基于增强CT影像组学术前预测肝癌病理分化程度

目的探讨基于门脉期CT影像组学术前预测肝细胞肝癌病理分化程度的价值。方法回顾性收集206例蚌埠医科大学第一附属医院经术后病理证实为肝细胞肝癌患者的临床资料及完整术前增强CT扫描图像,根据病理结果分为低分化组和非低分化组,按7:3的比例随机分为训练组(n=145)及验证组(n=61)。采用ITK-SNAP软件从门脉期手动分割肿瘤,采用Python软件的Pyradiomics包提取肿瘤组织的影像组学特征,应用最小冗余最大相关、最小绝对收缩和选择算子法对特征降维,建立影像组学标签;采用Logistic回归分析构建临床模型、影像组学模型及联合模型,使用100次留组交叉验证检验模型的可靠性;采用ROC曲线、校准曲线和决策曲线评估模型的诊断效能和临床应用价值。结果最终得到9个最佳影像组学特征,临床模型、影像组学模型及联合模型在训练组中的曲线下面积分别为0.641、0.740、0.784,在验证组中的曲线下面积分别为0.644、0.692、0.724。结论基于门脉期CT影像组学模型对于术前预测肝细胞肝癌病理分化程度具有一定的价值。

基于超声影像组学及临床特征构建乳腺癌列线图的预测模型

目的:通过整合临床危险因素和术前超声影像组学评分,建立一个基于超声影像组学的列线图预测乳腺癌。方法:回顾性收集2020年10月—2023年2月有明确病理结果的525例患者的525个乳腺肿块(其中良性241例,恶性284例)的超声图像,按照7∶3比例随机分为训练组(368例)、验证组(157例)。根据肿块轮廓勾画出肿瘤的感兴趣区域(Region of interest,ROI),并提取影像组学特征。采用最小绝对收缩和选择算子(Least absolute shrinkage and selection operator,LASSO)对超声影像组学特征进行降维分析,选择Logistic回归分类器将结果输出转换为影像组学评分(Radiomics score,Rad-Score),作为Rad-Score模型。此外,采用Logistic回归方法将影像组学评分与临床危险因素进行整合,构建联合模型并绘制列线图。绘制ROC曲线及校准曲线以评价模型效能。结果:提取的851个影像组学特征中筛选出13个非零特征用于建立模型,多因素分析中,乳腺癌患者的独立危险因素是年龄,基于患者年龄及Rad-Score构建联合模型,在训练集和验证集中,临床模型的AUC值分别为:0.772、0.847;影像组学模型的AUC值分别为:0.790、0.820;联合模型的AUC值分别为:0.846、0.909。DeLong检验显示在训练集和验证集中,联合模型优于临床模型(P<0.05),联合模型与影像组学模型及影像组学模型与临床模型之间差异无统计学意义(P>0.05)。训练集和验证集中联合模型的校准曲线可以看出其预测乳腺癌风险概率与实际发生率较为接近,可以更好地指导临床决策。结论:基于临床危险因素及超声影像组学模型构建的列线图,对于预测乳腺癌有较高的价值。

定量CT评估慢性阻塞性肺疾病的研究进展

慢性阻塞性肺疾病(COPD)的病理改变主要包括慢性支气管炎和肺气肿。定量CT(QCT)能够直接观察和量化肺实质的细微变化,有助于推测COPD的病理生理过程,对COPD的诊断和疗效评价具有重要价值。就QCT在评估肺气肿、气道病变、血管损伤及COPD表型上的应用研究进展予以综述。