基于影像组学的食管鳞状细胞癌放疗后生存预测模型的建立与验证

  目的  利用增强CT图像特征构建模型,预测食管鳞状细胞癌患者放疗后原发病灶的局部控制情况。  方法  2016年7月至2017年12月218例于河北医科大学第四医院接受放化疗且病理诊断为鳞状细胞癌的食管癌患者随机分为训练组（153例）和验证组（65例）,提取训练组患者的增强CT图像影像组学特征,构建并验证模型预测食管癌患者放疗后原发病灶局部控制的效能。采用ROC曲线、C-index曲线、校准曲线和决策曲线评价不同模型的性能。  结果  在训练组筛选出6个有意义的影像组学特征,构建预测食管鳞状细胞癌放疗后原发病灶局部控制的放射学标签。训练组和验证组的ROC曲线下面积分别为0.758和0.728;C-index为0.709和0.695;以放射学标签得分?0.22为界值分为高危组和低危组,低危组患者的1、3、5年无原发病灶复发生存率均高于高危组患者（P<0.05）。结合临床因素与放射学标签构建食管癌放疗后无原发病灶复发生存的影像组学列线图模型,ROC曲线评价预测效能的曲线下面积在训练组和对照组分别为0.775和0.740;C-index分别为0.722和0.707;以影像组学列线图模型得分0.55为界值分为高危组和低危组,低危组患者的1、3、5年无原发病灶复发生存率均高于高危组患者（P<0.05）。  结论  成功构建预测食管癌放疗后无原发病灶复发生存的模型,模型具有较好的临床预测价值。      

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。     

磁共振T2WI纹理分析对前列腺癌雄激素剥夺治疗疗效评估的临床价值

目的:探讨磁共振(MR)T2WI纹理分析对前列腺癌雄激素剥夺治疗(ADT)后的临床指导及鉴别治疗后残存病灶与周围良性组织的价值.方法:回顾性分析2018年1月-2019年5月经本院穿刺病理证实为前列腺癌并进行7个月ADT治疗后的患者的病例资料.治疗后患者按照PSA水平及病理结果分组,所有患者行常规T1 WI、T2WI和...     

基于术前CT影像组学特征预测肺腺癌患者EGFR突变状态的研究

目的 探讨术前CT影像组学特征在预测肺腺癌患者EGFR突变中的价值。方法 回顾性搜集经病理证实为肺腺癌且检测EGFR突变状态的患者共286例,其中,EGFR突变126例,野生型160例。按7∶3的比例随机分为训练集和验证集。从每个患者的感兴趣区内分别提取1468个组学特征,采用Wilcoxon检验、最小绝对收缩和选择算子(LASSO)回归和Logistic回归筛选影像组学特征。在训练集中采用Logistic回归的方法构建预测模型,并在验证集中评估其性能。通过ROC曲线评价模型的预测性能,并计算曲线下面积(AUC)、敏感度、特异度和准确性。DeLong检验用于比较各模型AUC之间的差异。结果 两个临床因素(性别和吸烟史)与EGFR突变独立相关(P<0.05),而年龄、CEA和肿瘤位置在两组之间差异无统计学意义(P>0.05)。9个影像组学特征在两组之间有显著差异(P<0.05)。训练集中,临床模型、组学模型和综合模型的AUC分别为0.692、0.762和0.814,而在验证集中分别为0.712、0.779和0.827。训练集中,综合模型与临床模型、组学模型AUC的差异具...     

基于多参数MRI的影像组学模型对子宫内膜样腺癌微卫星不稳定状态的术前预测价值

目的探讨基于多参数MRI影像组学模型术前预测子宫内膜样腺癌患者微卫星不稳定(MSI)状态的应用价值。方法回顾性队列研究。纳入2017年1月—2021年12月山西省肿瘤医院经病理证实为子宫内膜样腺癌的患者225例。患者年龄29～78(55.1±7.5)岁, 均行全子宫+双附件切除术, 并于术前行盆腔多参数MRI检查。将225例患者按7∶3的比例随机分为训练集(158例)和验证集(67例), 根据手术标本病理免疫组织化学检查结果分为高度微卫星不稳定(MSI-H)组58例和低度微卫星不稳定/微卫星稳定(MSI-L/MSS)组167例。对每例患者的快速自旋回波压脂序列T2加权像、增强T1加权像、表观弥散系数(ADC)3个序列进行图像分割和特征提取, 在训练集中采用组内相关系数(ICC)、Mann-WhitneyU检验、Spearman相关及Boruta算法进行图像特征筛选, 并使用朴素贝叶斯(NB)、随机森林(RF)及支持向量机(SVM)3种分类器构建影像组学模型。在训练集、验证集中分别采用受试者工作特征(ROC)曲线、Delong检验、决策分析曲线(DCA)评估并验证3种模型对MSI状态的诊...     

