基于MRI影像组学模型对食管癌淋巴结转移的预测价值

目的 探讨基于T₂WI及增强T₁WI序列MRI影像组学特征构建模型预测食管癌淋巴结转移的价值。 方法 回顾性收集经病理证实并行多模态MRI检查的食管癌病人120例，男89例，女31例，平均年龄（63.4±8.2）岁。将病人按7:3比例随机分为训练集84例和验证集36例。以手术病理为金标准将病人分为淋巴结转移阴性组（56例）和阳性组（64例）。采用A.K.软件基于T₂WI和增强T₁WI获取肿瘤兴趣区体积（VOI），提取影像组学特征并进行降维筛选，并采用Logistic回归分析法构建基于T₂WI、增强T₁WI、联合T₂WI+增强T₁WI序列的影像组学模型。2组间一般临床资料比较采用独立样本t检验和χ²检验。采用组内相关系数（ICC）分析2名医师获取VOI的一致性。采用受试者操作特征（ROC）曲线评估预测模型的诊断效能，计算其曲线下面积（AUC），并采用DeLong法比较不同模型的AUC值。 结果 淋巴结转移阴性和阳性组间病人的性别、年龄，肿瘤位置、病理类型及肿瘤长度的差异均无统计学意义（均P>0.05）。2名医师在T₂WI和增强T₁WI影像上获取VOI的一致性均较好（均P>0.8）。经筛选后，基于T₂WI、增强T₁WI、T₂WI+增强T₁WI联合序列获得的影像组学特征分别有5、6、9个。在训练集及验证集中联合模型的AUC高于增强T₁WI和T₂WI模型，且增强T₁WI模型的AUC高于T₂WI模型（均P<0.05）。 结论 基于MRI影像组学特征构建的模型对食管癌病人术前淋巴结转移具有良好的预测效能，且T₂WI+增强T₁WI联合模型较单序列模型的预测价值更高。     

基于多参数MRI影像组学列线图预测直肠癌PD-1表达状态

目的 使用多参数MRI影像组学列线图预测直肠癌患者肿瘤细胞程序性死亡受体1(PD-1)表达状态。方法 回顾性的纳入病理确诊的168例直肠腺癌患者,均接受术前多参数MRI检查与术后PD-1免疫组织化学分析。按7∶3的比例随机分为训练组(n=118)和测试组(n=50)。构建并比较T₂WI、DWI及T₂WI+DWI影像组学模型的性能。根据单、多因素逻辑回归筛选出临床独立危险因素建立临床模型。最后将最佳影像组学评分结合临床特征以构建联合模型,并将其展现为可视化列线图。以受试者曲线下面积(AUC)、校准曲线及决策曲线评估模型的临床价值。结果 经特征筛选最终T₂WI、DWI、T₂WI+DWI序列分别保留8、5、9个影像组学特征,各模型训练集和测试集中的PD-1表达的效能由AUC评估(测试集中,T₂WI为0.64,DWI为0.66,T₂WI+DWI为0.74),组合模式明显优于单一成像方式。临床T、N分期为独立危险因素(P<0.05),其临床模型AUC值为0.6...     

基于MRI影像组学列线图在宫颈鳞癌组织学分级中的预测研究

目的 建立并验证MRI影像组学列线图模型，实现术前对宫颈鳞癌组织学分级的准确预测。方法 回顾性搜集2019年1月至2021年10月于蚌埠医学院第一附属医院就诊208例患者的临床及影像资料。按照7∶3的比例将所有患者随机分为训练组(n=145)、验证组(n=63),在训练组患者选取矢状位T₂WI、增强T₁WI及轴位DWI图像，在病灶最大层面边缘勾画获取感兴趣区(ROI)提取影像特征，应用最小绝对收缩和选择算子(LASSO)算法建立影像组学评分。采用多因素Logistic回归分析确定独立危险因素，并结合影像组学评分建立MRI影像组学列线图。运用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测性能。应用校正曲线评估列线图的临床应用价值。结果 基于临床参数及影像组学评分构建的列线图模型(AUC:0.852)的诊断效能高于临床特征模型(AUC:0.723)及影像组学模型(AUC:0.788)。结论 结合临床模型和影像组学评分的MRI影像组学列线图模型是一种简单、有效、可靠的预测宫颈鳞癌组织学分级的方法。     

