基于增强CT放射组学预测肝细胞肝癌病理分级

目的 观察增强CT放射组学术前预测肝细胞肝癌（HCC）病理分级的可行性及价值。方法 回顾分析429例经手术病理证实的HCC患者，分为训练组（n=329）和测试组（n=100），记录其临床特征；提取动脉期（AP）及静脉期（VP）CT图像的放射组学特征，应用最小绝对值收敛和选择算子（LASSO）回归分析法对其进行降维，筛选最有价值的组学特征后，构建基于AP、VP、AP+VP图像特征的组学模型，计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC，采用10倍交叉验证训练选择最优组学预测模型，筛选对预测HCC病理分级有意义的临床特征后，构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线，评估其诊断能力。结果 联合组学模型最优，其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义（Z=8.58、3.24，P均<0.05）。测试组中，联合模型预测HCC病理分级的AUC值（0.70）与组学模型（0.69）和临床模型（0.63）差异均无统计学意义（P均>0.05）。结论 基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。     

增强CT模型及影像组学模型预测肾透明细胞癌WHO/ISUP分级

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。     

基于增强CT影像组学模型鉴别肾透明细胞癌与非透明细胞癌

目的 建立基于增强CT的影像组学模型,评估其鉴别肾透明细胞癌（ccRCC）与非透明细胞癌（non-ccRCC）的应用价值。方法 将147例ccRCC及32例non-ccRCC患者随机分为训练集125例和测试集54例。将所有患者的增强CT资料导入ITK-SNAP软件,手动勾画ROI,获得16个特征,分别建立基于特征的随机森林（RF）模型和逻辑回归（LR）模型,采用ROC曲线观察模型对ccRCC的诊断效能。结果 训练集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度0.83;LR模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.83。测试集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.89;LR模型诊断ccRCC的AUC为0.88（P<0.05）,特异度为0.90,敏感度为0.77。结论 基于增强CT影像组学模型可用于鉴别ccRCC与non-ccRCC;RF模型诊断价值较LR模型更高。     

基于CT平扫影像组学模型预测食管癌淋巴结转移

目的 评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法 回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3 ∶ 1将其分为训练组（包括201例无淋巴结转移和75例淋巴结转移）和验证组（67例无淋巴结转移和25例淋巴结转移）。自胸部CT中提取食管癌病灶的影像组学特征,并以最小绝对收缩和选择算子（LASSO）回归进行降维,筛选与食管癌淋巴结转移关联度高的特征;采用支持向量机构建预测淋巴结转移的影像组学模型,并以受试者工作特征（ROC）曲线分析模型的诊断效能。结果 共提取1 046个组学特征参数,经LASSO降维筛选出11个特征参数用于建立预测淋巴结转移模型。影像组学模型预测训练组淋巴结转移的曲线下面积（AUC）为0.84,敏感度为84.00%,特异度为75.12%,准确率为77.54%;于验证组的AUC为0.82,敏感度为80.00%,特异度为77.61%,准确率为78.26%。结论 术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移具有较高价值。     

多时相CT影像组学模型预测胸腺瘤风险分类

目的 观察多时相CT影像组学模型预测胸腺瘤风险分类的价值。方法 纳入86例经病理确诊的单发胸腺瘤患者,包括32例高风险及54例低风险胸腺瘤,按照7∶3比例将其分为训练集(n=59)和验证集(n=27);采用单因素及多因素logistic回归分析训练集临床及CT特征,筛选胸腺瘤风险分类的独立预测因素,构建临床-CT模型。分别基于平扫、动脉期(AP)、静脉期(VP)、平扫+AP、平扫+VP、AP+VP及平扫+AP+VP提取并筛选最优影像组学特征,计算影像组学评分(Rad-score);采用受试者工作特征(ROC)曲线选取最佳影像组学模型,以之联合临床-CT特征构建联合模型。绘制ROC曲线,计算曲线下面积(AUC),评估各模型预测胸腺瘤风险分类的效能。结果 周围脂肪浸润是胸腺瘤风险分类的独立预测因素(OR=0.029,P=0.004)。ROC曲线显示,模型_AP+VP为最佳影像组学模型,其与联合模型预测训练集胸腺瘤风险分类的AUC分别为0.860及0.877,均高于临床-CT模型的0.736(Z=1.925、-2.464,P均＜0.05),预测验证集的AUC分别为0.835及0.847,亦高于临床-CT模型的0.641(Z=1.840、-2.137,P均＜0.05);模型_AP+VP与联合模型在训练集和验证集的AUC差异均无统计学意义(Z=-1.180、0.291,P均＞0.05)。结论 多时相CT影像组学模型可有效预测胸腺瘤风险分类。     

增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润

目的 评价增强CT影像组学列线图预测膀胱尿路上皮癌肌层浸润的可行性.方法 纳入91例膀胱尿路上皮癌患者,根据手术病理结果分为非肌层浸润性膀胱癌(NMIBC)组(n=51)和肌层浸润性膀胱癌(MIBC)组(n=40),比较组间CT特征差异.利用Mazda软件提取病变纹理参数,以Lasso算法筛选,联合十折交叉验证构建Lo...     

