基于增强CT影像组学术前预测胃腺癌淋巴结转移

目的 观察增强CT影像组学模型术前预测胃腺癌淋巴结转移（LNM）的价值。方法 回顾性分析193例经术后病理证实的单发胃腺癌的腹部双期增强CT资料,将其分为训练集（n=97）和验证集（n=96）,比较LNM （+）与LNM （－）肿瘤CT表现的差异。分别于增强动脉期和静脉期CT提取病灶影像组学特征,构建相应影像组学标签;将单因素分析有统计学意义的CT参数及其影像组学标签纳入多因素logistic回归分析,筛选胃腺癌LNM的独立预测因素,分别建立临床模型及影像组学列线图。采用受试者工作特征（ROC）曲线评估各模型预测胃腺癌LNM的效能,计算曲线下面积（AUC）,比较其差异。结果 训练集含54例LNM （+）和43例LNM （－）,验证集含58例LNM （+）和38例LNM （－）。LNM （+）患者肿瘤厚度和阳性淋巴结占比均高于LNM （－）者（P均<0.05）。肿瘤厚度及淋巴结状态均为LNM的独立预测因素（P均<0.01）并用于构建临床模型。淋巴结状态和静脉期影像组学标签是胃腺癌LNM的独立预测因素（P均<0.01）,以之构建的影像组学列线图在训练集和验证集中的AUC分别为0.810和0.778,与临床模型AUC差异均无统计学意义（0.772、0.762,Z=1.11、0.27,P=0.27、0.78）。结论 基于增强CT影像组学模型术前预测胃腺癌LNM效能较佳。     

基于双能量CT影像组学模型术前预测进展期胃腺癌短径 ≥ 0.6 cm淋巴结转移

目的 分析基于双能量CT影像组学模型术前预测进展期胃腺癌短径≥0.6 cm淋巴结转移（LNM）的价值。方法 回顾性分析经手术切除的进展期胃腺癌患者，根据病理结果纳入36例pN3期114枚转移淋巴结（转移组）和26例pN0期65枚非转移淋巴结（非转移组），入组淋巴结短径均≥0.6 cm，将淋巴结分为训练集（n=125）和验证集（n=54）。对比组间原发肿瘤及淋巴结CT特征，采用广义估计方程（GEE）构建临床模型。提取静脉期融合图和碘图中的淋巴结影像组学特征，以组内相关系数（ICC）检验和Boruta算法筛选特征，构建影像组学模型，采用受试者工作特征（ROC）曲线和决策曲线分析（DCA）评价模型的诊断效能和临床收益。结果 单因素及多因素GEE分析显示，原发肿瘤部位及最大径、淋巴结边缘及脂肪分数为LNM独立预测因素（P均<0.05），以之构建的临床模型预测训练集和验证集LNM的曲线下面积（AUC）分别为0.74和0.76。经ICC检验（ICC>0.8）及Boruta算法筛选，最终保留27个影像组学特征；以之建立的影像组学模型预测训练集和验证集LNM的AUC分别为0.99和0.98，均高于临床模型（P均<0.01），且临床收益更优。结论 基于双能量CT影像组学模型术前预测进展期胃腺癌短径≥0.6 cm LNM具有较高价值。     

增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润

目的 观察增强动脉期CT影像组学特征联合临床术前预测胃癌脉管浸润(LVI)的价值。方法 回顾性纳入298例胃癌患者,根据是否伴LVI将其分为阳性组(n=155)及阴性组(n=143),并按7 ∶ 3比例分为训练集(n=208)及测试集(n=90)。基于增强动脉期CT图提取病灶影像组学特征,采用logistic回归分析筛选胃癌LVI的临床影响因素;分别采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)及极端梯度提升树(XGBoost)建立影像组学模型、临床模型及临床-影像组学模型,评估各模型预测胃癌LVI的效能。结果 以SVM、LR、RF及XGBoost建立的影像组学模型预测训练集胃癌LVI的曲线下面积(AUC)分别为0.896、0.821、1.000及1.000,其在测试集的AUC分别为0.744、0.801、0.740及0.747。基于4种机器学习建立的临床模型在训练集的AUC均为0.810,在测试集均为0.840。基于SVM、LR、RF及XGBoost建立的临床-影像组学模型预测训练集胃癌LVI的AUC分别为0.920、0.900、1.000及1.000,其在测试集的AUC分别为0.900、0.890、0.840及0.790。测试集中,基于SVM、LR及RF的临床-影像组学模型的AUC均大于影像组学模型和临床模型(P均＜0.05)。结论 增强动脉期CT影像组学联合临床有助于术前预测胃癌LVI。     

