 0、0.677 7和0.708 6,多参数影像模型的预测结果提高到AUC分别为0.799 5、0.727 9、0.737 5和0.792 5。单参数影像模型预测分级的最佳AUC为0.753 3,多参数影...     

基于增强CT门静脉期影像组学模型对局部进展期结直肠癌新辅助化疗疗效的预测研究

目的 探讨基于CT图像的影像组学模型预测局部进展期结直肠癌（LACRC）患者新辅助化疗（NAC）疗效的潜在价值。方法 回顾性分析。纳入2014年1月—; 2019年9月山西省肿瘤医院接受手术治疗、术前均行NAC的局部进展期结直肠腺癌患者181例,其中男96例、女85例,年龄23~85岁。181例患者按7∶; 3的比例随机分为训练集（127例）、验证集（54例）,依据肿瘤退缩分级（TRG）标准分为疗效反应良好组（TRG 0~1级,81例）、反应不良组（TRG 2~3级,100例）。所有患者在治疗前均行增强CT检查。提取门脉期CT图像的1 037个影像组学特征,通过以最小绝对收缩与选择算子算法（LASSO）为主的四步法进行特征降维,然后采用多因素logistic回归对筛选出的特征构建影像组学模型;在训练集中,通过单因素及多因素logistic回归筛选预测LACRC患者NAC疗效的临床病理独立危险因素并构建临床模型;联合临床病理独立危险因素及影像组学特征构建融合模型并绘制列线图。绘制受试者工作特征曲线（ROC曲线）、校正曲线和决策曲线分析（DCA）,评估各模型对LACRC患者NAC疗效的预测性能、校准性能及其临床效益。结果 验证集患者的年龄大于训练集,差异有统计学意义（Z=-3.47,P<; 0.05）;两组患者性别分布,肿瘤临床T分期、N分期、病理分化程度,以及TRG级别等基线资料比较,差异均无统计学意义（P值均>; 0.05）。训练集中,疗效反应良好组（57例）和反应不良组（70例）患者的性别以及肿瘤临床T分期、N分期、病理分化程度的差异均有统计学意义（P值均<; 0.05）;验证集中的反应良好组（24例）和反应不良组（30例）患者的肿瘤临床T分期、N分期的差异均有统计学意义（P值均<; 0.05）。基于门脉期CT图像降维选择后共得到4个关键影像组学特征（P值均<; 0.05）,用于构建影像组学模型。临床模型包括临床T分期和病理分化程度2个独立危险因素（P<; 0.05）。影像组学模型、临床模型和融合模型在训练集的ROC曲线下面积（AUC）分别为0.822、0.702、0.850,验证集对应的AUC分别为0.757、0.706、0.824。校正曲线分析显示,影像组学模型和融合模型均有良好的校准性能。DCA 曲线分析显示,3种预测模型均有一定的临床效益,其中融合模型净收益值最大。结论 基于增强CT图像的影像组学特征结合相关临床因素构建的融合模型在预测LACRC患者NAC疗效方面有一定的价值。     

CT影像学特征联合肺癌自身抗体列线图模型对恶性肺结节的诊断价值

目的:探讨CT影像学特征联合肺癌自身抗体构建的列线图模型对恶性肺结节的诊断价值。方法:回顾性获取26例良性肺结节和80例恶性肺结节患者的人口学、CT影像和肺癌自身抗体资料数据。采用单因素、最小绝对值选择与收缩算子(LASSO)和多因素Logistic回归分析筛选恶性肺结节的独立危险因素,并据此建立列线图模型;采用受试者工作特征曲线(ROC)及校准曲线验证该模型。结果:CT特征指标结节位于上叶(UP)、CT恶性特征(CTF)和肺癌自身抗体指标p53、G抗原7(GAGE7)、ATP结合RNA解旋酶4-5(GBU4-5)、SRY盒转录因子2(SOX2)等为恶性肺结节的独立危险因素(P<0.05)。列线图模型显示其预测恶性肺结节的概率为89.7%,ROC和校准曲线也验证列线图模型有良好临床预测能力。结论:基于CT影像学特征和肺癌自身抗体构建的列线图对恶性肺结节有良好诊断效能,可作为无创量化模型用于肺结节管理。     