临床及CT影像组学特征预测胃癌微卫星高度不稳定状态

目的 观察临床和CT影像组学特征用于预测胃癌微卫星高度不稳定(MSI-H)状态的价值。方法 纳入150例胃癌患者,MSI-H阳性30例、阴性120例;按7∶3比例将其分为训练集(n=105)和验证集(n=45)。基于腹部静脉期增强CT图提取病灶影像组学特征并加以筛选,计算影像组学评分(Radscore);比较训练集和验证集MSI-H阳性与阴性患者临床资料及Radscore差异;分别基于其间差异有统计学意义的临床因素和Radscore构建临床模型、CT影像组学模型及临床-CT影像组学联合模型,评估其预测胃癌MSI-H状态的价值。结果 训练集和验证集中,MSI-H阳性与阴性肿瘤位置、Radscore差异均有统计学意义(P均<0.05)。临床模型、CT影像组学模型及联合模型评估训练集胃癌MSI-H状态的曲线下面积(AUC)分别0.760、0.799及0.864,在验证集分别为0.735、0.812及0.849;联合模型的AUC大于2种单一模型(P均<0.05)。结论 基于肿瘤位置和Radscore的临床-CT影像组学联合特征可有效预测胃癌MSI-H状态。     

CT影像组学评估门静脉高压及预测曲张静脉出血

目的探讨基于CT影像组学标签评估门静脉高压(PH)的可行性及其预测曲张静脉出血的价值。方法回顾性分析112例确诊或疑似PH患者,分别以肝静脉压力梯度(HVPG)10、12和20 mmHg作为界值,将患者分为HVPG<10 mmHg组和≥10 mmHg组,HVPG<12 mmHg组和≥12 mmHg组,HVPG<20 mmHg组和≥20 mmHg组,以MaZda软件提取并分析肝脏增强CT门脉期图像纹理特征,观察影像组学判断不同程度PH及曲张静脉出血的效能。结果 CT征象中,在HVPG<10及≥10、HVPG<12及≥12组间有无腹腔积液差异具有统计学意义(P均<0.05);单层面勾画ROI判别HVPG≥10 mmHg、HVPG≥12 mmHg、HVPG≥20 mmHg及曲张静脉出血的平均最小误诊率分别为12.50%、14.74%、10.27%及22.70%;多层面勾画平均最小误诊率分别为10.27%、11.16%、5.36%及20.49%(P均>0.05)。HVPG预测PH患者曲张静脉出血的曲线下面积(AUC)为0.813[95%CI(0.730...     

基于CT影像组学模型预测肺原位腺癌及微浸润腺癌与浸润性腺癌

目的 探讨基于CT影像组学预测肺腺癌中的原位癌（AIS）和微浸润腺癌（MIA）以及浸润性腺癌（IAC）的价值。方法 回顾性分析542例经手术病理确诊且病理亚型明确的肺腺癌患者，将AIS及MIA归为第1组，IAC为第2组。比较2组患者性别和年龄差异。采用特征提取软件提取病灶三维纹理特征参数，分析组间差异明显的影像组学特征，筛选最佳影像组学特征构建预测模型。按2：1比例将数据分为训练集和验证集，采用6种机器学习算法对5倍交叉验证数据集进行分类，选择最佳分类器；以之分析5倍交叉验证数据集、训练集和验证集，获得模型预测肺腺癌病理分型的ROC曲线及相应AUC、特异度、敏感度及准确率。结果 第1组235例，第2组307例，组间性别和年龄差异均无统计学意义（χ²=0.56、t=-0.19，P=0.63、0.98）。共提取病灶1 766个三维纹理特征参数，其中988个影像组学特征存在明显组间差异，最终以10个最佳影像组学特征构建预测模型。以Perceptron分类器为最佳分类器。模型预测验证集病理分型的AUC为0.95，准确率、特异度、敏感度分别为0.88、0.87、0.84。结论 基于CT影像组学模型能有效预测肺腺癌中的AIS及MIA与IAC。     

基于CT影像组学和机器学习脑出血研究进展

脑出血指非外伤性脑实质内出血,发病急,进展迅速,致死率和致残率高。对于疑诊急性脑出血患者,CT为首选影像学检查手段。影像组学高通量从CT图像中提取特征信息,结合机器学习算法,能快速、准确地诊断疾病、评估病情和预测预后。本文就基于CT影像组学和机器学习脑出血研究进展进行综述。     

