基于CT影像组学列线图预测肺腺癌EGFR突变的研究

目的 探讨基于胸部平扫CT的影像组学列线图术前预测肺腺癌表皮生长因子受体(EGFR)基因突变状态的价值。方法 回顾性分析经病理证实的183例肺腺癌的临床及胸部平扫CT影像资料,包括EFGR突变型(110例)及EGFR野生型(73例)。评估每位患者的病灶CT特征。勾画整个病灶的三维容积感兴趣区(VOI)。将所有患者的重建肺窗图像及病灶的VOI上传至“医准-达尔文”智能科研平台,按照7∶3比例分成训练组(128例)及验证组(55例)。采用最大绝对值归一化、最小收缩、最优特征筛选、迭代筛选及选择算子(LASSO)算法对数据进行降维处理,计算影像组学分数(Rad-score),建立影像组学模型。运用单因素及多因素Logistic回归分析,筛选具有显著预测价值的临床-影像独立影响因素,建立临床模型。将具有显著预测价值的临床-影像独立影响因素及Rad-score通过Logistic回归,得到影像组学列线图模型。通过ROC曲线和校准曲线评估3个模型的诊断效能。结果 最终筛选出11个影像组学特征构建影像组学分数。多因素Logistic回归分析结果显示吸烟史、胸膜牵拉及影像组学评分是肺腺癌患者EGFR基...     

基于静脉期双能CT的影像组学模型预测肺腺癌EGFR基因突变状态

目的 探讨基于静脉期双能CT(DECT)的影像组学模型对肺腺癌表皮生长因子受体(EGFR)基因突变状态的预测价值.方法 回顾性分析2017年9月至2020年6月经病理证实的103例肺腺癌患者的临床及DECT影像资料.所有患者均行突变扩增阻滞系统(ARMS)-聚合酶链反应(PCR)明确EGFR基因突变状态,其中男54例,...     

高分辨率CT影像组学联合传统影像学征象预测肺腺癌微血管浸润的价值

目的 探讨高分辨率CT（HRCT）影像组学联合传统影像学征象的综合模型预测肺腺癌微血管浸润的价值。 方法 回顾性分析2015年6月至2019年4月于青岛大学附属医院就诊的微血管浸润状态明确的肺腺癌患者65例（微血管浸润阳性30例、阴性35例）,其中,男性33例、女性32例,年龄34~83（60.7±10.3）岁。以患者HRCT检查时间为编号,通过系统随机抽样方法将患者按约3∶1等距抽样分为2组：训练组46例,验证组19例。训练组用于模型的建立,验证组用于模型的效能评价。通过两独立样本t检验、χ2检验或Fisher确切概率法筛选训练组中微血管浸润阳性与阴性患者间差异有统计学意义的传统影像学征象。勾画2组患者的肿瘤三维感兴趣区并提取影像组学特征,通过单因素方差分析和Lasso-Logistic回归分析筛选训练组中有鉴别价值的最优影像组学特征,计算影像组学得分。通过Logistic回归分析构建联合影像组学得分和传统影像学征象预测肺腺癌微血管浸润的综合模型,并绘制列线图,进行效能评价。 结果 共提取影像组学特征1308个,最终得到6个最优影像组学特征。传统影像学征象中仅肿瘤最大径在微血管浸润阳性与阴性患者间的差异有统计学意义[（28.10±11.39）mm对（22.32±6.26） mm;t=5.580,P=0.035],其在训练组中的曲线下面积（AUC）为0.648(95%CI：0.493~0.783)、灵敏度为38.1%、特异度为88.0%;在验证组中的AUC为0.783(95%CI：0.538~0.936)、灵敏度为88.9%、特异度为70.0%。预测肺腺癌微血管浸润的综合模型在训练组中的AUC为0.880(95%CI：0.750~0.957),灵敏度为90.5%,特异度为72.0%;在验证组中的AUC为0.811(95%CI：0.568~0.951),灵敏度为88.9%,特异度为80.0%。 结论 基于HRCT影像组学联合传统影像学征象的综合模型对肺腺癌微血管浸润具有较高的预测价值,有助于肺腺癌患者的术前评估。     

