自动乳腺全容积扫描结合机器学习在乳腺癌HER-2状态术前预测中的价值

目的 探讨自动乳腺全容积扫描(ABVS)结合不同机器学习(ML)算法术前预测人表皮生长因子受体2(HER-2)状态的价值。方法 收集乳腺癌患者202例,HER-2阳性组68例,HER-2阴性组134例,按7∶3将患者随机分为训练组(141例)、测试组(61例)。采用最小绝对收缩和选择算子(LASSO)回归降维筛选最优特征,多因素Logistic回归筛选独立危险因素,并利用支持向量机(SVM)、最近邻算法(KNN)、决策树(DT)、随机森林(RF)、极端梯度推进(XGBoost)5种不同ML算法构建预测模型。结果 肿块边界、微分叶、微钙化、血流分级、冠状面汇聚征及虫噬征、腋窝淋巴结状态为最优特征,多因素分析微钙化、血流分级、冠状面汇聚征、腋窝淋巴结状态为独立危险因素,测试组SVM、KNN、DT、RF、XGBoost的曲线下面积(area under curve, AUC)分别为0.767、0.768、0.783、0.768、0.805。结论 ABVS超声特征结合机器学习术前能够有效预测乳腺癌HER-2状态,其中XGBoost表现最突出。     

双源CT能谱成像联合声触诊组织定量技术对甲状腺良恶性结节诊断价值的研究

目的:分析双源CT(DSCT)能谱成像联合声触诊组织定量技术(VTQ)对甲状腺良恶性结节的诊断价值.方法:选择53例经手术或穿刺病理组织学检查确诊的甲状腺良恶性结节患者且术前均行DSCT能谱成像及VTQ检查为研究对象,以病理结果为金标准,通过绘制受试者工作特征(ROC)曲线并比较曲线下面积(AUC)评价DSCT能谱成像...     

基于ABVS影像组学联合VTQ术前预测浸润性乳腺癌淋巴血管侵犯

目的:探讨基于自动乳腺全容积成像(ABVS)冠状面图像影像组学联合声触诊组织定量(VTQ)技术术前预测浸润性乳腺癌淋巴血管侵犯(LVI)的价值。方法:收集经病理及免疫组化证实的浸润性乳腺癌患者138例,LVI阳性43例,LVI阴性95例。基于ABVS冠状面图像提取影像组学特征,采用LASSO回归降维,筛选最优特征,构建影像组学标签评分(Rad-score)。Rad-score联合超声特征采用Logistic单因素和多因素回归分析筛选独立预测因子,基于超声特征构建影像学模型,影像学模型结合Rad-score构建联合模型,并绘制联合模型列线图和校准曲线。Hosmer-Lemeshow检验评价联合模型的拟合优度,受试者操作特征(ROC)曲线下面积(AUC)评判各模型效能,Delong检验比较各模型AUC,2折交叉对模型行交叉验证,临床决策曲线(DCA)评判模型临床适用性。结果:共筛选8个最优特征构建Rad-score,多因素Logistic回归显示肿瘤长径(LD)、剪切波速度(SWV)及Rad-score为独立危险因素。校准曲线显示预测值与观测值一致性较高,C-index=0.828。Hos...     

基于增强CT的影像学模型对低危险度胃间质瘤与胃平滑肌瘤的鉴别诊断价值

目的:探讨基于增强CT的影像学模型对低危险度胃间质瘤(Low risk gastric stromal tumor,LRGST)与胃平滑肌瘤(Gastric leiomyomas,GLMs)的鉴别诊断价值.方法:回顾性分析2015年1月—2021年2月于皖南医学院一附院经手术病理及免疫组化证实的72例LRGST(LRG...     

基于增强CT影像组学的机器学习模型鉴别诊断低风险胃间质瘤

目的：探讨基于增强CT影像组学的机器学习（machine learning,ML）模型鉴别低风险胃间质瘤（gastric stromal tumor,GST）与良性胃黏膜下肿瘤（gastric submucosal tumor,GSMT）的价值。方法：回顾性分析2013年1月至2022年3月皖南医学院弋矶山医院84例低风险GST及51例良性GSMT患者的临床及影像资料。将患者随机分为训练集（n=94）和测试集（n=41）。基于增强CT静脉期利用ITK-SNAP软件分割图像,AK软件提取影像组学特征,m RMR、Spearman秩相关及LASSO回归对特征降维,建立影像组学标签评分（Radscore）。采用单因素及多因素Logistic回归筛选独立危险因素,使用支持向量机（suppor vector machine,SVM）建立预测模型,用测试集检测模型的泛化能力,受试者工作特征（receiver operating characteristic,ROC）曲线下面积（area under curve,AUC）评估模型效能。结果：多因素分析年龄、形态、生长部位、长径/短径（long dia...     

动态对比增强磁共振成像鉴别乳腺良恶性病变的诊断价值

目的:探讨动态对比增强磁共振成像(dynamic contrast enhancement-magnetic resonance imaging,DCE-MRI)鉴别乳腺良恶性病变的诊断价值.方法:回顾性分析在我院2020年1月至11月行乳腺DCE-MRI检查的乳腺包块68例患者的临床资料,提取病变68枚.所有患者影像...     

病理参数联合ABVS影像特征列线图预测乳腺癌Luminal分型

目的 分析病理参数联合超声自动乳腺全容积扫描(ABVS)影像特征构建的列线图预测乳腺癌Luminal分型的价值。方法 回顾性分析212例行超声ABVS检查的Luminal型乳腺癌患者的病理及超声资料,以雌激素受体(ER)阳性、人表皮生长因子受体2(HER-2)阴性、Ki-67<14%及孕激素受体(PR)>20%作为Luminal A型乳腺癌的分型标准,将患者分为Luminal A型(64例)与Luminal B型(148例),按7∶3将患者随机分为训练组(n=148)与验证组(n=64)。单因素与多因素Logistic回归分析筛选预测乳腺癌Luminal分型的独立影响因素,基于独立影响因素构建联合预测模型,并绘制模型的列线图与校准曲线。结果 单因素与多因素Logistic回归分析发现脉管侵犯、长径及冠状面汇聚征为预测乳腺癌Luminal分型的独立影响因素,联合模型曲线下面积(AUC)训练组为0.725(95%CI:0.639～0.812),验证组为0.777(95%CI:0.640～0.915)。结论 病理参数联合超声ABVS影像特征区分乳腺癌Luminal分型有一定价值,...