术前CT影像组学联合CT及病理特征预测局部进展期食管鳞癌术后早期复发

目的 观察术前CT影像组学联合病理及CT特征预测局部进展期食管鳞癌(LAESCC)早期复发(ER)的价值。方法 回顾性分析334例LAESCC,按7 ∶ 3比例将患者分为训练集(n=234)或验证集(n=100),对其进行随访,记录术后有无ER(即术后12个月内肿瘤复发)。采用单因素及多因素logistic回归比较训练集有、无ER患者临床、CT表现及术前病理资料,筛选ER独立危险因素,构建CT-术前病理模型。基于训练集静脉期CT图像提取及筛选LAESCC影像组学特征并建立影像组学模型,以之联合独立危险因素建立联合模型。绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型诊断效能。结果 334例中,168例ER、166例无ER;训练集有、无ER均为117例、验证集51例ER、49例无ER。CT显示LAESCC长度、cT分期、cN分期及术前病理分化程度均为ER独立危险因素(P均＜0.05);CT-术前病理模型在训练集和验证集的AUC分别为0.759和0.783。共选出10个最佳影像组学特征,以之建立的影像组学模型在训练集和验证集的AUC分别为0.770和0.730,联合模型在训练集和验证集的AUC分别为0.838和0.826。联合模型在训练集的AUC高于术前CT-病理模型及影像组学模型(P均＜0.01)。结论 CT影像组学联合CT及术前病理特征能有效预测LAESCC术后ER。     

CT影像组学预测肾透明细胞癌病理分级:Meta分析

目的 采用Meta分析观察CT影像组学预测肾透明细胞癌(ccRCC)病理分级的价值。方法 检索建库至2021年1月PubMed、Web of Science、EMbase及中国知网、中国生物医学文献服务系统和万方医学网CT影像组学预测ccRCC病理分级相关文献,并进行筛选、质量评价及资料提取;以Stata 16.0软件行Meta分析。结果 纳入16篇文献、2 489例患者共2 495个ccRCC病灶。CT影像组学预测ccRCC病理分级无明显阈值效益(r=0.12,P＜0.01)而具有较高异质性(I²≥50%),其合并敏感度0.85、合并特异度0.86,阳性似然比6.00、阴性似然比0.18、诊断比值比34.00,曲线下面积0.92。结论 CT影像组学预测ccRCC病理分级效能较佳。     

基于CT影像组学术前预测胃癌淋巴血管侵犯

目的 探讨基于CT影像组学术前预测胃癌淋巴血管侵犯的价值。方法 回顾性收集经手术病理证实的181例胃癌患者,将其随机分为训练集（n=120）和验证集（n=61）。首先基于增强CT静脉期图像分割肿瘤区域并提取影像组学特征;然后利用训练集筛选与淋巴血管侵犯相关特征,构建影像组学标签;最后基于验证集验证模型,采用ROC曲线及校准曲线评估模型的预测效能及拟合度。结果 最终提取7个与胃癌淋巴管血管侵犯最相关的影像组学特征构建影像组学标签,其在训练集的ROC曲线AUC为0.742[P=0.001,95%CI（0.652,0.831）],验证集AUC为0.727[P=0.002,95%CI（0.593,0.853）]。基于训练集所得最优阈值为0.422,模型在训练集中的准确率、敏感度和特异度分别为0.708、0.586、0.806,将此阈值用于验证集,其准确率、敏感度和特异度为0.689、0.519、0.824。校准曲线显示影像组学标签在训练集及验证集均具有较好的拟合度（P均>0.05）。结论 CT影像组学可作为预测胃癌术前淋巴血管侵犯提供的全新的无创影像学方法。     

CT表现及血清指标预测免疫/靶向治疗对中晚期肝细胞癌的效果

目的 评估治疗前CT表现及血清指标预测免疫/靶向治疗对中晚期肝细胞癌（HCC）的效果的价值。方法 回顾性分析50例经穿刺活检组织病理学检查确诊的中晚期HCC患者,均于靶向/免疫治疗前和治疗8周后接受腹部CT及实验室血清检查;根据改良实体瘤疗效评价标准评价疗效,并据以分为控制组（n=40）及进展组（n=10）,比较治疗前组间CT表现及血清指标差异。采用受试者工作特征（ROC）曲线确定CT征象及血清学指标预测疗效的截断值,以多因素Logistic回归分析CT征象、血清指标与疗效的关系,并建立预测模型,以ROC曲线评价其预测疗效的效能。结果 组间HCC最大截面面积、是否邻近肝包膜及血小板计数、白蛋白/纤维蛋白原（AFR）差异均有统计学意义（P均<0.05）;最大截面面积、静脉期强化率、血小板计数为预测疗效的独立因素（P均<0.05）。联合预测模型、CT征象预测模型及血清指标预测模型的AUC分别为0.88、0.81及0.71（P均>0.05）。结论 根据治疗前CT表现及血清学指标均可预测免疫/靶向治疗对中晚期HCC的效果;联合应用上述指标或可提高预测效能。