共查询到19条相似文献,搜索用时 375 毫秒
1.
目的 建立基于临床资料、剪切波弹性成像参数和超声影像组学的列线图模型,探讨其鉴别BI-RADS 4类乳腺病变良恶性的效能。方法 回顾性收集2017年12月至2023年6月3家医院共403例BI-RADS 4类乳腺病变患者的临床资料、剪切波弹性成像及病理检查结果,以2017年12月至2019年6月南京鼓楼医院和2019年6月至2019年12月安徽医科大学第一附属医院共283个乳腺病灶为训练集,2022年4月至2023年6月北京世纪坛医院120个乳腺病灶为验证集,按病理结果,将训练集和验证集分为良性组和恶性组。通过提取病灶灰阶超声影像组学特征计算影像组学评分(Rad-score)。采用单因素及多因素Logistic回归分析鉴别BI-RADS 4类乳腺病变良恶性的影响因素,构建预测模型并绘制列线图,采用受试者工作特征(ROC)曲线、校准曲线及临床决策曲线评估该模型的效能。结果 经过特征提取及筛选,最终纳入13个影像组学特征用于计算Rad-score,验证集良、恶性组Rad-score分别为[-1.07 (-1.64, -0.37)分、0.07(-0.3,0.56)分],二者比较差异有统计学意义(Z=514,P<0.001)。多因素Logistic回归分析显示年龄(OR值:1.107,P<0.001)和最大剪切波速度(SWVmax)(OR值:3.919,P<0.001)及Rad-score(OR值:4.18,P<0.001)是预测乳腺恶性病变的独立影响因素。基于以上3个因素构建的列线图模型在训练集中及验证集中鉴别BI-RADS 4类乳腺病变良恶性的ROC曲线下面积均高于SWVmax和Rad-score(均P<0.001),且拟合度均良好(均P>0.05);在验证集中使用列线图模型预测BI-RADS 4类病变能获得更高的临床收益,将非必要穿刺活检率降低了61.16%。结论 基于患者年龄、SWVmax及Rad-score构建的列线图模型能有效预测BI-RADS 4类乳腺病变良恶性,降低非必要穿刺活检率,有一定的临床价值。 相似文献
2.
目的 观察基于乳腺二维超声及自动乳腺容积扫描(ABVS)构建的影像组学及列线图模型预测乳腺癌分子分型的价值。方法 回顾性分析326例经病理证实的女性单发乳腺癌患者资料,以8∶2比例将其分为训练集(n=260)及验证集(n=66),根据免疫组织化学结果划分Luminal与非Luminal亚组;基于乳腺二维超声及ABVS图像提取影像组学特征构建相应模型及联合模型。采用单因素及多因素logistic回归分析筛选乳腺癌分子分型的独立预测因素,联合影像组学评分构建列线图模型。绘制受试者工作特征(ROC)曲线,评估各模型预测乳腺癌分子分型的效能。结果 肿瘤最大径(OR=1.029)及有无汇聚征(OR=0.408)均为乳腺癌分子分型的独立预测因素(P均<0.05)。二维超声、ABVS、联合影像组学模型及列线图模型预测验证集乳腺癌分子分型的曲线下面积(AUC)分别为0.67、0.75、0.84及0.83,其中,联合影像组学模型与列线图模型AUC差异无统计学意义(P>0.05)并均高于二维超声及ABVS模型(P均<0.05)。结论 基于二维超声及ABVS构建的联合影像组学模型及列线图模... 相似文献
3.
目的 观察自动乳腺全容积扫描(ABVS)影像组学联合临床及超声特征列线图鉴别良、恶性乳腺导管内病变的价值。方法 回顾性分析144例经病理证实乳腺导管内病变女性患者的临床及超声资料;按照2 ∶ 1比例将其随机分为训练集(n=96)及验证集(n=48)。基于ABVS图像提取并筛选最优影像组学特征,构建影像组学模型,计算影像组学评分(Radscore);将临床、超声特征及Radscore纳入单因素和多因素logistic回归分析,筛选鉴别良、恶性乳腺导管内病变的独立影响因素,构建临床-超声模型,并联合影像组学模型构建列线图模型;以受试者工作特征(ROC)曲线评估各模型鉴别良、恶性乳腺导管内病变的效能。结果 患者年龄 、病变边缘 、微小钙化灶 及Radscore 均为良、恶性乳腺导管内病变的独立影响因素。影像组学模型、临床-超声模型及列线图模型鉴别良、恶性乳腺导管内病变的曲线下面积(AUC)在训练集分别为0.766、0.866及0.901,在验证集分别为0.770、0.765及0.854。结论 ABVS影像组学联合临床及超声特征列线图鉴别良、恶性乳腺导管内病变效能良好。 相似文献
4.
