共查询到15条相似文献,搜索用时 171 毫秒
1.
目的 观察对比增强液体衰减反转恢复(CE-FLAIR)序列MRI影像组学模型判断成人弥漫性低级别胶质瘤(DLGG)1p/19q状态的价值。方法 纳入135例成人DLGG患者、含81例1p/19q共缺失,经分层抽样按7∶3比例将其分为训练集(n=95)及验证集(n=40)。基于训练集CE-FLAIR数据提取、筛选DLGG 1p/19q共缺失影像组学特征,构建支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)、轻量梯度提升机(LightGBM)及逻辑回归(LR)模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评价影像组学模型判断训练集及验证集DLGG 1p/19q状态的价值,并以DeLong检验进行比较。结果 共提取851个影像组学特征,以Mann-Whitney U检验筛选出74个差异有统计学意义者,再经5折交叉验证的最小绝对收缩和选择算子选出12个与1p/19q状态显著相关者;以之构建的SVM、RF、XGBoost、LightGBM及LR模型评价训练集DLGG 1p/19q状态的AUC分别为0.89、0.97、0.97、0.96及0.85,评估验证集的AUC... 相似文献
2.
3.
4.
目的 观察T2WI及对比增强T1WI(T1C)影像组学模型鉴别纤维型与非纤维型脑膜瘤的价值。方法 回顾性分析423例经病理证实的单发低级别脑膜瘤患者,按7∶3比例分为训练集(n=296)和验证集(n=127);提取训练集T2WI和T1C中病灶3 376个影像组学特征,以SelectPercentile单因素分析法及最小绝对收缩和选择算子(LASSO)筛选最优影像组学特征,分别以分类器逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、线性SVC(LinearSVC)、自适应增强(Adaboost)及决策树(DT)构建鉴别纤维型与非纤维型脑膜瘤的影像组学模型,即模型LR、模型SVM、模型RF、模型linearSVC、模型Adaboost及模型DT,以验证集验证其效能。结果 基于T2WI和T1C共筛出13个最优影像组学特征,以之构建的模型LR、模型SVM、模型RF、模型linea... 相似文献
5.
6.
《磁共振成像》2020,(1)
目的拟采用不同核磁共振图像、不同机器学习模型来建立胶质瘤术前分级的影像组学模型,探究影像组学模型在胶质瘤术前分级中的可行性。材料与方法回顾性分析术前行常规MRI检查的脑胶质瘤患者93例,分为低级别胶质瘤(LGG组)和高级别胶质瘤(HGG组)。将DICOM格式图像导入GE-AK软件,对T2WI和T1增强(T1CE)图像进行感兴趣区(region of interest,ROI)勾画,将提取得到的直方图特征和纹理特征导入R语言软件包进行特征预处理和降维,选择三种函数建立六种机器学习模型,将全部数据按照7︰3比例,分为训练集与测试集,利用10倍交叉验证对六种模型进行训练,然后通过测试集进行验证,并绘制ROC曲线,计算其分类LGG与HGG的敏感度、特异度、AUC。结果 LGG组平均年龄低于HGG组,差异有统计学意义(P0.01)。LGG组与HGG组性别组成差异无统计学意义(P0.05)。六种影像组学模型的AUC值均大于0.8,基于T1CE图像的影像组学模型的AUC值均大于基于T2WI图像模型的AUC,其中基于T1CE图像的RF模型的AUC最高,达到0.97。结论影像组学诊断模型对胶质瘤的病理分级具有较好的诊断价值,六种影像组学模型的诊断效能均较高,其中基于T1CE图像的RF模型诊断效能最高。 相似文献
7.
8.
目的 比较增强CT模型与影像组学模型预测肾透明细胞癌(ccRCC)WHO/ISUP分级的效能。方法 回顾性分析131例经病理确诊ccRCC患者,按照3 ∶ 2比例分层抽样分为训练集(n=78)和验证集(n=53)。根据2016版肾癌WHO/ISUP病理分级标准,以Ⅰ~Ⅱ级为低级别、Ⅲ~Ⅳ级为高级别ccRCC。训练集55例低级别、23例高级别ccRCC;验证集37例低级别、16例高级别ccRCC。以训练集构建增强CT模型及影像组学模型预测ccRCC级别,于验证集加以验证,比较其诊断效能。结果 增强CT模型在训练集及验证集预测高、低级别ccRCC的曲线下面积(AUC)分别为0.89及0.76,敏感度分别0.83及0.56,特异度分别为0.84及0.87;影像组学模型的AUC分别为0.98及0.85,敏感度分别0.96及0.91,特异度分别为0.75及0.84。训练集中影像组学模型的AUC大于增强CT模型(Z=2.05,P<0.05),验证集中二者AUC差异无统计学意义(Z=0.95,P=0.34)。决策曲线分析结果显示高风险概率阈值为0.08~1.00时,影像组学模型净获益高于增强CT模型。结论 影像组学模型预测ccRCC WHO/ISUP分级的效能优于增强CT模型。 相似文献
9.
T2—液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)序列错配征是常规MRI中易于识别的影像学征象,表现为胶质瘤瘤体在T2WI序列上呈均匀高信号,且能被FLAIR序列部分抑制。大量研究表明,该征象能有效预测较低级别胶质瘤的分子分型,尤其是对预测异柠檬酸脱氢酶(isocitrate dehydrogenase, IDH)突变伴1p/19q未联合缺失型较低级别胶质瘤具有较高的特异性。T2-FLAIR错配征因其无创性、高特异性在未来的临床应用中具有巨大的潜力。本文就T2-FLAIR错配征的定义、病理—影像相关机制以及该征象的临床应用进行综述。 相似文献
10.
11.
12.
13.
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... 相似文献
14.
目的 探讨临床、CT影像组学及融合模型等6个模型术前预测甲状腺乳头状癌(PTC)中央区淋巴结转移(CLNM)的价值。方法 纳入103例PTC患者,根据术后病理结果将患者分为无CLNM组(n=50)和CLNM组(n=53),比较组间临床资料及CT征象差异,按7∶3比例随机将各组分为训练集及测试集,提取训练集CT影像组学的特征,构建临床模型、平扫期(NP)模型、动脉期(AP)模型、静脉期(AP)模型、NP+AP+VP模型及融合模型。模型的效能的评价标准为AUC、敏感度及特异性。结果 两组的性别差异有统计学意义(P=0.002);在CT征象中,两组间病灶直径(P=0.001)及甲状腺包膜侵犯(P=0.024)的差异有统计学意义。在NP模型、AP模型、VP模型及NP+AP+VP模型这4个组学模型中NP+AP+VP模型预测PTC患者发生CLNM的效能最佳。比较临床模型、NP+AP+VP模型及融合模型的预测效能,融合模型表现最佳,在训练集和测试集中均具有最高的AUC、敏感度和特异性。结论 融合模型在训练集和测试集中预测PTC患者发生CLNM的效能均最好,有望对术前评估PTC患者CLNM提供有效的辅... 相似文献
15.