CT影像组学模型及深度学习技术预测肺腺癌EGFR突变

【摘要】目的：探讨基于CT图像建立的影像组学模型及深度学习模型在预测肺腺癌表皮生长因子受体（EGFR）突变中的价值。方法：回顾性分析228例经手术病理证实的肺腺癌患者的CT图像,其中EGFR突变型116例,野生型112例。由两位放射科医师各自独立在CT图像上沿肺癌病灶边缘手动逐层勾画感兴趣区（ROI）获得病灶全容积ROI后提取影像组学特征。比较两位医师提取的影像组学特征的一致性,自高年资医师提取的特征中选取组内相关系数大于0.7的影像组学特征纳入研究。分别按照70%和30%的比例将所有病灶随机划分为训练集和验证集。在训练集中利用LASSO回归方法对影像组学特征进行筛选后,分别建立影像组学评分（Radscore）、随机森林（RF）和支持向量机（SVM）三种影像组学模型。此外,将训练集图像输入ResNet深度学习网络中建立深度学习模型。在验证集中对上述4个模型进行验证,计算敏感度、特异度和ROC曲线下面积（AUC）来评价不同模型的预测效能。结果：自CT图像中共提取了306个一致性良好的影像组学特征,经筛选后获得9个最佳特征用于建立影像组学模型。在验证集中,SVM模型的AUC（0.813）高于Radscore（0.761）和RF模型（0.775）,但差异无统计学意义（P=0.089和0.330）;ResNet模型的AUC为0.916,高于SVM模型（0.813）、Radscore（0.761）和RF模型（0.775）。ResNet模型与Radscore和RF模型间AUC的差异具有统计学意义（P=0.031和0.043）,与SVM模型间AUC的差异无统计学意义（P=0.106）。ResNet模型的敏感度为0.879,高于SVM模型（0.771）、Radscore（0.818）和RF模型（0.743）。ResNet模型的特异度为0.914,高于SVM模型（0.758）、Radscore（0.714）和RF模型（0.727）。结论：基于CT图像的影像组学模型能够较好地预测EGFR基因突变,深度学习技术可以有效提高模型的预测准确性。     

基于增强CT影像组学模型预测肺腺癌ALK突变

目的 探讨基于增强CT影像组学特征建立的模型对肺腺癌间变性淋巴瘤激酶(ALK)基因突变状态的预测价值.资料与方法 回顾性分析经病理学检查证实的210例肺腺癌患者,在术前增强CT图像中勾画感兴趣区,再用A.K.软件提取影像组学特征并筛选出与ALK突变高度相关的特征,构建影像组学特征预测模型.联合具有独立预测效能的一般特征...     

基于CT的三维影像组学在预测肺腺癌病理分化程度的价值

目的 探讨CT影像组学在预测肺腺癌分化程度的价值.方法 回顾性分析2011年7月至2019年4月经病理证实为肺腺癌383例患者的平扫CT影像和临床资料.选取2011年7月至2017年8月265例患者共266个结节为训练集;再选取2017年9月至2019年4月118例患者共118个结节为验证集.参照WHO病理分类将所有结...     

基于临床及CT影像组学特征构建周围型小细胞肺癌与肺腺癌诊断模型的研究

目的 基于临床及CT影像组学特征建立周围型小细胞肺癌(SCLC)与肺腺癌(ADC)诊断模型,并评估其诊断价值。方法 回顾性搜集周围型肺癌患者临床及CT影像资料,选取治疗前2周内有薄层CT影像的病例分为SCLC组和ADC组,以SCLC组为实验组,采用倾向性评分匹配按1∶2匹配ADC对照组,两组按照7∶3比例随机分为训练集和验证集。依据训练集病例资料采用多因素Logistic回归分析筛选有意义的变量,建立临床、影像组学及临床组学联合预测周围型SCLC诊断模型。采用受试者工作特征(ROC)曲线评价模型诊断效能,建立个体化诊断列线图。结果 周围型SCLC和ADC两组间NSE和13个组学特征有显著性差异。训练集和验证集ROC曲线下面积,临床诊断模型分别为0.793和0.750,影像组学模型分别为0.857和0.838,联合模型分别为0.905和0.882。结论 基于临床及CT影像组学特征建立周围型SCLC与ADC诊断模型可鉴别诊断周围型SCLC及ADC。     

