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...     

ADC值联合T2WI纹理参数术前预测子宫内膜癌Ki-67表达水平的初步研究

目的 探讨表观扩散系数（ADC）值联合T₂WI纹理参数分析在术前预测子宫内膜癌（EC）Ki-67表达水平的价值。 方法 回顾性分析137例经手术病理证实为EC的女性病人,年龄27~79岁,平均（55.0±9.0）岁。根据Ki-67表达水平将病人分为高表达组（74例）和低表达组（63例）。所有病人术前均行常规MRI及扩散加权成像（DWI）（b值为0 、1 000 s/mm²）扫描,并测量ADC值。采用ITK-SNAP软件在横断面T₂WI影像逐层勾画兴趣区并获得EC全病灶的兴趣区体积（VOI）,通过GE Analysis Kit（A.K.）软件提取1 316个的三维纹理特征。采用独立样本t检验、Mann-Whitney U检验比较2组间ADC值和纹理参数的差异,对差异有统计学意义的参数进行多因素Logistic回归分析并建模。采用受试者操作特征（ROC）曲线分别评价各单一参数及联合参数（联合ADC和纹理参数）的预测模型对Ki-67表达水平的预测效能,采用Delong检验对多个预测模型的曲线下面积（AUC）进行比较。 结果 2组相比,Ki-67高表达组病理分期更晚,非子宫内膜样腺癌比例更高（均P<0.05）。最终筛出5个对EC病人Ki-67表达有较高诊断价值的纹理参数,分别为firstorder_90Percentile、firstorder_Minimum、glcm_InverseVariance、firstorder_Skewness和gldm_DependenceVariance。2组间ADC值及纹理参数比较,Ki-67低表达组的ADC值及firstorder_Skewness高于Ki-67高表达组,而其余4个纹理参数值均低于高表达组（均P<0.05）。将ADC值、单一纹理参数及联合参数分别建立预测模型,预测Ki-67表达的AUC分别为0.799、0.624、0.599、0.604、0.615、0.614、0.854。联合参数模型预测Ki-67表达水平的效能最高,AUC为0.854,均高于其他6种模型（均P<0.05）。 结论 ADC值联合T₂WI纹理分析有助于术前评估EC病人Ki-67表达的水平。     

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。     

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...     

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。     

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。     

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     

基于MRI影像组学特征构建脑胶质瘤IDH1突变预测模型

目的:探讨基于不同MRI序列的影像组学特征构建的机器学习(ML)模型预测胶质瘤IDH1突变的价值。方法:回顾性搜集经手术病理证实的161例胶质瘤患者(70例IDH1突变型/91例野生型)的临床资料,主要包括年龄、性别、Karnofsky功能状态(KPS)评分和肿瘤的病理分级。所有患者术前行MRI检查获得T₂WI、T₂-FLAIR、ADC图及对比增强T₁WI图像,术后病理标本均行IDH1检测。将161例患者按照7∶3的比例随机分配为训练集和测试集。由2位影像医师利用Image J软件共同对病灶在配准过的T₂-FLAIR或对比增强T₁WI序列上进行逐层ROI的勾画,最后形成感兴趣区容积(VOI),然后使用FAE软件在各序列图像上提取VOI的影像组学特征,基于训练集的数据,通过均值归一化、方差分析的特征选择方法、皮尔逊相关系数的特征降维方法、4种ML分类器(线性判别分析、LASSO回归、逻辑回归、支持向量机)以及十折交叉验证法构建15种ML模型,并采用ROC曲线和Delong检验在测...     

影像组学结合机器学习在鉴别脊柱结核与转移瘤中的价值研究

目的 分析脊柱结核（TBS）与脊柱转移瘤（MST）患者受累椎体的MRI表现与影像组学特征,评价基于MRI特征的逻辑回归（Logistic）模型与基于影像组学特征的机器学习模型的诊断效能。方法 搜集本院经病原学检查与手术病理证实的TBS与MST患者,利用Logistic分析MRI特征。提取受累椎体T₂WI脂肪抑制序列（T₂-FS）的影像组学特征,组内相关系数（ICC）评价组学特征值测量的可重复性。依次使用t检验、SelectKBest以及最小绝对收缩和选择算子（LASSO）筛选特征。利用交叉验证（CV）划分数据集,随机森林（RF）及支持向量机（SVM）模型在训练集上进行监督学习,在测试集上进行评价,并与Logistic模型相比较。受试者工作特征（ROC）曲线及决策曲线分析（DCA）分别用来评价机器学习的分类效能及实际临床净收益,校准曲线评估模型的预测误差,Z检验用来比较ROC曲线下面积（AUC）之间的差异。结果 101例患者被纳入样本（51例TBS,50例MST）,筛选到3个MRI特征构建Logistic模型,6个影像组学特征（ICC均>...     