DWI联合T2WI在鉴别T2和T3期直肠癌术前分期中的应用价值

目的:探讨磁共振DWI联合T₂WI对T2和T3期直肠癌的术前分期价值。方法:将在本院初诊、术前未进行放化疗且有完整的病理资料和明确的TNM分期诊断结果的213例直肠癌患者纳入本研究。所有患者在术前行直肠标准方案MRI检查(T₁WI、高分辨小视野非抑脂FSE-T₂WI、DWI及增强扫描)。对DWI联合T₂WI及单独使用T₂WI对T2和T3期直肠癌的诊断效能(符合率、特异度、敏感度、阳性预测值及阴性预测值)进行分析和比较,并对两位阅片者诊断结果的一致性进行分析。结果:DWI联合T₂WI和单独使用T₂WI对T2期直肠癌的诊断符合率、敏感度、特异度、PPV和NPV分别为92.5%vs.84.0%、93.8%vs.56.9%、91.9%vs.95.9%、83.6%vs.86.0%和97.1%vs.83.5%;而在诊断T3期直肠癌时相应诊断结果分别为91.1%vs.79.3%、89.3%vs.85.5%、93.9%vs.69.5%、95.9%vs.81.8%和84.6%vs.75.0%。单独使用T₂WI对直肠癌术前T分期的诊断符合率为76.5%,而DWI联合T₂WI为89.2%,差异具有统计学意义(P<0.001)。两位研究者分别基于DWI联合T₂WI及单独T₂WI进行术前分期时均获得了较好的组间一致性,Kappa值均为0.848。结论:DWI联合T₂WI对T2和T3期直肠癌的术前分期诊断效能要优于单独使用T₂WI。     

基于MRI影像组学预测宫颈癌Ki-67表达水平

目的:开发并验证基于多参数MRI图像特征的影像组学特征预测模型对术前宫颈癌症患者的Ki-67指数状态的预测。方法:回顾性分析来自两个不同机构的91例宫颈癌患者的MRI影像及病理结果。根据术后免疫组化结果，将Ki-67指数分为高表达组(>60%)及低表达组(≤60%)。从每位患者的T₂/SPAIR、ADC和CE T₁WI图像中共提取3390个影像学特征。单变量分析和最小绝对收缩选择算子(LASSO)对影像组学特征进行降维处理，最终筛选出关键特征。采用Logistic回归、决策树、支持向量模型(SVM)方法构建模型。采用受试者操作特征(ROC)曲线分析影像组学特征的预测准确性，计算曲线下面积(AUC)。结果:91例患者中，27例Ki-67低表达，64例Ki-67高表达。最终从T₂/SPAIR、CE T₁WI、ADC图像中分别筛选出4、6、5个影像学特征。对Ki-67状态的预测，三个序列对应的模型构建方法为Logistic回归、SVM、Logistic模型，最终获得的训练组AUC分别为0.801、0...     

基于T2WI和增强MRI影像组学列线图预测宫颈鳞癌淋巴脉管间隙浸润

目的:探讨基于T₂WI和增强MRI影像组学列线图对宫颈鳞癌淋巴脉管间隙浸润(LVSI)的预测价值。方法:将92例经术后病理证实的宫颈鳞癌患者纳入研究,并按7:3的比例随机分为训练集(66例)和验证集(26例)。所有患者术前行MRI检查,在横轴面T₂WI和对比增强T₁WI(T1CE)上选取病灶最大层面沿肿瘤边缘勾画ROI,应用AK软件提取影像组学特征。采用mRMR和LASSO回归分析对提取的纹理特征进行初步筛选,然后进行多因素logistic回归分析,构建影像组学模型。使用单因素logistic回归分析筛选临床病理危险因素,并使用多因素logistic回归结合影像组学评分(Radscore)构建影像组学列线图。应用ROC曲线评估影像组学模型、临床病理危险因素模型和影像组学列线图模型的预测能力,并应用决策曲线分析评估影像组学列线图的临床应用价值。结果:在T₂WI和T1CE图像上分别提取病灶的396个影像组学特征,最终筛选出14个具有最大诊断效能的纹理特征。使用多因素logistic回归构建包含FIGO分期、分化程度和Radscore的影像组学列线图。影像组学列线图的预测效能优于临床病理危险因素模型(训练集中,AUC:0.96 vs.0.70;Delong检验:Z=4.04,P=5.415e-05;验证集中,AUC:0.87 vs.0.71;delong检验:Z=1.24,P=0.02)。决策曲线分析显示风险阈值为0.01~1.00时使用影像组学列线图对预测宫颈鳞癌LVSI情况的临床应用价值较大。结论:基于双序列MRI构建的影像组学列线图对宫颈鳞癌LVSI情况有较好的预测能力,可作为一种术前评估的无创性影像学生物标志。     

