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。     

基于MRI的影像组学对PSA“灰区”且PI-RADS 3分及以上前列腺癌的诊断价值研究

目的 构建基于MR的组学模型并联合临床特征实现术前对前列腺特异性抗原(PSA)为4～10 ng/ml且前列腺影像报告与数据系统(PI-RADS)评分≥3分前列腺癌(PCa)的诊断。方法 回顾性分析两家医院经病理证实的PSA水平在4～10 ng/ml且PI-RADS评分≥3分的PCa 82例，良性前列腺增生150例。使用ITK-SNAP分别在T₂WI、ADC及动态增强扫描(DCE)手动勾画感兴趣区(ROI),用python平台提取特征，FAE软件完成对数据预处理、特征选取以及组学模型构建。通过单因素及多因素Logistic回归分析临床特征确定独立预测因子来构建临床模型。通过曲线下面积(AUC)评价模型性能，选取最佳组学模型联合临床模型构建综合模型。并通过外部验证来验证模型的泛化能力。通过R软件绘制综合模型列线图，并采用校准曲线及决策曲线评估其拟合度以及临床应用价值。结果 综合模型、组学模型及临床模型的在训练集中AUC分别为0.933(95%CI:0.874～0.970)、0.915(0.852～0.957)、0.802(95%CI:0.722～0.867);在测试集...     

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。     

多参数磁共振组学预测甲状腺乳头状癌淋巴结转移的价值

目的:探讨基于术前原发肿瘤的多参数磁共振图像所构建的组学模型在预测甲状腺乳头状癌颈部淋巴结转移中的价值。方法:回顾性分析129例病理证实的甲状腺乳头状癌术前磁共振资料。从T₂WI、DWI、多期T₁WI增强图像中提取影像组学特征,按照7:3比例随机将129例患者为训练组和验证组,在训练集中采用最小冗余最大关联度(mRMR)和最小绝对收缩选择算子(LASSO)筛选最优影像组学特征,构建组学特征模型。采用受试者操作特征(ROC)曲线评价多参数磁共振组学模型术前预测颈部淋巴结转移的预测效能,并在验证集中验证。结果:分别从T₂WI、DWI、多期T₁WI增强提取396个影像组学特征,经预处理及筛选最终获得18个最佳组学特征,根据最优影像组学特征及相应权重系数建立影像组学预测模型并计算影像组学评分,训练组和验证组中影像组学评分淋巴结转移组高于无淋巴结转移组。训练组的AUC值为0.92,敏感度为83.3%,特异度为88.9%,验证组的AUC值为0.80,敏感度为78.9%,特异度为77.8%。结论:基于多参数磁共振...     

血清TPSA、FPSA、F/T在前列腺疾病诊断中的意义

目的探讨总前列腺特异抗原（TPSA）、游离前列腺特异抗原（FPSA）、FPSA与TPSA比值（F/T）在良性前列腺增生（BPH）、与前列腺癌（PCa）诊断中的作用。方法检测90例BPH、40例PCa患者的TPSA、FPSA,并计算出相应的F/T值。结果两组患者之间的TPSA、F/T存在显著差异（P〈0.01）;当TPSA在4.0-10μg/L时,两组患者的TPSA无显著差异,而F/T差异显著。结论F/T可以提高TPSA对PCa、BPH的鉴别诊断的特异性。     

基于表观扩散系数影像组学在鉴别前列腺癌Gleason评分分级分组中的应用

目的 探讨基于表观扩散系数(ADC)影像组学模型对前列腺癌(PCa) Gleason评分分级分组(GG)≤2与GG ＞2的鉴别诊断价值.方法 搜集符合入组标准的PCa患者行MR检查.提取PCa ADC影像组学特征,采用多种后处理方法,训练支持向量机(SVM)、线性判别分析(LDA)、自编码器(AE)、随机森林(RF)、...     

联合CT影像组学与深度学习特征建立列线图预测食管鳞癌放疗近期疗效

目的:探讨基于CT影像组学特征与深度学习特征建立列线图对食管癌放疗近期疗效的预测价值。方法:回顾性分析137例食管鳞癌患者的临床及影像资料。从CT图像中提取影像组学特征和深度学习特征。通过最小绝对收缩和选择算子方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore)。采用多因素logistic回归分析建立预测模型,并绘制列线图。对列线图的校准度、诊断效能和临床价值进行评价。结果:筛选得到6个影像组学特征参与计算Radscore, 6个深度学习特征参与计算Deepscore。多因素logistic回归结果显示Radscore、Deepscore、TNM分期为联合模型的独立预测因子。联合预测模型在训练集中预测食管鳞癌患者放疗近期疗效的曲线下面积(AUC)为0.904,高于临床模型(AUC=0.662)和影像组学模型(AUC=0.814),且AUC差异均有统计学意义(P<0.001、P=0.004)。验证集中联合模型的AUC为0.938,高于临床模型(AUC=0.644)和影像组学模型(AUC=0.852),联合模型与临...     

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...     