MR-T2WI纹理分析评价盆底功能障碍性疾病耻骨内脏肌损伤的价值

目的 探讨MR-T₂WI纹理分析评价盆底功能障碍性疾病耻骨内脏肌损伤的价值。方法 选取94例已育女性T₂WI图像，其中54例盆底功能障碍性疾病患者为观察组，40例盆底功能正常者为对照组。使用ITK-SNAP软件在T₂WI图像获得耻骨内脏肌全域三维感兴趣区，使用A.K.分析软件提取纹理特征。使用Mann Whitney U检验、单因素Logistic回归和最小冗余最大相关(mRMR)特征选择方法进行特征筛选和降维，同时筛选临床风险因素，共同构建多因素Logistic回归模型，绘制受试者工作特征曲线(ROC),并计算曲线下面积(AUC)值。最后利用交叉验证评价模型效能。结果 共提取了1 219个纹理特征，去冗余后剩余7个纹理特征，其中wavelet＿HHL＿firstorder＿Minimum AUC值最高0.87,一个临床特征Age, AUC值为0.84,其余特征的AUC值均大于0.75。将这些特征纳入多因素逻辑回归分析，建立联合预测模型，其模型敏感度和特异度分别为87%及98%,AUC值为0.96。结论 MR-T     

使用深度学习方法对前列腺双参数MRI图像自动甄别的外部验证研究

目的 使用外部数据验证前列腺双参数磁共振成像(bpMRI)图像序列甄别模型的泛化性能。方法 回顾性搜集2018年1月至2021年2月前列腺bpMRI影像，匿名化后使用既往训练好的Med3D多分类模型对各个序列进行分类。以医师做出的序列分类为“金标准”,研究Med3D多分类模型对外部数据分类的准确率。使用混淆矩阵显示多分类预测结果，使用PYCM包进行多分类诊断效能分析。结果 563例病例的合格bpMRI数据纳入研究，使用了5台MR扫描仪，其中97.2%使用3.0 T MR检查，2.8%使用1.5 T MR检查。格式转换后，共5209个合格图像序列可用于模型预测，包括1063个ADC、1691个DWI＿High(b>50 s/mm²)、709个DWI＿Low(b≤50 s/mm²)、750个T₂WI＿nan和996个T₂WI＿Fs序列。ADC、DWI＿High、DWI＿Low、T₂WI＿Fs、T₂WI＿nan等各个序列的预测准确率分别为98.5%、98....     

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。     

MRI纹理特征与肝细胞肝癌Ki-67表达的相关性

【摘要】目的：探讨ADC图、T2WI、DWI的纹理特征诊断肝细胞肝癌（HCC）Ki-67标记指数高低的价值。方法：搜集本院经病理确诊的HCC患者57例并将其分为Ki-67＞20%、Ki-67≤20%两组。通过MaZda软件手工勾画兴趣区（ROI）并分别提取ADC图、T2WI、DWI纹理特征，随后采用Fisher系数、分类错误概率联合平均相关系数（POE+ACC）、交互信息（MI）的方法分别选择10种最佳纹理特征。纹理特征的组间比较采用t检验或Mann-Whitney U检验，描绘受试者工作特征（ROC）曲线并计算曲线下面积（AUC）值，并将每个序列组间比较有统计学差异的纹理特征纳入二元logistic回归模型进行自变量筛选，并建立预测模型。应用灵敏度、特异度、AUC值来评估预测模型的分类性能。结果：对于区别HCC的Ki-67标记指数高低，t检验和U检验结果显示ADC图组间差异有统计学意义的纹理特征20个；T2WI序列共选择出组间差异有统计学意义的纹理特征10个；组间比较结果显示DWI纹理特征在Ki-67标记指数高、低组间差异无统计学意义。二元logistic回归显示ADC图中的S(5,0)和方差以及T2WI中的S(5,0)和均值、高频对角分量小波系数能量s-5是Ki-67>20%的独立预测因素。S(5,0)和方差、高频对角分量小波系数能量s-5数值越大，S(5,0)和均值的数值越小，患者Ki-67>20%的风险越高。结合ADC图中的S(5,0)和方差以及T2WI中的高频对角分量小波系数能量s-5，建立HCC Ki-67表达程度的预测模型，AUC值为0.795，敏感度为61.5%，特异度为90.3%。结论：利用MRI影像组学评估HCC的Ki-67表达，其影像组学预测模型具有较高的诊断效能。     