基于ADC和增强MRI的影像组学模型预测低级别胶质瘤TERT启动子突变状态

目的:探讨基于ADC和增强MRI的影像组学模型对低级别胶质瘤端粒酶逆转录酶基因（TERT）启动子突变状态的预测价值。方法:回顾性搜集109例经病理证实的低级别胶质瘤患者,所有患者术前均行MRI检查,在ADC和对比增强T₁WI（T₁CE）图像上选取病灶最大层面,沿肿瘤边缘勾画ROI,提取影像组学特征。采用三联法（Fisher, POE+ACC,MI）和最小绝对收缩选择算子（LASSO）进行特征筛选,然后行多因素logistic回归分析,构建影像组学预测模型。采用ROC曲线评估预测模型的诊断效能。结果:在ADC和T₁CE图像上分别提取279个影像组学特征,最终筛选出11个影像组学特征,分别建立ADC模型、T₁CE模型和联合分析（ADC+T1CE）模型共3个影像组学模型。联合分析模型的预测效能最佳,训练集中曲线下面积（AUC）为0.928（95%CI:0.859～0.996）,验证集中AUC为0.878（95%CI:0.758～0.997）。结论:基于ADC和增强MRI的影像组学模型能有效预测低级别胶质瘤...     

基于MRI的机器学习模型预测PI-RADS 3病变的良恶性及侵袭性

目的 构建基于MRI影像组学特征的机器学习模型,以预测PI-RADS 3前列腺病变的良恶性及侵袭性。 方法 回顾性分析296例PI-RADS 3前列腺病变病人的MRI影像资料。其中,PCa病人141例,非PCa病人155例。并将病人以7∶3的比例随机划分为训练集和独立验证集。由2名医师使用3D Slicer软件在T₂WI、DWI、DCE-T₁WI上手动勾画病变,并分别提取影像组学特征。采用组内相关系数（ICC）评估2名医师病变勾画的稳定性。采用t检验和最小绝对值收敛和选择算子（LASSO）算法进行特征筛选。使用支持向量机（SVM）算法分别构建前列腺病变良恶性预测模型及PCa侵袭性预测模型。采用Mann-Whitney U检验比较2组间前列腺特异性抗原（PSA）水平。采用受试者操作特征（ROC）曲线下面积（AUC）、准确度、敏感度和特异度评估模型的预测效能。 结果 141例PCa病人的PSA水平高于非PCa病人（P<0.05）。141例PCa病人中,临床有意义PCa（csPCa）100例,临床无意义PCa（ciPCa）41例。csPCa病人的PSA水平也高于ciPCa病人（P<0.05）。共分析296个病灶,每个病灶均提取2 553个影像组学特征。2名医师对病变勾画均具有良好的一致性（ICC：组间0.81,组内0.84）。在前列腺病变的良恶性预测中,训练集207个病灶,验证集89个病灶,最终筛选出14个特征（9个DWI、3个T₂WI、2个DCE特征）,构建的预测模型在训练集中的AUC、准确度、敏感度和特异度分别为0.93（95%CI：0.91~0.95）、0.82、0.78、0.85,在独立验证集中分别为0.89（95%CI：0.86~0.92）、0.81、0.86、0.77;在PCa的侵袭性预测中,训练集98个病灶,验证集43个病灶,最终筛选出12个特征（5个DWI,4个T₂WI,3个DCE特征）,构建的预测模型在训练集中的AUC、准确度、敏感度和特异度分别为0.92（95%CI：0.89~0.94）、0.85、0.87、0.84,在独立验证集中分别为0.85（95%CI：0.81~0.89）0.72、0.73、0.70。 结论 基于MRI影像组学特征的机器学习模型能有效预测PI-RADS 3前列腺病变的良恶性及侵袭性。     