基于增强CT影像组学预测胰腺导管腺癌病理分化程度的研究

目的 探讨基于增强CT影像组学预测模型在术前预测胰腺导管腺癌(PDAC)病理分化程度可行性及价值。方法 选取术后病理证实为PDAC患者138例,分为高-中分化组和低分化组。分别在术前增强CT的动脉期和静脉期图像对肿块进行手动全层勾画,并提取纹理特征。采用最小冗余最大相关算法(mRMR)、最小绝对收缩和选择算子(LASSO)逐步回归算法进行特征的降维、筛选,分别构建支持向量机、随机森林、Logistic回归和K最邻近四种机器学习预测模型,以5折交叉验证的方法对四种预测模型进行验证,并对模型进行外部验证。绘制ROC曲线评价四种预测模型的预测效能。结果 临床及常规CT特征对PDAC分化程度无预测意义。基于筛选最优影像组学特征,分别构建预测PDAC分化程度的Logistic回归模型、K最邻近模型、支持向量机模型与随机森林模型,绘制ROC曲线评价四种预测模型预测效能,训练组其曲线下面积(AUC)分别为0.89、0.67、0.87、0.95,外部验证组AUC分别为0.70、0.54、0.65、0.63。结论 基于增强CT影像组学预测模型可用于术前预测PDAC病理分化程度,其中Logistic回归预...     

含瘤周移行带影像组学模型预测肺腺癌病理分级

【摘要】目的：探讨含肿瘤外缘5mm移行带的影像组学模型对预测肺腺癌病理分级的诊断效能。方法：回顾性搜集173例经手术病理证实的肺腺癌患者的胸部增强CT薄层图像及临床病理资料。其中女96例,男77例;年龄33～84岁,平均（60.0±1.2）岁;病灶直径6.0～30.0mm,平均（18.0±1.6）mm;实性结节102例,亚实性结节71例;Ⅰ期134例,Ⅱ期18例,Ⅲ期21例;病理分级为1级51例,2级114例,3级8例。病理分级按最主要亚型分为1级（原位腺癌、微浸润腺癌和贴壁为主型腺癌）、2级（包括腺泡或乳头为主型腺癌）和3级（包括实性或微乳头为主型腺癌）。根据结节可见边缘（瘤内组）和自动外扩5mm（含瘤周组）对结节进行分割并使用软件自动提取影像组学特征。训练集与验证集比例为7∶3,使用随机森林构建影像组学模型,并利用混淆矩阵的准确性来评价瘤内及含瘤周影像组学模型预测肺腺癌病理分级的效能。结果：每例患者共提取病灶的385个影像组学特征,其中瘤内组中8个影像组学特征和含瘤周组中12个影像组学特征与肺腺癌的病理分级显著相关。瘤内影像组学模型及含瘤周影像组学模型预测肺腺癌病理分级的准确性在训练集为90.83% vs. 92.61 %（P＞0.05）,在验证组为90.74 % vs. 94.44 %（P＞0.05）。结论：与瘤内组影像组学模型相比,含5mm瘤周影像组学模型可略提高对肺腺癌病理分级预测的准确性。     

机器学习结合 18F-FDG PET/CT影像组学特征对肺腺癌EGFR突变亚型的预测价值

目的:探究 18F-脱氧葡萄糖(FDG) PET/CT影像结合机器学习算法对肺腺癌(LUAD)表皮生长因子受体(EGFR)突变亚型的预测价值。 方法:回顾性收集2016年4月至2020年5月于天津医科大学肿瘤医院行 18F-FDG PET/CT检查的238例LUAD患者的影像及病理资料...     

