排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
目的探讨基于胃癌原发灶及癌旁胃壁外脂肪组织的CT影像组学模型鉴别T1～2与T3～4期胃癌的价值。方法本研究为病例对照研究, 回顾性收集2011年12月到2019年12月江苏大学附属人民医院465例胃癌患者, 根据术后病理将其分为T1～2期(150例)及T3～4期(315例)。采用分层抽样方法按7∶3的比例分为训练集(326例)和测试集(139例), 训练集中T1～2期104例、T3～4期222例, 测试集中T1～2期46例、T3～4期93例。选择术前1周内静脉期增强CT图像勾画胃癌原发灶及癌旁胃壁外脂肪组织为感兴趣区(ROI), 采用Pyradiomics软件提取ROI的影像组学特征, 用最小绝对收缩和选择算子回归筛选与T分期相关的特征, 建立胃癌原发灶和胃壁外脂肪组织影像组学模型。采用独立样本t检验或χ2检验比较训练集中T1～2与T3～4期患者临床特征的差异, 将差异有统计学意义的特征建立临床模型。联合2个影像组学模型及临床模型构建临床-影像组学联合模型, 并生成列线图。用受试者操作特征曲线下面积(AUC)评价各模型鉴别胃癌T1～2与T3～4期的效能, 用校准曲线评价列线图预测胃癌的... 相似文献
2.
目的:探讨基于CT影像组学构建的模型术前鉴别T1-2与T3-4期胃癌的价值。方法:回顾性分析465例术前行腹部CT增强扫描且经切除术后T分期明确的胃癌患者,将其分为T1-2期及T3-4期两组,采用分层抽样方法按7∶3分为训练集及测试集。在其静脉期CT图像上进行感兴趣区(ROI)的勾画及影像组学特征的提取。采用LASSO回归筛选出与T分期相关性最高的特征,分别利用逻辑回归、支持向量机及决策树建立影像组学模型。基于影像组学特征建立影像组学标签,基于临床特征建立临床模型,结合影像组学标签及临床特征构建影像组学诺模图。使用受试者工作特征(ROC)曲线评价各模型鉴别T分期的效能;Delong检验比较最优影像组学模型与临床模型的ROC曲线下面积(AUC)的差异性及诺模图与二者中效能更好的模型之间AUC的差异性;采用校准曲线评价模型评估与实际病理结果的匹配性,决策曲线评价模型的临床净收益。结果:影像组学模型中,逻辑回归模型的预测效能最好,在训练集和测试集上的AUC分别为0.864、0.836,均高于临床模型;结合影像组学标签及临床特征生成的影像组学诺模图预测效能优于3种影像组学模型和临床模型,在训练... 相似文献
1