MRI多模态影像组学鉴别肝细胞肝癌与肝富血供良性病变的应用价值

目的:探讨基于T₂WI、DWI的影像组学鉴别肝细胞肝癌(HCC)与肝富血供良性病变(BLLs)的价值。方法:回顾性收集114例经病理证实为HCC(n=77)、血管瘤(n=23)、肝局灶性结节样增生(n=8)、肝血管平滑肌脂肪瘤(n=4)、肝脓肿(n=2)患者的临床与影像资料,所有患者均在术前行3.0T MRI增强检查。利用ITK-SNAP软件勾画病灶,通过最小绝对收缩和选择算子回归以及最小冗余最大相关筛选影像组学特征,计算影像组学分数(Rad-score),使用多元logistic回归算法构建预测模型。绘制受试者工作特性(ROC)曲线评估预测模型的效能,并与两位不同年资影像医生的诊断结果进行比较。结果:筛选得到5个T₂WI特征、6个DWI特征,计算Rad-score,结合3个临床独立预测因子(年龄、性别、病灶位置)用于建立诺模图。与临床预测模型、影像组学模型相比,诺模图模型在训练集、测试集中显示出较高的诊断效能,AUC分别为0.988、0.955,敏感度分别为0.981、0.958,特异度分别为0.923、0.727,准确度分别为0.962、...     

MRI影像组学列线图术前预测子宫内膜癌淋巴结转移

目的 构建并验证MRI影像组学列线图术前预测子宫内膜癌淋巴结转移的价值。资料与方法 回顾性分析2014年9月—2022年5月福建省妇幼保健院195例子宫内膜癌患者的临床及影像资料，利用MaZda软件获取影像组学特征，建立影像组学得分，利用多因素Logistic回归建立淋巴结转移预测列线图，采用受试者工作特征曲线评价模型的预测效能，并在测试集中进行验证。结果 训练集134例，其中淋巴结转移43例；验证集61例，其中淋巴结转移28例，术前MRI诊断淋巴结转移的敏感度为32.4%(23/71)，特异度为96.0%(119/124)。多因素Logistic回归分析显示影像组学得分、MRI提示宫颈间质浸润、Ki-67、MRI提示淋巴结转移为独立危险因素，依此构建的预测模型在训练组及验证组的曲线下面积分别为0.897、0.840,HosmerLemeshow检验显示模型在训练组、验证组拟合优度良好（P=0.689、0.167）。结论 MRI影像组学列线图提高了子宫内膜癌淋巴结转移的诊断效能，有助于临床制订个体化治疗策略。     

ZOOMit-IVIM-DWI联合超声弹性成像预测甲状腺乳头状癌侵袭性

目的:探讨超声弹性成像联合磁共振ZOOMit-IVIM-DWI在预测甲状腺乳头状癌腺外侵犯及淋巴结转移中的应用价值。方法:回顾性搜集在本院经手术确诊的103例甲状腺乳头状癌患者的临床和影像资料。所有患者在术前行超声剪切波弹性成像(SWE)及MRI检查(包括T₁WI、T₂WI和ZOOMit-IVIM-DWI序列),超声检查评估和测量的指标包括最大径、纵横比、钙化、回声(低回声、等回声)、成分(囊实性、实性)、边缘(规则、不规则)、是否伴有弥漫性病变及杨氏模量最大值(E_max),ZOO-Mit-IVIM-DWI序列测量的参数包括D、D^*和f值。按7∶3的比例将患者分为训练集和验证集;然后,根据病理结果,又分别按淋巴结转移情况及腺外侵犯情况将患者分为2组。在训练集中采用独立样本t检验、Wilcoxon秩和检验或卡方检验以及单因素logistc回归分析对两组间的各项影像特征和参数进行比较并筛选有鉴别意义的变量,然后采用多因素logistic回归方法建立预测模型,采用ROC曲线评估模型的诊断效能,并在验证集中...     