增强CT影像组学模型可术前评估甲状腺乳头状癌颈部中央区淋巴结转移

目的  探讨临床、CT影像组学及融合模型等6个模型术前预测甲状腺乳头状癌（PTC）中央区淋巴结转移（CLNM）的价值。 方法  纳入103例PTC患者,根据术后病理结果将患者分为无CLNM组（n=50）和CLNM组（n=53）,比较组间临床资料及CT征象差异,按7∶3比例随机将各组分为训练集及测试集,提取训练集CT影像组学的特征,构建临床模型、平扫期（NP）模型、动脉期（AP）模型、静脉期（AP）模型、NP+AP+VP模型及融合模型。模型的效能的评价标准为AUC、敏感度及特异性。 结果  两组的性别差异有统计学意义（P=0.002）;在CT征象中,两组间病灶直径（P=0.001）及甲状腺包膜侵犯（P=0.024）的差异有统计学意义。在NP模型、AP模型、VP模型及NP+AP+VP模型这4个组学模型中NP+AP+VP模型预测PTC患者发生CLNM的效能最佳。比较临床模型、NP+AP+VP模型及融合模型的预测效能,融合模型表现最佳,在训练集和测试集中均具有最高的AUC、敏感度和特异性。 结论  融合模型在训练集和测试集中预测PTC患者发生CLNM的效能均最好,有望对术前评估PTC患者CLNM提供有效的辅助手段。     

平扫CT影像组学鉴别肺炎型黏液腺癌与大叶性肺炎

目的 观察平扫CT影像组学鉴别肺炎型黏液腺癌(PTMA)与大叶性肺炎(LP)的价值。方法 回顾性分析57例PTMA(PTMA组)和129例LP患者(LP组),按7∶3比例将其纳入训练集(n=131)和测试集(n=55)。比较组间患者临床资料，筛选临床特征，构建临床模型；勾画病灶ROI,提取其影像组学特征，建立影像组学模型；基于临床特征及影像组学特征建立列线图模型。观察3种模型鉴别PTMA与LP的效能。结果 组间患者年龄和呼吸道症状占比差异均有统计学意义(P均<0.05)。临床模型鉴别训练集和测试集PTMA与LP的曲线下面积(AUC)分别为0.784和0.909。最终纳入16个影像组学特征建立影像组学模型，其在训练集和测试集鉴别PTMA与LP的AUC分别为0.909和0.870;列线图模型的AUC分别为0.939和0.933。影像组学模型及列线图模型在训练集鉴别PTMA与LP的AUC均大于临床模型(P均<0.05)。结论 平扫CT影像组学有助于鉴别PTMA与LP。     

基于增强CT影像组学模型鉴别肾透明细胞癌与非透明细胞癌

目的 建立基于增强CT的影像组学模型,评估其鉴别肾透明细胞癌（ccRCC）与非透明细胞癌（non-ccRCC）的应用价值。方法 将147例ccRCC及32例non-ccRCC患者随机分为训练集125例和测试集54例。将所有患者的增强CT资料导入ITK-SNAP软件,手动勾画ROI,获得16个特征,分别建立基于特征的随机森林（RF）模型和逻辑回归（LR）模型,采用ROC曲线观察模型对ccRCC的诊断效能。结果 训练集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度0.83;LR模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.83。测试集RF模型诊断ccRCC的AUC为0.96（P<0.05）,特异度为1.00,敏感度为0.89;LR模型诊断ccRCC的AUC为0.88（P<0.05）,特异度为0.90,敏感度为0.77。结论 基于增强CT影像组学模型可用于鉴别ccRCC与non-ccRCC;RF模型诊断价值较LR模型更高。     