基于磁共振表观扩散系数图的影像组学模型对前列腺癌Gleason分级的诊断价值

目的:探讨基于磁共振ADC图的影像组学模型对诊断前列腺癌侵袭度的价值。方法:回顾性分析2018年1月至2019年5月在建湖医院,经手术病理证实且能确定Gleason分级的42例患者的ADC图像,将癌灶分为高危组(Gleason评分≥8)和低中危组(Gleason评分≤7)2组。其中中低危21例、高危21例。应用ITK-SNAP软件勾化感兴趣区(ROI),将ADC图像导人Analysis-Kinetics分析软件,进行影像特征提取。采用Lasso回归分析进行特征降维。通过LASSO降维筛选出的特征和相应加权系数乘积的线性组合来建立鉴别中低危、高危前列腺癌的模型,绘制ROC曲线评价模型鉴别中低危、高危前列腺癌的预测效能。结果:共提取396个影像组学特征,通过特征筛选后最后筛选出7个影像组学特征。建模后影像组学特征对鉴别中低危、高危前列腺癌具有较好的预测效能,预测模型在训练组中鉴别效能的曲线下面积、准确度、敏感度、特异度、阳性预测值和阴性预测值分别为0.97、93.3%、93.3%、93.3%、0.93和0.93;在验证组中的曲线下面积、准确度、敏感度、特异度、阳性预测值和阴性预测值分别为0.97、91.7%、83.3%、100.0%、1和0.86;结论:基于磁共振ADC图的影像组学模型对前列腺癌Gleason分级具有诊断价值。     

PI-RADS v2.1中DWI评分和ADC值与前列腺癌Gleason分级分组的相关性

目的：探讨前列腺影像报告和数据系统2.1版(PI-RADS v2.1)中DWI评分和ADC值与前列腺癌Gleason分级分组(GGG)的相关性。方法：回顾性分析经病理证实的32例前列腺良性病变(良性病变组)和94例前列腺癌(前列腺癌组)患者。2组均行常规MRI序列(T₁WI、T₂WI)、DWI(b=0、800 s/mm²)序列扫描。根据病理结果,将前列腺癌GGG分为5组。DWI评分与GGG之间一致性行Kappa检验。ADC值与GGG的相关性行秩相关统计。2组ADC值比较行两独立样本t检验。结果：b=800 s/mm²时良性病变、前列腺癌组的ADC值分别为(1.198±0.147)×10^-3mm²/s、(0.829±0.088)×10^-3mm²/s,差异有统计学意义(t=12.355,P<0.05)。94例前列腺癌的ADC值与GGG呈负相关(r_s=-0.935,P<0.05),PI...     

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...     

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....     

颅内磁共振血管壁成像质量对影像组学模型鉴别症状性斑块的影响

目的:探讨颅内动脉MR血管壁成像(MR-VWI)的图像质量对基于影像组学特征构建症状性斑块预测模型的影响。方法:回顾性搜集因颅内动脉粥样硬化行MR-VWI检查且因图像质量不佳而即刻重复扫描的病例作为本研究的第一部分。MR-VWI序列包括全脑3D SPACE T₁WI平扫和增强,目标血管(单侧大脑中动脉或基底动脉)的2D TSE T₂WI。拟分析100个常用的影像组学特征,包括形状特征9个,一阶梯度特征18个,纹理特征73个。通过比较重复扫描的斑块影像组学特征,筛选出易受图像质量影响的不稳定特征。回顾性搜集因颅内动脉粥样硬化狭窄行MR-VWI检查的病例作为本研究的第二部分。首先,基于全部病例的斑块影像组学特征构建症状性斑块的预测模型(模型A);其次,剔除所有不稳定特征后构建预测模型(模型B);最后,剔除图像质量不佳者,构建预测模型(模型C)。重复扫描影像组学特征的比较,采用Wilcoxon符号秩和检验。预测模型的诊断效能采用受试者工作特征曲线(ROC曲线)进行分析,诊断效能高低主要通过曲线下面积(AUC)体现,以DeLong检验比较不同模型效能...     

基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图预测临床显著性前列腺癌

目的 建立基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图，评价其预测临床显著性前列腺癌(csPCa)的价值。方法 回顾性分析204例患者的资料，进行PI-RADS v2.1评分和影像组学分析。应用受试者工作特征曲线和临床决策曲线评估临床模型、PI-RADS模型、影像组学模型及各联合模型诊断csPCa的效能和临床获益，基于效能最优模型建立列线图并验证。结果 影像组学模型诊断效能显著优于临床模型和PI-RADS评分模型，差异具有统计学意义(P<0.05)。在临床模型或PI-RADS模型中增加影像组学的特征，其联合诊断效能会显著提高(P<0.05)。结论 基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的联合模型所建立的列线图为术前预测csPCa提供了一种无创性的新方法。     

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...     

基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值

目的 探讨基于CT影像组学列线图鉴别诊断甲状腺乳头状癌(PTC)与结节性甲状腺肿(NG)的临床价值。方法 回顾性分析经病理证实的甲状腺结节患者的临床资料及CT图像。术前2周内行CT平扫及增强扫描；PTC 113例，NG 119例；以7∶3的比例随机分层抽样划分成训练集(n=162)和测试集(n=70)。从CT平扫及双期增强图像中提取甲状腺结节相关征象和影像组学特征，通过临床影像征象和影像组学特征筛选，训练集与测试集均构建4个独立模型并计算影像组学评分，基于影像组学评分和临床模型构建联合模型，并基于联合模型绘制列线图。通过受试者工作特征曲线、曲线下面积(AUC)、连续净重分类改善度(NRI)及综合判别改善度(IDI)等多个指标评估各模型对PTC与NG的鉴别诊断效能，利用校准曲线直观的评估列线图的可靠性与准确性，使用决策曲线评估列线图的临床实用价值。结果 平扫、动脉期、静脉期分别保留了6、4、3个影像组学特征，分别构建单期相影像组学模型。单期相中，平扫模型鉴别诊断效能最优，6个独立预测因子用于构建临床模型，基于联合模型的列线图对PTC与NG具有最高的鉴别诊断效能(训练集：AUC为0.980...