基于高分辨T2WI影像组学判定直肠癌术前T分期

目的 探讨基于高分辨T2WI提取的影像组学特征判定直肠癌术前T分期的应用价值。方法 回顾性分析191例术后病理证实为直肠腺癌患者的临床及影像学资料,在术前高分辨T2WI上勾画整个肿瘤为ROI,通过一般线性LASSO分析提取14个影像组学特征,并构建影像组学模型。根据病理结果,将T0~T2期归为早期,T3~T4期归为局部进展期,将患者分为训练组（n=134）和验证组（n=57）,对模型进行训练和验证。绘制ROC曲线及决策曲线（DCA）,评估模型的可预测性。结果 191例直肠癌中,早期68例,局部进展期123例。在训练组和验证组中,影像组学预测模型区分早期与局部进展期直肠癌的AUC为0.927、0.885,准确率为0.851、0.842,特异度为0.917、0.700,敏感度为0.814、0.919,F1值为0.861、0.829,Brier值为0.149、0.159。结论 术前以基于高分辨T2WI构建的影像组学模型判定直肠癌T分期具有可行性。     

多参数MRI放射组学预测上皮性卵巢癌患者术前腹膜转移

目的评价基于多参数磁共振成像(multiparameter magnetic resonance imaging,MP-MRI)的放射组学特征对上皮性卵巢癌腹膜转移的预测价值.材料与方法回顾性收集86例上皮性卵巢癌患者纳入研究,所有患者均行轴位脂肪抑制T2加权成像(fat suppression-T2 weighted...     

基于增强CT影像组学预测食管鳞癌淋巴血管侵犯状态的价值

目的:探讨基于增强CT影像组学预测食管鳞癌(ESCC)淋巴血管侵犯(LVI)的价值。方法:回顾性搜集行根治性切除术并经术后病理证实的224例食管鳞癌患者,其中包括66例LVI阳性和158例LVI阴性患者。所有患者均在术前2周内进行胸部增强CT扫描。将入组的患者按照7:3的比例随机分为训练集和测试集。使用3D Slicer软件逐层勾画全肿瘤感兴趣区(ROI),采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,建立影像组学模型用于预测食管鳞癌的LVI状态并进行验证。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、敏感度、特异度、准确度、阳性预测值和阴性预测值来评价影像组学模型的诊断效能,使用校准曲线评价影像组学模型在训练集和测试集中的拟合程度。使用决策曲线分析(DCA)评价影像组学模型的临床应用价值。结果:从全肿瘤ROI中提取了1130个组学特征,经过筛选最终保留了7个影像组学特征,并使用多因素logistic回归建立影像组学预测模型。在训练集中,影像组学模型预测LVI的AUC值为0.930,敏感度为0.851,特异度为0.919,准确度为0.899,阳性预...     

基于CT影像组学预测临床ⅠA期老年非小细胞肺癌淋巴结转移

目的探讨基于胸部增强CT影像组学模型预测临床ⅠA期非小细胞肺癌(NSCLC)老年患者淋巴结转移(LNM)的价值。方法回顾性分析361例临床ⅠA期NSCLC老年患者术前增强CT及临床资料。术后病理显示其中87例LNM(LNM组)、274例无LNM(无LNM组),比较2组临床及影像学表现差异。提取术前增强CT影像学特征,进行归一化和降维,采用最小绝对收缩选择算子(LASSO)法筛选最优影像组学特征,建立影像组学模型。按7∶3比例将患者分为训练组和测试组,于训练组中以10次交叉验证法获得最佳影像组学预测模型。根据临床ⅠA期NSCLC老年患者LNM影响因素建立LNM临床预测模型,以之预测训练组和测试组LNM,并以ROC曲线评价2种模型对于训练组和测试组的诊断效能。结果共于所有病灶中提取396个影像组学特征,经归一化后采用LASSO法获得5个最佳影像组学特征建立影像组学模型,并获得最佳影像组学模型,以之预测训练组和测试组LNM的AUC值分别为0.816和0.797,均高于临床模型(0.650和0.686,P均<0.05)。结论基于胸部增强CT的影像组学模型可用于预测临床ⅠA期NSCLC老年患者LNM。