基于CT影像组学模型预测肺原位腺癌及微浸润腺癌与浸润性腺癌

目的 探讨基于CT影像组学预测肺腺癌中的原位癌（AIS）和微浸润腺癌（MIA）以及浸润性腺癌（IAC）的价值。方法 回顾性分析542例经手术病理确诊且病理亚型明确的肺腺癌患者，将AIS及MIA归为第1组，IAC为第2组。比较2组患者性别和年龄差异。采用特征提取软件提取病灶三维纹理特征参数，分析组间差异明显的影像组学特征，筛选最佳影像组学特征构建预测模型。按2：1比例将数据分为训练集和验证集，采用6种机器学习算法对5倍交叉验证数据集进行分类，选择最佳分类器；以之分析5倍交叉验证数据集、训练集和验证集，获得模型预测肺腺癌病理分型的ROC曲线及相应AUC、特异度、敏感度及准确率。结果 第1组235例，第2组307例，组间性别和年龄差异均无统计学意义（χ²=0.56、t=-0.19，P=0.63、0.98）。共提取病灶1 766个三维纹理特征参数，其中988个影像组学特征存在明显组间差异，最终以10个最佳影像组学特征构建预测模型。以Perceptron分类器为最佳分类器。模型预测验证集病理分型的AUC为0.95，准确率、特异度、敏感度分别为0.88、0.87、0.84。结论 基于CT影像组学模型能有效预测肺腺癌中的AIS及MIA与IAC。     

基于增强CT影像组学特征预测难治性恶性黑色素瘤肺转移患者的免疫治疗疗效

目的 探讨基于胸部增强CT影像组学特征预测免疫治疗用于难治性恶性黑色素瘤肺转移疗效的价值.方法 回顾性分析49例难治性恶性黑色素瘤肺内转移患者,均接受程序性死亡受体(PD-1)单抗免疫治疗,采用实体瘤疗效评价标准(RECIST)1.1评价疗效,并将患者分为进展组(n=17)和未进展组[n= 32,包括稳定组(n=16)...     

食管癌术后淋巴结转移的CT分析

目的:探讨食管癌术后淋巴结转移的规律及影响因素。资料与方法:分析63例食管癌术后淋巴结转移CT表现及转移淋巴结分布,对手术加放、化疗与单纯手术治疗者,及术前淋巴结转移阳性与阴性患者,术后淋巴结转移时间对比并进行统计学分析。结果:食管癌术后淋巴结转移最常见于2R区、7区及2L区。手术加放、化疗与单纯手术治疗及术前有否淋巴结转移,其术后淋巴结转移时间有明显差异。结论:食管癌术后淋巴结转移受多种因素影响,若能合理的结合放、化疗,可延长食管癌术后淋巴结转移时间,提高生存率。CT是食管癌术后淋巴结转移的有效诊断方法。     

瘤内及瘤周影像组学联合临床和CT特征预测浸润性肺腺癌周围脉管侵犯

目的 观察瘤内及瘤周影像组学联合临床和CT特征预测浸润性腺癌(IAC)周围脉管侵犯(LVI)的价值。方法 回顾性分析190例经术后病理确诊IAC患者，其中65例LVI(+)、125例LVI(-),按照7∶3比例将其分为训练集[134例，46例瘤周LVI(+)、88例瘤周LVI(-)]和测试集[56例，19例瘤周LVI(+)、37例瘤周LVI(-)]。对临床及CT表现行单因素及多因素logistic分析，筛选IAC瘤周LVI(+)的独立预测因素，构建临床-CT模型。分别基于瘤灶(GT)、肿瘤-瘤周过渡区(GPT)及瘤周区(PT)提取影像组学特征，以其最佳者构建影像组学模型(模型_GT、模型_GPT和模型_PT),并筛选最佳影像组学模型；基于最佳模型影像组学评分与临床、CT独立预测因子构建联合模型，并绘制列线图。绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC),评估各模型预测IAC瘤周LVI的效能；以校准曲线评估模型校准度，以决策曲线分析评价模型的临床价值。结果 年龄、术前癌胚抗原水平及毛刺征均为IAC瘤周LVI(+)的...     