基于影像组学构建乳腺癌前哨淋巴结转移预测模型的研究

目的:探讨基于MRI动态增强扫描(DCE-MRI)的影像组学在预测乳腺癌前哨淋巴结(SLN)转移中的价值。方法 :回顾性收集经病理证实并行DCE-MRI检查的浸润性乳腺癌164例(训练组124例,验证组40例)。在DCE-MRI图像上提取影像组学特征,并计算DCE参数,采用Lasso-Logistic回归模型对影像组学特征进行筛选。分别建立单纯影像组学模型、单纯DCE参数模型及联合模型。采用ROC的AUC评价不同模型的鉴别预测效能,并对模型的ROC曲线行DeLong检验;在验证队列中评估其预测效能。结果:共提取396个影像组学特征,经筛选得到28个特征,联合DCE参数分别建模。对于术前预测SLN转移的效能,在训练组中单纯影像组学模型AUC的95%CI为0.81(0.72,0.89),单纯DCE参数模型AUC的95%CI为0.77(0.68,0.86),联合预测模型AUC的95%CI为0.80(0.72,0.89);在验证组中单纯影像组学模型AUC的95%CI为0.74(0.59,0.89),单纯DCE参数模型AUC的95%CI为0.74(0.59,0.90),联合预测模型AUC的95%CI为0.76(0.61,0.91),Delong检验显示差异无统计学意义(P 0.05),联合模型的效能可能稍高。结论:基于DCE-MRI图像提取影像组学特征及DCE参数建立预测模型,作为一种无创性预测乳腺癌SLN转移的工具,有良好的应用前景。     

基于MRI影像组学模型与临床模型预测乳腺癌新辅助化疗病理完全缓解效能分析

目的 比较基于动态增强磁共振成像（DCE-MRI）、表观扩散系数（ADC）图的影像组学模型以及基于临床特征模型预测乳腺癌新辅助化疗(NAC)病理完全缓解（PCR）的效能。 方法 回顾性收集91例行乳腺癌NAC并有疗效病理评估结果的女性病人,平均年龄（48.45±9.49）岁。将91例病人按照7∶3比例分为训练组（63例）和验证组（28例）。2组均进行NAC疗效病理评估,训练组中PCR者16例、病理部分缓解（PPR）者47例,验证组中PCR者7例、PPR者21例。所有病人均在NAC前行DCE-MRI和扩散加权成像（DWI）检查。采用单因素Logistic回归对病人年龄、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER-2）、肿瘤增殖细胞核抗原（Ki-67）表达状态进行分析,然后基于有统计学意义的临床特征建立临床模型。提取并筛选影像组学特征,采用多元Logistic回归构建DCE模型和ADC模型,计算相应模型影像组学评分（DCE-Radscore和ADC-Radscore）。采用t检验、卡方检验或Fisher确切概率检验比较训练组和验证组中PCR者和PPR者间的临床特征和影像组学评分。采用受试者操作特征（ROC）曲线评估模型的预测效能,并计算其敏感度、特异度和曲线下面积（AUC）。采用决策曲线评估模型的临床应用价值。 结果 训练组中,PCR者的ER、PR阴性率、DCE-Radscore均高于PPR者（均P<0.05）,并在验证组中得到验证（P<0.05）。训练组中PCR者的ADC-Radscore高于PPR者（P<0.05）,但未得到验证组验证（P>0.05）。训练组中,临床模型预测PCR的AUC值（0.823）及敏感度（0.875）最高,其次是ADC模型,DCE模型最低（AUC为0.750,敏感度为0.688）。验证组中,临床模型预测PCR的AUC值最高（0.793）而敏感度（0.571）最低,ADC模型AUC（0.639）最低但敏感度(1.000)最高。决策曲线分析显示应用临床模型具有最大的净获益,其次是ADC模型,DCE模型最低。 结论 ADC模型、DCE模型和临床模型均能预测PCR,其中临床模型预测效能和净获益最高。     

基于磁共振多参数影像组学模型预测直肠癌新辅助治疗后T分期

目的 准确的T分期有助于直肠癌个体化治疗,探讨MRI多参数影像组学模型在预测直肠癌新辅助治疗后T分期(pT)中的预测价值。方法 回顾性分析基线期进行3 T MRI检查、接受新辅助治疗后行直肠癌根治性切除手术的171例直肠癌患者资料,搜集基线期临床特征及术后病理T分期。依据病理T分期将患者分为分期较低组(pT 0～2)和分期较高组(pT 3～4)。使用ITK-SNAP软件分别在高分辨率T₂WI、轴位T₁WI增强扫描图像上,采用最小轮廓法逐层手动绘制直肠癌瘤灶作为感兴趣区(ROI),使用Pyradiomics软件提取ROI中所有影像组学特征,通过组内相关系数(ICC)分析保留稳定性较好(ICC≥0.75)的特征。采用最小绝对紧缩与选择算子(LASSO)方法,分别从T₁WI、T₂WI及融合特征(包括T₁WI、T₂WI、临床特征)中筛选出与pT相关的特征。统计学分析筛选出与pT具有相关性的临床特征。将筛选得到的T₁WI影像组学特征、T     