基于CT影像组学预测肺癌患者化疗早期疗效的应用研究

目的 探讨基于治疗前CT影像组学模型预测肺癌患者化疗早期疗效的效能。方法 回顾性搜集2017年1月至2022年1月202例确诊肺癌患者的临床影像资料,通过对比化疗半年后的CT图像与化疗前CT图像,根据实体肿瘤疗效评价标准(RECIST 1.1)分为部分缓解(PR)组100例和疾病进展(PD)组102例,将入组患者的胸部CT平扫DICOM文件导入开源图像分割软件ITK-SNAP软件,进行感兴趣区(ROI)的勾画,再进行影像学特征提取,按照7∶3的比例随机分配为训练组和验证组,采用LASSO法进行降维及构建影像组学模型,最终根据受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度来评价模型的预测效能。结果 训练组的AUC值、特异度、敏感度分别为0.737(95%CI:0.656～0.819)、0.71、0.67;验证组的AUC值、特异度、敏感度分别为0.722(95%CI:0.594～0.851)、0.77、0.53,模型达到了良好的预测效能。结论 基于治疗前CT的影像组学模型可在化疗前对肺癌的早期疗效做出较准确预测。     

肺磨玻璃结节CT影像组学研究进展

【摘要】肺磨玻璃结节（GGN）是一种肺部常见的非特异性征象,良恶性GGN的治疗方法及预后不同,因此准确鉴别GGN具有重要的临床意义。影像组学可以从影像图像中高通量地提取影像特征,并从中推断出可能包含预后信息的基因蛋白表型或特征。CT影像组学可以鉴别GGN的良恶性,预测恶性GGN的病理分型并评价其侵袭性,为肺GGN个体化诊疗方案的选择提供有力的依据。本文就CT影像组学在GGN中的应用进行综述。     

EGFR突变型肺腺癌CT特征分析

目的 探究肺腺癌患者表皮生长因子受体(EGFR)突变与CT特征的相关性。方法 搜集就诊于本院经病理证实为肺腺癌的77例患者。所有受试者都接受了EGFR突变状态检测,并在接受治疗前均行胸部CT检查,由两名医师评价肺部CT特征,使用卡方检验、Fisher确切概率法比较肺部CT特征、临床特征与EGFR突变状态的关系,选出有统计学差异的变量进行二元Logistic回归分析来确定预测EGFR突变的独立危险因素。结果 77例肺腺癌患者中,EGFR突变型39例,野生型38例,EGFR突变在女性、无吸烟史、较少淋巴结转移、少有胸腔积液/心包积液的患者中更常见,并且胸部CT常表现为有空气支气管征和小血管穿行的实性密度病灶。Logistic回归分析显示女性、空气支气管征和无胸腔/心包积液与EGFR突变相关。结论 在肺腺癌患者中,恶性胸腔/心包积液较少和CT有空气支气管征的女性患者更可能提示存在EGFR基因突变。     