食管鳞癌新辅助化疗前后淋巴结CT表现及其预测术后pN分期的价值

目的 观察新辅助化疗（NACT）前后食管鳞癌淋巴结CT表现，并分析其预测术后pN分期的效能。方法 回顾性分析124例经胃镜活检病理确诊食管鳞癌并接受NACT患者化疗前后CT资料。比较NACT前后淋巴结总数、最大长/短径、长/短径均值、长/短径变异系数（CV），绘制NACT前后不同大小淋巴结所占比例分布图。应用受试者工作特征（ROC）曲线方法分析不同淋巴结径线标准下阳性淋巴结数目预测食管鳞癌术后pN分期的效能。结果 食管鳞癌NACT前后淋巴结总数、最大长/短径、长/短径均值差异均有统计学意义（P均<0.01），而淋巴结长/短径CV差异均无统计学意义（P均>0.05）。NACT前后不同大小淋巴结分布比例无明显变化。ROC曲线结果显示，以NACT前后不同径线为标准判断阳性淋巴结数目预测术后pN分期的曲线下面积（AUC）为0.65~0.71。结论 NACT前后食管鳞癌患者淋巴结CT表现存在一定差异；针对不同径线淋巴结采用相应标准判断的阳性淋巴结数目有助于预测术后pN分期。     

基于临床病理及常规和功能MRI影像组学模型预测乳腺癌腋窝淋巴结转移

目的 评估基于临床病理及常规和功能MRI（fMRI）影像组学模型预测乳腺癌腋窝淋巴结（ALN）转移的价值。方法 回顾性分析140例浸润性乳腺癌,按7∶3比例将其分为训练集（n=99）和验证集（n=41）。采用多因素Logistic回归分析分别建立基于临床病理及MRI特征的临床模型及各序列图像影像组学、联合序列影像组学以及临床病理及常规和fMRI影像组学的个体化模型,以受试者工作特征（ROC）曲线评价其诊断效能;比较个体化模型与临床模型曲线下面积（AUC）的差异,应用决策曲线分析（DCA）评估模型的临床获益。结果 临床模型预测训练集和验证集ALN转移的AUC分别为0.95和0.88;T2WI、DWI、DCE-MRI模型及联合序列模型在验证集中的AUC分别为0.67、0.71、0.72及0.76。个体化模型在训练集和验证集中的AUC为0.98和0.93,与临床模型差异均无统计学意义（Z=1.56、1.34,P=0.12、0.18）。DCA结果显示阈值>0.25时,个体化模型的净受益高于临床模型。结论 基于临床病理及常规和功能MRI的个体化模型预测乳腺癌ALN转移的效能与临床模型相当,其净受益高于后者,且均优于单一序列模型。     