4D-CT影像组学模型鉴别甲状旁腺良性病变与淋巴结的应用初探

【摘要】目的：探讨基于4D-CT扫描的建立影像组学模型对甲状旁腺腺瘤或增生与颈部淋巴结的鉴别诊断价值。方法：回顾性将80例行术前4D-CT平扫和多期增强扫描且经手术病理证实的甲状旁腺腺瘤或增生患者纳入本研究。在甲状旁腺结节及同侧颈部II区淋巴结内逐层手动勾画感兴趣区,获得其容积感兴趣区（VOI）,基于平扫期、动脉期、静脉期和延迟期图像,各提取1262个影像组学特征。在每个单独期相或其组合的基础上,特征选择基于L1-based方法,采用L1正则化的Logistic回归分析分别建立相应的影像组学模型,并进行10折交叉验证。采用ROC曲线下面积（AUC）、敏感性和特异性评价各模型的鉴别诊断效能。结果：分别基于平扫期、动脉期、静脉期、延迟期、平扫+动脉期、平扫+动脉+静脉期及平扫+动脉+静脉+延迟期图像建立7个影像组学模型,各模型鉴别甲状旁腺腺瘤或增生与颈部淋巴结的诊断效能均较高（训练组AUC为0.949~0.962,验证组为0.869~0.904）。在验证集中,基于静脉期的影像组学模型的AUC最大（0.904）,相应的鉴别诊断敏感度为0.886、特异度为0.785、符合率为0.835。结论：基于4D-CT平扫和多期增强扫描建立的影像组学模型对鉴别甲状旁腺腺瘤或增生与颈部淋巴结的准确性较高,其中以基于静脉期图像的影像组学模型的诊断效能最佳。     

多序列MRI影像组学在子宫内膜癌组织学分级术前预测的价值

目的 探究MRI多序列成像及其影像组学对子宫内膜癌组织学分级术前预测的鉴别诊断效能,并与CA12-5值、MRI影像表现对照。方法 对134例经病理确诊为子宫内膜癌的MRI多序列图像进行回顾性分析,分成训练组（n=93）和验证组（n=41）,基于T₂矢状位、增强矢状位及扩散加权成像（DWI）提取影像组学特征;采用“逻辑回归”分类器模型,结合CA12-5值构建CA12-5模型,结合MRI影像表现统计学特征构建MRI影像表现模型,结合组学特征构建组学模型,联合MRI影像表现及组学统计学特征构建联合模型;受试者工作特征曲线（ROC）及曲线下面积（AUC）用于评价模型的鉴别诊断效能,Delong检验用于比较模型间AUC差异是否具有统计学意义。结果 CA12-5模型由统计的CA12-5值构成;MRI影像表现模型由最大层面矢状面长径、肌层浸润深度、淋巴结肿大、子宫内膜连续性、液化坏死、宫颈受累情况构成;影像组学模型由筛选出的影像组学特征构成;联合模型由MRI影像表现及影像组学特征构成。CA12-5模型、MRI影像表现模型、影像组学模型及联合模型在训练组中的AUC分别是0.629...     

磁共振成像多序列联合扫描在前列腺癌定性诊断中的临床意义

目的 分析前列腺癌(PCa)定性诊断中3.0 T磁共振成像(MRI)多序列联合扫描的准确率。方法 回顾性研究本院2019年1月至2022年1月接诊的60例高度疑似PCa患者,给予3.0 T MRI多序列检查,分别是T₁加权成像(T₁WI)、T₂加权成像(T₂WI)、弥散加权成像(DWI),将病理活检穿刺结果作为本次研究的金标准,对比T₁WI、T₂WI、DWI单独与联合诊断准确率、灵敏度、特异度,Kappa检验T₁WI、T₂WI、DWI单独及联合诊断与金标准的一致性,对比良性前列腺增生(BPH)组、PCa组表观扩散系数(ADC值)、多模态MRI参数。结果 T₁WI、T₂WI、DWI联合诊断准确率(96.7%)、灵敏度(88.9%)均高于T₁WI(76.7%、22.2%)、T₂WI(76.7%、31.2%)、DWI单独诊断(71....     