CT影像组学预测胰腺导管腺癌患者术后无病生存期的价值

【摘要】目的：探讨基于平扫和三期增强CT的影像组学模型及临床-组学综合模型对胰腺导管腺癌（PDAC）患者术后无病生存期（DFS）的预测价值。方法：回顾性分析2013年12月－2021年6月在本院经术后病理证实的124例胰腺导管腺癌患者的病例资料。所有DFS患者术后随访时间大于3个月。采用随机分组法,按照7:3的比例将患者分为训练集（n=87）和验证集（n=37）。所有患者术前行腹部CT平扫及三期（动脉期、静脉期、延迟期）增强扫描。使用ITK-SNAP软件分别在四期CT图像上沿胰腺肿瘤边缘逐层勾画ROI并融合生成三维容积ROI（VOI）,然后导入FAE软件中提取影像组学特征。采用单因素Cox回归分析及LASSO-Cox回归分析进行纹理特征的筛选,然后分别构建各期和多期联合（动脉期+静脉期+延迟期）影像组学模型并计算相应的影像组学标签得分。采用单因素和多因素Cox回归分析筛选临床特征和CT形态学特征并构建临床模型。采用多因素Cox回归分析结合临床模型变量及影像组学标签构建临床-组学综合模型并绘制其诺莫图。采用一致性指数（C-index）、时间依赖性（time-dependent）ROC曲线、校正曲线和决策曲线分析（DCA）对模型的诊断效能及临床效益进行评价。利用R语言计算临床-组学综合模型的最佳截断值,并据此将患者分为高风险组和低风险组,采用Kaplan-Meier法分析生存资料并进行log-rank检验。结果：基于平扫、动脉期、静脉期和延迟期及多期联合分别筛选得到5、16、4、12和17个组学特征,分别建立相应的组学模型并获得影像组学标签值。经log-rank检验,所有组学标签均与DFS具有相关性（P<0.05）,其中多期联合模型的预测效能最佳（训练集：C-index=0.786,6~24个月AUC=0.850~0.928;验证集：C-index=0.802,6~24个月AUC=0.796~0.874）;而临床模型的预测效能较低（训练集：C-index=0.635,6~24个月AUC=0.647~0.679;验证集：C-index=0.596,6~24个月AUC=0.545~0.656）。临床-组学综合模型的预测效能（训练集：C-index=0.812,6~24个月AUC=0.883~0.958;验证集：C-index=0.796,6~24个月AUC=0.813~0.894）明显优于临床模型;校准曲线显示临床-组学综合模型的拟合度好;DCA显示临床-组学综合模型的临床净收益优于临床模型。临床-组学综合模型的截断值为2.738。Kaplan-Meier生存分析显示在训练集和验证集中,高风险组患者的DFS明显短于低分风险组。结论：基于多期CT扫描的影像组学模型结合临床特征构建的临床-组学综合模型在预测胰腺导管腺癌患者术后DFS方面,相较于临床模型和影像组学模型具有更好的预测效能,有助于指导临床制订个体化的治疗策略和改善患者的预后。     

基于CT影像组学模型术前预测喉癌淋巴结转移

【摘要】目的：研究CT影像组学在术前预测喉癌患者淋巴结转移中的价值。方法：搜集本院304例经手术病理证实为喉癌患者的影像学资料,随机选择243例及61例分别作为训练集和验证集。从术前静脉期CT图像中手工勾画肿瘤体积并提取影像组学特征。在训练集中,采用LASSO回归进行特征筛选,使用Logistic回归分别构建影像组学模型、形态学模型及二者联合模型。利用受试者工作特征（ROC）曲线评价各个模型的预测效能,并对模型的ROC曲线行Delong检验。在验证集中评估各种模型的诊断效能。结果：最后获得5个影像组学特征。在训练集中,影像组学模型ROC曲线下面积（AUC）为0.85（95%CI：0.77~0.93）,形态学模型AUC为0.66（95%CI：0.59~0.72）,联合模型AUC为0.82（95%CI：0.74~0.91）;在验证集中,影像组学模型AUC为0.83（95%CI：0.69~0.97）,形态学模型AUC为0.59（95%CI：0.40~0.77）,联合模型AUC为0.73（95%CI：0.56~0.91）。Delong检验显示影像组学模型与形态学模型差异、联合模型与形态学模型差异均有统计学意义（P＜0.05）,而联合模型与影像组模型差异无统计学意义（P＞0.05）。结论：基于病灶为兴趣区的CT影像组学模型可以术前较好地预测喉癌淋巴结转移,其诊断效能高于形态学模型。     