PET/CT多参数评估非小细胞肺癌纵隔淋巴结转移

目的 观察¹⁸F-FDG PET/CT多参数评估非小细胞肺癌（NSCLC）纵隔淋巴结转移的价值。方法 回顾性分析174例肺内占位或纵隔淋巴结肿大患者的¹⁸F-FDG PET/CT资料,根据纵隔淋巴结性质将其分为恶性组（83例,淋巴结232枚）和良性组（91例,淋巴结230枚）;比较组间纵隔淋巴结参数差异,并将差异有统计学意义的参数输入神经网络多层感知器（MLP）,以标准化重要性>50%的参数建立评估模型。绘制受试者工作特征曲线,评估模型判断纵隔淋巴结性质的效能;以Spearman相关性分析评价恶性组纵隔淋巴结参数与NSCLC原发灶参数的关系。结果 组间纵隔淋巴结短径、纵横比,坏死、脂肪、钙化占比,对称分布比例,最大标准摄取值（SUV_max）、平均标准摄取值（SUV_mean）、肿瘤代谢体积（MTV）、糖酵解总量（TLG）及淋巴结SUV_max/纵隔血池SUV_max差异均有统计学意义（P均<0.05）;淋巴结短径、纵横比、SUV_max及MTV标准化重要性>50%,以之鉴别纵隔淋巴结性质的曲线下面积（AUC）分别为0.731、0.657、0.776及0.772,联合应用的AUC为0.831。恶性组纵隔淋巴结SUV_max、TLG与NSCLC原发灶SUV_max均呈正相关（r=0.318、0.151,P均<0.05）;纵隔淋巴结是否位于原发灶同侧与NSCLC原发灶长径及SUV_max均呈负相关（r=－0.139、－0.201,P均<0.05）,纵隔淋巴结是否分布对称则与NSCLC原发灶长径及SUV_max均呈正相关（r=0.164、0.161,P均<0.05）。结论 ¹⁸F-FDG PET/CT参数可用于判断NSCLC纵隔淋巴结转移,以淋巴结短径、纵横比、SUV_max及MTV效能较高。     

能谱CT预测同步放化疗用于中晚期食管癌效果

目的 观察能谱CT预测同步放化疗(CRT)用于中晚期食管癌效果的价值。方法 回顾性分析于CRT前后均接受能谱CT增强扫描的89例中晚期食管癌患者,根据疗效分为有效组(完全缓解+部分缓解)和无效组(疾病进展+疾病稳定)。在GE AW4.7后处理工作站于碘图中勾画病灶ROI,获得CRT前(pre-)、后(post-)病灶动脉期标准化碘值(SAI)及静脉期标准化碘值(SVI),计算CRT前后标准化碘值变化率(△SAI%、△SVI%);再于单能量图像上勾画病灶ROI,获得病灶动脉期(k_A)及静脉期(k_V)能谱曲线斜率,计算CRT前后能谱曲线斜率变化量(△k_A、△k_V)。采用受试者工作特征(ROC)曲线评价各参数评估CRT疗效的效能。结果 CRT后完全缓解5例,部分缓解51例,疾病进展31例,疾病稳定2例,即有效组56例、无效组33例;组间pre-SAI、post-SVI、△SAI%、△SVI%、post-k_A、post-k_V、△k_A及△k     

^(18)F-前列腺特异性膜抗原-1007 PET/CT鉴别正常神经节与前列腺癌淋巴结转移北大核心CSCD

目的观察^(18)F-前列腺特异性膜抗原(PSMA)-1007 PET/CT鉴别正常神经节与前列腺癌淋巴结转移的价值。方法回顾性分析80例接受早期及延迟期^(18)F-PSMA-1007 PET/CT检查的前列腺癌患者,观察星状神经节、腹腔神经节及骶神经节的显示率,以及其与全身转移性淋巴结最大标准摄取值(SUV_(max))和ΔSUV_(max)(延迟期SUV_(max)-早期SUV_(max))的差异,评估PET/CT鉴别二者的价值。结果80例中,60例(75.00%,60/80)PET/CT至少显示1个星状神经节/腹腔神经节/骶神经节;PET/CT对于腹腔神经节、星状神经节及骶神经节的显示率分别为66.25%(53/80)、56.25%(45/80)及30.00%(24/80),差异有统计学意义(χ^(2)=22.44,P<0.001)。星状神经节/腹腔神经节/骶神经节的早期、延迟期SUV_(max)及ΔSUV_(max)均显著低于转移性淋巴结(P均<0.001)。神经节与淋巴结的ΔSUV_(max)构成比差异有统计学意义(P<0.001);神经节SUV_(max)多较稳定,淋巴结延迟期SUV_(max)多高于早期SUV_(max)。结论^(18)F-PSMA-1007 PET/CT有助于根据解剖位置及SUV_(max)鉴别正常神经节与前列腺癌淋巴结转移。