目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣...目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣区,应用SPM软件自动分割Tmax图全脑区。应用AK软件分别提取局部和全脑特征并降维,通过支持向量机分类器构建急性脑卒中预后模型并寻找最优预测模型。结果经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维后与预后最相关的局部特征为6个、全脑特征为5个、联合局部和全脑的特征为10个。受试者工作特征(receiver operating characteristic,ROC)曲线分析结果显示基于局部和全脑特征构建的急性脑卒中预后预测模型的曲线下面积(area under the curve,AUC)为0.900,敏感度和特异度分别为82.3%、89.1%,明显优于局部特征模型(AUC=0.706;Z=-3.248;P=0.001)和全脑特征模型(AUC=0.711;Z=-3.393;P<0.001)。结论联合局部和全脑的PWI特征可更为准确地预测急性脑卒中患者预后,为临床早期干预提供个性化指导。展开更多
目的探讨超声影像组学模型鉴别肝郁痰凝型与冲任失调型乳腺癌中医证型的价值,寻求有助于中医辨证分型的客观指标。方法回顾性收集2018年1月—2021年12月于福建中医药大学附属第二人民医院行术前超声检查并经病理确诊且有完整中医辨证资...目的探讨超声影像组学模型鉴别肝郁痰凝型与冲任失调型乳腺癌中医证型的价值,寻求有助于中医辨证分型的客观指标。方法回顾性收集2018年1月—2021年12月于福建中医药大学附属第二人民医院行术前超声检查并经病理确诊且有完整中医辨证资料的231例(247个病灶)乳腺癌患者资料,获取术前超声图像,用ITK-SNAP软件勾画感兴趣区(ROI),利用Pyradiomics 3.0软件提取超声影像组学特征,病灶按7∶3比例分为训练集(175个)和测试集(72个),使用最小绝对收缩与选择算法(LASSO)进行特征降维筛选,采用支持向量机(SVM)构建影像组学模型,通过受试者工作特征(ROC)曲线评估模型的鉴别诊断效能。结果纳入病例中肝郁痰凝型107例115个病灶,冲任失调型124例132个病灶。LASSO算法筛选出17个可鉴别肝郁痰凝型和冲任失调型乳腺癌的超声影像组学特征,其中前7个特征权重系数较大,分别为Dependence Variance,Correlation,Sphericity,Center Of MassIndex2,Bounding Box5,Large Dependence High Gray Level Emphasis和Short Run Emphasis。利用上述17个有效特征构建的影像组学模型在训练集和测试集上的曲线下面积(AUC)分别为0.797(95%CI:0.730~0.864)和0.775(95%CI:0.666~0.883)。该模型训练集的敏感度、特异度、准确率分别为72.3%(60/83)、73.0%(65/89)、72.7%(125/172);该模型测试集的敏感度、特异度、准确率分别为75.5%(37/49)、65.4%(17/26)、72.0%(54/75)。结论超声影像组学模型能够有效鉴别肝郁痰凝型与冲任失调型乳腺癌,筛选出的影像组学特征可作为乳腺癌中医辨证分型的微观指标。展开更多
文摘目的探讨MR灌注加权成像(perfusion weighted imaging,PWI)的局部特征和全脑特征在急性脑卒中血管内治疗后预后中的价值。材料与方法回顾性分析在我院就诊的180例急性脑卒中患者的PWI图像。采用ITK-SNAP软件勾画Tmax图的灌注异常感兴趣区,应用SPM软件自动分割Tmax图全脑区。应用AK软件分别提取局部和全脑特征并降维,通过支持向量机分类器构建急性脑卒中预后模型并寻找最优预测模型。结果经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)降维后与预后最相关的局部特征为6个、全脑特征为5个、联合局部和全脑的特征为10个。受试者工作特征(receiver operating characteristic,ROC)曲线分析结果显示基于局部和全脑特征构建的急性脑卒中预后预测模型的曲线下面积(area under the curve,AUC)为0.900,敏感度和特异度分别为82.3%、89.1%,明显优于局部特征模型(AUC=0.706;Z=-3.248;P=0.001)和全脑特征模型(AUC=0.711;Z=-3.393;P<0.001)。结论联合局部和全脑的PWI特征可更为准确地预测急性脑卒中患者预后,为临床早期干预提供个性化指导。
文摘目的探讨超声影像组学模型鉴别肝郁痰凝型与冲任失调型乳腺癌中医证型的价值,寻求有助于中医辨证分型的客观指标。方法回顾性收集2018年1月—2021年12月于福建中医药大学附属第二人民医院行术前超声检查并经病理确诊且有完整中医辨证资料的231例(247个病灶)乳腺癌患者资料,获取术前超声图像,用ITK-SNAP软件勾画感兴趣区(ROI),利用Pyradiomics 3.0软件提取超声影像组学特征,病灶按7∶3比例分为训练集(175个)和测试集(72个),使用最小绝对收缩与选择算法(LASSO)进行特征降维筛选,采用支持向量机(SVM)构建影像组学模型,通过受试者工作特征(ROC)曲线评估模型的鉴别诊断效能。结果纳入病例中肝郁痰凝型107例115个病灶,冲任失调型124例132个病灶。LASSO算法筛选出17个可鉴别肝郁痰凝型和冲任失调型乳腺癌的超声影像组学特征,其中前7个特征权重系数较大,分别为Dependence Variance,Correlation,Sphericity,Center Of MassIndex2,Bounding Box5,Large Dependence High Gray Level Emphasis和Short Run Emphasis。利用上述17个有效特征构建的影像组学模型在训练集和测试集上的曲线下面积(AUC)分别为0.797(95%CI:0.730~0.864)和0.775(95%CI:0.666~0.883)。该模型训练集的敏感度、特异度、准确率分别为72.3%(60/83)、73.0%(65/89)、72.7%(125/172);该模型测试集的敏感度、特异度、准确率分别为75.5%(37/49)、65.4%(17/26)、72.0%(54/75)。结论超声影像组学模型能够有效鉴别肝郁痰凝型与冲任失调型乳腺癌,筛选出的影像组学特征可作为乳腺癌中医辨证分型的微观指标。