18F-FDG PET/CT影像组学在预测肺腺癌患者EGFR突变中的价值

目的分析并比较¹⁸F-脱氧葡萄糖(FDG)PET及CT影像组学参数在预测肺腺癌患者表皮生长因子受体(EGFR)表达中的作用。方法回顾性收集2017年1月至12月间于南方医院就诊的114例[男64例,女50例,年龄35~84(平均61)岁]肺腺癌初治患者的治疗前¹⁸F-FDG PET/CT图像及其EGFR表达资料。用LIFEx软件手动逐层勾画感兴趣体积并提取图像参数,通过最小绝对收缩和选择算子(LASSO)方法重复200次进行参数选择,经十倍交叉验证选择模型的最优调和参数λ,再采用logistics逐步回归进一步筛选参数建模。针对3种数据集(PET参数、CT参数、PET+CT参数)构建3种模型,分别记为MPET、MCT、MPET+CT。用受试者工作特征(ROC)曲线分析模型预测EGFR突变的价值,获得曲线下面积(AUC)、灵敏度、特异性、准确性,采用Delong检验比较三者的AUC。结果114例肺腺癌患者中,EGFR野生型61例(53.51%),EGFR突变型53例(46.49%)。最终从PET、CT、PET+CT图像参数中分别筛选出3、3、7个参数构成回归模型MPET、MCT、MPET+CT,三者AUC分别为0.730、0.752、0.866。当三者界值分别取0.427、0.522、0.378时,约登指数最大,分别为0.420、0.405、0.630,灵敏度分别为83.0%(44/53)、58.5%(31/53)、92.5%(49/53),特异性分别为59.0%(36/61)、82.0%(50/61)、70.5%(43/61),准确性分别为70.2%(80/114)、71.1%(81/114)、80.7%(92/114)。MPET与MCT的AUC之间差异无统计学意义(z=-0.320,P>0.05),MPET+CT与MPET、MCT之间AUC差异均有统计学意义(z值:2.963、2.523,均P<0.05)。结论PET、CT、PET+CT影像组学均与肺腺癌EGFR基因表达状态相关,其中MPET+CT预测效能最高。     

影像组学模型对肺腺癌谱病变病理侵袭性的诊断价值

目的:探讨针对肺腺癌谱病变的影像组学模型对其病理侵袭性的诊断效能。方法:回顾性分析我院经手术病理证实的172例肺腺癌谱病变(5～30 mm)患者的术前CT影像资料。采用Pyradiomics包提取术前CT图像病灶的影像组学特征,通过组间相关系数和带L2惩罚项的逻辑回归进行特征筛选,根据所选特征建立逻辑回归、随机森林、极致梯度提升分类器模型并绘制ROC曲线。由两位高年资放射科医生在不知道病理结果的情况下对结节侵袭性概率进行评分。采用Delong检验将三种分类器的诊断效能与年龄、ROI体积、高年资医生的诊断效能进行比较。结果:从每一个感兴趣区提取、筛选后得到420个影像组学特征。逻辑回归、随机森林和极致梯度提升分类器模型在测试集上的ROC曲线下面积分别为0.921、0.956和0.958。年龄、ROI体积和高年资放射科医生在测试集的ROC曲线下面积分别为0.620、0.863和0.896。Delong检验提示三种分类器间的诊断效能差异无统计学意义(P>0.05),三种分类器与ROI体积、高年资医生的诊断效能差异亦无统计学意义(P>0.05)。结论:影像组学分类器模型进行肺腺癌谱...     

实性孤立性肺结节CT影像组学参数测量的可重复性研究

【摘要】目的：探讨实性孤立性肺结节（SPN）两种兴趣区（ROI）画取方式获得的影像组学参数的一致性,并对良、恶性结节两组间的参数进行比较。方法：回顾性分析49例SPN患者的术前CT资料,由两位高年资主治医生在Imagej软件上进行图像处理及参数测量,其中一位测量者间隔12个月重复测试一次。方案一：（半）自动化全局法,使用Ostu阈值二值化图像,区域生长法获得结节边界,分割效果不佳者辅以手工修剪边缘。方案二：结节中心画取,在结节内部选取圆形ROI。测量一致性采用组内相关系数（ICC）进行分析。选择ICC均＞0.6的参数,取两位测量者首次测量的平均值用于统计学分析。结果：方案一中测量一致性均很好的参数有11个,ICC范围分别为0.810～0.998（不同观察者间）和0.804～0.997（同一观察者内）。方案二中测量一致性均很好的参数有4个,ICC范围为0.820～0.954（不同观察者间）和0.950～0.960（同一观察者内）。两方案灰度共生矩阵（GLCM）参数中,相关性参数的测量一致性均最低,ICC介于0.721～0.843。良性组与恶性组SPN进行比较,方案一中的结节短径、平均径、圆度、角二阶矩及熵在两组中差异均有统计学意义（P＜0.05）。结论：（半）自动化分割SPN获取的影像组学参数的可重复性较高,并能为良、恶性结节的鉴别诊断提供客观、稳定的信息。