《现代医用影像学》2021,(2)
目的:对比影像组学和BI-RADS分类鉴别乳腺结节良恶性的效能;方法:收集2018年9月到2019年9月期间超声发现的、有明确病理结果的乳腺结节。利用影像组学技术建立影像组学标签,计算其敏感性、特异性和准确性,并与BI-RADS分类方法比较;结果:总共纳入112个结节(恶性n=37,良性n=75)。恶性结节的影像组学标签值高于良性结节,具有统计学差异(P0.001)。影像组学标签鉴别乳腺结节良恶性的最佳截断值为-0.52,对应的敏感性、特异性、准确性和ROC曲线下面积(AUC)分别为81.08%、84.00%、83.04%和0.91;BI-RADS分类分别为72.97%、92.00%、85.71%和0.84。两者的鉴别效能无统计学差异(AUC比较,P=0.08);结论:影像组学具备良好的乳腺结节良恶性鉴别效能。 相似文献
5.
目的 观察基于经阴道超声影像组学特征建立的列线图模型术前鉴别早期与中晚期宫颈鳞癌的价值。方法 回顾性收集经术后病理证实的227例宫颈鳞癌患者,利用3D-Slicer软件于术前经阴道声像图中勾画ROI,提取并经冗余性分析、最小绝对收缩和选择算子(LASSO)和10折交叉验证筛选影像组学特征,构建影像组学模型并得到Radscore评分;利用多因素logistic回归纳入Radscore及临床资料构建列线图模型。比较2个模型术前鉴别早期与中晚期宫颈鳞癌的受试者工作特征曲线下面积(AUC);评估列线图模型的校准度及临床收益。结果 最终纳入18个超声影像组学特征;以之构建术前鉴别早期与中晚期宫颈鳞癌的影像组学模型在训练集和验证集的AUC分别为0.839和0.744;联合年龄、流产次数及Radscore评分构建的列线图模型在训练集和验证集的AUC分别为0.882和0.773。DeLong检验结果显示,上述2模型在训练集的AUC差异有统计学意义(P<0.05)。Hosmer-Lemeshow检验显示,列线图模型在训练集和验证集的校准度均佳(χ2=5.053、7.063,P均>0.05);决策曲线分析(DCA)显示其在0.01~1.00阈值区间净收益相对较大。结论 基于经阴道超声影像组学特征的列线图模型可于术前较好地鉴别早期与中晚期宫颈鳞癌。 相似文献
6.
【目的】探讨超声组学对乳腺BI-RADS 4类病变的良恶性鉴别诊断价值。【方法】前瞻性收集本院2018年6月至2019年12月期间乳腺超声发现的、有病理结果的BI-RADS 4类病变,共计223例。将研究人群按时间节点分为训练组(114例)和验证组(109例)。基于训练组病例建立乳腺病灶的超声组学评分指标。绘制超声组学评分的受试者工作特征(receiver operating characteristic,ROC)曲线,以曲线下面积(area under the curve,AUC)定量评估超声组学评分鉴别BI-RADS 4类病变良恶性的效能,计算其敏感性和特异性,并于验证组中验证其诊断效能。【结果】纳入的223个病例中,恶性占32.29%。训练组和验证组的恶性占比分别为28.95%、35.78%。超声组学评分在训练组和验证组的AUC及其95%置信区间分别为0.826(0.743-0.909)和0.810(0.723-0.898)。在训练组中,超声组学评分鉴别BI-RADS 4类病变良恶性的敏感性和特异性分别为78.79%和81.48%。在验证组中,其对应的敏感性和特异性分别为66.67%和82.86%。【结论】超声组学评分指标对乳腺BI-RADS 4类病变具备良好的鉴别诊断价值。 相似文献
7.