T2-FLAIR影像组学预测WHO Ⅱ～Ⅲ级胶质瘤Ki-67表达水平

目的 探讨基于术前T2-液体衰减反转恢复序列（T2-FLAIR）图像建立的影像组学模型预测WHOⅡ～Ⅲ级胶质瘤Ki-67表达水平的价值。资料与方法 回顾性分析2017年5月—2021年1月西南医科大学附属医院经术后病理证实的WHOⅡ～Ⅲ级胶质瘤114例，根据病理结果分为Ki-67高表达组63例和Ki-67低表达组51例，以7∶3随机分为训练组79例和验证组35例。使用3DSlicer软件在T2-FLAIR轴位图像上对病灶所有层面逐层手动勾画三维感兴趣区，包含瘤体及瘤周水肿。使用3DSlicer软件内Radiomics模块提取影像组学特征107个，分析筛除特征间相关系数>0.9的冗余特征，进一步使用最小绝对收缩和选择算法筛选特征并建立Logistic回归模型。采用受试者工作特征曲线对模型进行效能评价。结果 最终筛选出6个影像组学特征，影像组学模型在训练组曲线下面积为0.916(95%CI 0.851～0.982)，敏感度为91.4%，特异度为84.1%，准确度为87.3%，阳性预测值为82.0%，阴性预测值为92.5%；在验证组中曲线下面积为0.868(95%CI 0.735～1....     

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18F－FDG PET/CT的影像组学在预测乳腺癌分子分型和Ki－67表达中的价值

目的探讨基于18F-FDG PET/CT的影像组学预测乳腺癌分子分型和细胞增殖核抗原Ki-67表达水平的价值。方法回顾性分析2016年4月至2023年5月于苏州大学附属第一医院行18F-FDG PET/CT检查并经病理学检查证实的134例乳腺癌患者[均为女性, 年龄(55.4±13.3)岁]。利用LIFEx软件提取影像组学特征, 采用最小绝对收缩和选择算子(LASSO)算法和两独立样本t检验来筛选特征, 并计算影像组学得分, 得到影像组学模型;利用有监督的logistic回归筛选并得到临床模型;结合影像组学和临床特征, 采用logistic回归分析建立复合预测模型。绘制ROC曲线, 并采用Delong检验比较不同模型AUC的差异。结果 134例患者中, 三阴性乳腺癌(TNBC)22例, 人表皮生长因子受体2(HER2)过表达型47例, Luminal A型和B型分别37例和28例。其中, Ki-67高表达型85例, 低表达型49例。复合模型预测TNBC、HER2过表达型, Luminal A型和Ki-67表达的AUC及95%CI分别为:0.843(0.770～0.900)、0.808(...     

CT影像组学联合传统影像特征对胃肠道间质瘤Ki-67指数表达的预测价值

【摘要】目的：探讨基于增强CT的影像组学联合传统影像特征对无创性预测胃肠道间质瘤（GIST）Ki-67增殖指数（Ki-67 PI）表达的价值。方法：回顾性搜集我院2010年9月至2020年9月经手术病理确诊的原发性GIST患者的病例资料。诊断医师采用盲法独立分析增强CT图像,提取传统的影像征象。利用ITK-SNAP软件在增强CT图像上勾画病灶感兴趣区,利用AK软件提取纹理特征,将患者随机分为训练集与验证集。采用逻辑回归筛选特征参数并构建影像组学模型。再分别建立传统影像特征模型、组学模型及联合两者的组合模型。结果：传统影像特征模型的诊断效能尚可,其ROC曲线的曲线下面积（AUC）在训练集和验证集中分别为0.720（95%CI：0.651～0.788）及0.665（95%CI：0.547～0.784）。影像组学模型的诊断效能良好,其AUC在训练集中具有最优值,为0.802（95%CI：0.744～0.860）,其AUC在验证集中为0.730（95%CI：0.623～0.836）。此外,联合影像组学和传统影像特征组成的多参数组合模型在训练集中效能良好,AUC值为0.823（95%CI：0.768～0.878）,其在验证集中具有最优的诊断效能,AUC值为0.731（95%CI：0.626～0.836）。结论：基于增强CT的影像组学联合传统影像特征建立的组合模型具有无创预测GIST患者Ki-67 PI表达状态的价值。