基于多序列MRI影像组学评分及临床参数预测肝细胞癌微血管浸润的nomogram模型研究

目的:基于肝细胞癌(HCC)患者的临床资料及多模态肝脏影像组学分析建立机器学习模型,探讨此模型术前预测HCC微血管浸润(MVI)的价值。方法:回顾性分析2020年3月-2021年9月在本院经病理证实为原发性HCC的130例患者的术前肝脏MRI及临床资料。基于病理检查结果,将患者分为MVI阳性组及MVI阴性组。记录患者的各项术前临床资料。所有患者术前行MRI检查,检查序列包括T₂WI、DWI和ADC以及Gd-EOB-DTPA对比增强动脉期、门脉期、延迟期和肝胆期T₁WI共7个序列。由放射科医师评估肿瘤的常规影像特征。自7个序列的图像上分别提取影像组学特征并进行降维,然后采用线性支持向量机(SVM)方法构建预测MVI的预测模型。再将所有序列图像提取的特征整合,经降维分析后最终筛选出6个最佳组学特征并采用线性SVM方法构建多序列联合组学模型,然后基于此多序列联合组学模型计算每例患者的放射组学评分(Radscore)作为后续建模特征。最后共采用了5种机器学习算法对上述三类资料(即临床资料、常规影像特征、组学特征)中筛选出的特征进行综合模型的构建,包括...     

双参数磁共振影像组学联合血清PSA对预测前列腺癌Gleason分级的临床价值研究

目的 探讨基于双参数磁共振影像组学联合血清前列腺特异性抗原(PSA)列线图模型预测前列腺癌(PCa)Gleason分级的临床价值。方法 回顾性分析经病理证实的338例PCa患者的影像及临床资料，高危组(Gleason评分>7分)185例，中低危组(Gleason评分≤7分)153例。利用分割软件手动勾画所有患者的病灶感兴趣区并进行高通量特征提取，经过筛选和降维处理后构建影像组学预测模型。受试者工作特征曲线(ROC)用于评估模型对Gleason分级的预测效能。结果 分别构建基于T₂WI序列、ADC序列和T₂WI+ADC序列的影像组学模型，三组模型在测试组中的曲线下面积(AUC)分别为0.763、0.765、0.780。列线图预测模型由年龄、总前列腺特异性抗原(TPSA)、游离前列腺特异性抗原(FPSA)及影像组学评分构成，列线图预测模在测试组中的AUC为0.874,对PCa Gleason分级的预测效能最高。结论 由年龄、TPSA、FPSA及影像组学评分构建的列线图预测模型对PCa Gleason分级具有较高的诊断效能。     

影像诊断淋巴结包膜外侵犯的影像组学模型构建及对前列腺癌侵袭性的预测

目的 构建影像诊断淋巴结包膜外侵犯(rENE)的影像组学模型,探讨其预测前列腺癌(PCa)侵袭性的价值。方法 回顾性收集经病理证实为PCa,且术后病理或MRI提示肿瘤为N₁期的病人160例,平均年龄(68.6±9.19)岁。所有病人术前均进行了双参数(T₂WI+ADC)MRI检查。根据原发病灶的侵袭性,将病人按照国际泌尿病理协会(ISUP)分级分组分为ISUP≥4组(124例)和ISUP<4组(36例)。使用随机分层抽样法将纳入病例以7∶3的比例分为训练集(112例)及测试集(48例)。采用5折交叉验证构建交叉验证集。由放射医师判定病人的影像rENE状态。采用FAE软件提取转移淋巴结的影像特征,选取8种机器学习算法构建模型,采用受试者操作特征(ROC)曲线下面积(AUC)评估各影像组学模型的诊断效能,以AUC值随特征数变化的波动程度评价稳定性。综合分析AUC值及模型稳定性筛选最优影像组学模型。ISUP≥4组和ISUP<4组间、训练集及测试集间一般资料的比较采用t检验、Mann-Whitney U检验和卡方检验。采用多因素Logis...