基于电子射野影像装置通量变化的影像组学特征进行眼突放射治疗摆位误差探测的初步研究

目的:研究基于电子射野影像装置(EPID)通量变化图像的影像组学特征探测眼突放射治疗摆位误差的可行性。方法:选取8例眼突患者,在人体头部仿真模体中生成验证计划。以无摆位误差状态下采集的EPID通量为基准,生成引入不同摆位误差的EPID通量变化图像。采用pyradiomics工具提取EPID通量变化图像的影像组学特征,验证不同影像组学特征是否可以区分临床显著的摆位误差。结果:在选取的107个特征中,有74个特征与引入摆位误差3个方向上的矢量距离有显著相关性(P<0.05)。在区分临床显著摆位误差的能力方面,传统γ分析的曲线下面积(AUC)值为0.79,而影像组学提取出相关度最高特征单变量的AUC值可以达到0.84,基于岭回归的多个特征的AUC值可以达到0.90。结论:在基于EPID通量变化的摆位误差评估中,基于传统γ分析的方法有一定的局限性,而基于影像组学特征的方法具有比传统γ分析更大的潜力。     

非小细胞肺癌淋巴结转移预测模型研究

在非小细胞肺癌的治疗过程中,淋巴结转移状态是决定治疗方案的重要因素。为了辅助临床医生制定更精确的治疗方案,开发并验证了一种基于CT影像组学非小细胞肺癌淋巴结转移的预测模型。从TCIA数据库的NSCLCRadiogenomics公共数据集中选取了134例符合试验要求的患者数据,然后从每例患者的CT影像数据中提取了1 648个特征,并用特征优化方法进行特征降维和选择,然后用朴素贝叶斯、线性判别分析、支持向量机和高斯过程5种机器学习方法建立预测模型,最后使用上海市胸科医院收集的44例患者数据进行外部验证。其中,最优淋巴结转移预测模型在训练集和测试集上准确率分别为0.802和0.795,AUC值分别为0.852和0.810。试验结果表明,所提出的预测模型分类性能良好,可以辅助医生更准确地评估淋巴结转移状态,从而制定出更精准的个性化治疗方案。     

多序列MR影像组学融合模型预测胶质瘤分级的价值

目的:探讨多序列MR影像组学特征及融合模型预测胶质瘤分级的价值。方法:回顾性分析2016年1月~2021年6月间梅州市人民医院经病理证实且行MR检查的胶质瘤病人资料。将多序列MR DICOM格式的原始图像导入ITK-SNAP软件进行VOI勾画，采用GE A.K分析软件进行影像组学特征提取，用ANOVA+Mann-Whiney、Spearman相关分析和LASSO模型进行特征筛选。选择Logistic回归（LR）算法构建单序列模型，选择LR、线性判别分析（LDA）、支持向量机（SVM）3种机器学习算法构建融合序列模型。通过受试者操作特征曲线评估不同模型的预测效能，并计算其曲线下面积（AUC）。结果:共有150例患者纳入本研究，其中低级别胶质瘤（LGG）41例，高级别胶质瘤（HGG）组109例。LGG组与HGG组病人间的性别、年龄差异无统计学意义（P>0.05）。共获得5个最优特征集，其中T1WI特征集包含15个特征，T2WI特征集包含31个特征，Flair特征集包含25个特征，DWI特征集包含12个特征，T1C包含4个特征，融合序列集包含44个特征。基于T1WI、T2WI、Flair、DWI及T1C各序列MR影像组学预测模型在训练集和测试集中的AUC分别为0.719 0、0.651 4，0.769 5、0.711 4，0.7410、0.610 2，0.721 9、0.747 0，0.815 7、0.754 5。基于LR、LDA、SVM算法的融合模型在训练集和测试集中的AUC分别为0.952 4、0.767 0，0.894 8、0.688 1，0.928 6、0.704 5。结论:基于多序列MRI影像组学特征的单序列模型中，T1C单序列预测模型对胶质瘤分级诊断效能最高；相较于单序列预测模型，多序列融合预测模型具有更高的诊断效能，且基于LR算法构建的融合模型较LDA算法及SVM算法构建的融合模型显示出更高的预测效能。     

基于超声影像组学的原发性肝细胞癌分级预测

目的:针对原发性肝细胞癌（HCC）肿瘤分级预测难题，提出一种基于灰阶超声成像的影像组学预测模型。方法:首先，由超声医生对肿瘤区域进行手动分割，其次，采用影像组学方法对肿瘤区域提取形状、一阶统计、纹理特征，计算特征间Pearson相关系数剔除冗余特征，最后通过单变量分析筛选得到特征子集，采用LASSO构建HCC分级预测模型；利用留一法计算模型的受试者操作特性曲线下的面积（AUC）评估模型对HCC分级的预测能力。结果:利用43例经手术病理证实的HCC患者的灰阶超声图像构建HCC分级预测模型，所建模型由6个与分级高度相关的影像特征组成，模型具有较强的预测能力（AUC=0.76）。结论:基于灰阶超声成像的影像特征与HCC分级高度相关，所建影像组学模型能够较好地预测HCC分级。