目的 基于二维超声瘤内及含瘤周5 mm区域构建影像组学模型,判断其对乳腺影像报告与数据系统(BI-RADS)4类乳腺肿瘤良恶性的预测价值。方法 回顾性收集176例超声诊断为BI-RADS 4类且病理结果明确的女性患者的乳腺肿瘤超声图像,按照7∶3的比例随机分为训练集(123例)、测试集(53例)。在软件上勾画肿瘤区域(瘤内组),并自动适形外扩5 mm(含瘤周组),分别提取并筛选出最佳影像组学特征后建立瘤内组模型及含瘤周组模型。利用受试者工作特征(ROC)曲线下面积(AUC)、校准曲线和决策曲线来评价模型。结果 训练集中瘤内组及含瘤周组的AUC分别为82.3%、90.1%,测试集中瘤内组及含瘤周组的AUC分别为78.6%、87.1%,Delong检验P<0.05;灵敏度、特异度、准确度在训练集瘤内组分别为85.7%、50.0%、72.4%,含瘤周组分别为88.3%、71.7%、82.1%,在测试集分别为83.7%、46.9%、69.1%和83.7%、69.3%、78.1%。结论 基于超声的含瘤周区域影像组学模型能更好地对乳腺BI-RADS 4类肿瘤的良恶性进行预测。 相似文献
8.
目的 观察基于临床联合CT影像组学特征构建的联合模型列线图预测急性胰腺炎(AP)预后的价值。方法 回顾性分析203例临床首诊AP患者的临床及上腹部CT资料,按7 : 3比例将其分为训练集(n=142)和验证集(n=61),基于增强静脉期CT提取并筛选最优影像组学特征,计算影像组学评分Radscore;根据预后分为预后良好组(n=114)与预后不良组(n=89)。将临床变量(包括临床及CT表现)及Radscore纳入单因素和多因素逻辑回归分析,筛选影响AP预后的独立危险因素;构建临床、影像组学和联合模型,以受试者工作特征(ROC)曲线评价其预测AP预后的效能;以联合模型预测指标构建列线图,结合校准曲线评估其校准度。结果 共筛选出7个最优影像组学特征用于计算Radscore,其中C反应蛋白、糖尿病史和Radscore为影响AP预后的独立危险因素。联合模型预测训练集及验证集AP预后的AUC (0.84、0.82)均高于临床模型(0.71、0.66,Z=3.12、2.71,P均<0.05);其预测训练集的AUC (0.84)高于影像组学模型(0.76,Z=2.39,P=0.02),预测验证集的AUC (0.82)与影像组学模型(0.81)差异无统计学意义(Z=0.08,P>0.05)。校正曲线显示联合模型列线图的校准度良好。结论 基于临床联合CT影像组学特征列线图可有效预测AP预后。 相似文献
9.
目的 探讨基于声像图特点及人口学特征的Logistic回归模型预测乳腺影像报告和数据系统(BI-RADS)分级的价值。方法 回顾性分析5 324名女性体检者乳腺超声及人口学资料,采用多因素Logistic回归分析分别建立基于乳腺声像图特点的模型1及基于乳腺声像图特点和人口学特征的模型2,以ROC曲线分析2种模型对BI-RADS ≥ 4a级乳腺病变的预测效能。结果 超声示5 019名(5 019/5 324,94.27%)BI-RADS分级≤ 3级,305名(305/5 324,5.73%)存在BI-RADS分级≥ 4a级乳腺病变。结节数量、形态、回声、血流信号、年龄和体质量指数(BMI)是BI-RADS ≥ 4a级的独立预测因子(P均<0.05)。基于结节数量、形态、回声和血流信号构建回归模型1,其诊断BI-RADS ≥ 4a级的AUC为0.821(P<0.05),特异度90.58%,敏感度61.25%,准确率88.13%。基于结节数量、形态、回声、血流信号、年龄和BMI构建回归模型2,其AUC为0.874(P<0.05),特异度93.69%,敏感度68.75%,准确率91.80%。结论 基于声像图特点及人口学特征的模型对BI-RADS分级有一定预测价值。 相似文献
10.
11.
12.
13.
14.
15.
杨文蕾 刘芳芳 徐瑞平 杨伟 何煜 刘震 周福有 衡反修 侯波林 张立新 陈蕾 张凡 蔡奋 许铧文 林妙萍 刘萌飞 潘雅琪 刘英 胡喆 陈环宇 何忠虎 柯杨 《协和医学杂志》2023,14(1):101-113
16.
17.
18.
19.