基于深度学习超声组学列线图评估浸润性乳腺癌侵袭转移的价值

目的探讨深度学习超声组学列线图评估浸润性乳腺癌侵袭转移生物学特性指标的价值。资料与方法回顾性收集2021年1月—2022年12月茂名市人民医院180例经病理证实浸润性乳腺癌患者的超声影像资料,且病理报告了淋巴结转移(LNM)或淋巴血管间隙浸润(LVSI)或神经侵犯(PNI)状态,依据LNM/LVSI/PNI状态,3个指标均以8∶2划分为训练队列和验证队列。基于Pyradiomics影像组学和ResNet50深度学习提取器分别提取1316个影像组学特征和2048个深度学习特征。采用随机森林机器学习算法开发评估模型,并计算模型评分。基于影像组学和深度学习模型评分开发深度学习超声组学列线图。使用受试者工作特征曲线评估模型的性能,Delong检验分析不同模型的性能差异。结果在LNM、LVSI、PNI状态评估中,所有队列列线图曲线下面积均表现中度以上评估性能(≥0.73),准确度均>0.70,LNM评估中,训练队列的曲线下面积为0.97,准确度为0.93,敏感度为0.88,特异度为0.96。Delong检验显示列线图评估性能在训练队列中优于影像组学模型(LNM,Z=2.04,P=0.04;LVSI,Z=2.80,P=0.01;PNI,Z=3.52,P<0.01),优于或与深度学习模型相似(LNM,Z=4.52,P<0.01;LVSI,Z=1.86,P=0.06;PNI,Z=0.31,P=0.76)。结论深度学习超声组学列线图可有效评估浸润性乳腺癌侵袭转移生物学特性指标。列线图整合影像组学与深度学习特征信息提高了评估性能。

基于成像表型的多组学分析识别膀胱癌TP53突变模式的价值

目的:基于放射组学、深度学习、病理组学多组学分析成像表型特征与膀胱癌(BLCA)肿瘤蛋白53(TP53)突变模式的关系。方法:基于公共数据库下载57例BLCA患者的多组学数据。以术前动脉期CT提取放射组学和深度学习特征,从术后苏木精-伊红染色病理图提取病理组学特征。主成分分析和Relief双重降维特征后,基于随机森林算法开发TP53突变列线图。使用受试者操作特性曲线下面积(AUC)评估列线图的性能。结果:经过21个放射组学特征、9个深度学习特征和9个病理组学特征降维后确定24个特征开发列线图,训练队列和验证队列的曲线下面积分别为0.95和0.87,准确率为0.88和0.88,灵敏度为0.87和0.90,特异度为0.88和0.86。结论:利用多组学成像表型信息互补作用阐明了成像表型特征与BLCA—TP53突变模式的关系,可作为TP53突变的非侵入性替代标记,为精准医学管理提供依据。

探讨影像组学应用于子宫内膜息肉样病变的价值

目的:探讨影像组学在子宫内膜息肉样病变的应用价值。方法:回顾性分析广西医科大学第一附属医院193例经病理证实的子宫内膜息肉样病变的超声图像资料。从超声图像提取影像组学特征并生成数据集。数据集以病变类型按7比3的比例拆分为训练集和验证集。训练集通过假设检验筛选与病变类型相关的差异特征,并提交到L1正则化逻辑回归方法筛选最终构建模型的特征。最后,以决策树机器学习算法构建预测模型。验证集用于评估模型。使用受试者工作特征(ROC)曲线及曲线下面积(AUC)评估模型的性能。结果:最终选择了39个特征进行模型构建。训练集和验证集的影像组学评分在良性和恶性子宫内膜息肉样病变上显著差异(训练集,P<0.0001,验证集,P<0.0001),训练集和验证集的AUC分别为0.91和0.84,准确度、灵敏度及特异度分别为0.93和0.86,0.84和0.74,0.97和0.92,显示出中度以上的鉴别性能。结论:影像组学在子宫内膜息肉样病变的鉴别诊断中具有一定的价值,可作为鉴别诊断子宫内膜息肉样病变的补充手段。

基于人工智能术前预测乳腺导管内癌微浸润的价值

目的基于超声图像的影像组学特征构建术前预测乳腺导管内癌微浸润(DCIS-MI)的鉴别模型,探索人工智能术前预测DCIS-MI的价值。资料与方法回顾性分析经病理证实的80例乳腺导管内癌(DCIS)和23例DCIS-MI的超声图像。在ITKSNAP软件进行图像分割,通过Intelligence Foundry软件进行影像组学特征提取并整理成数据集。数据集以7∶3分为训练组和验证组。训练组用于构建预测模型,验证组用于评估预测模型的可靠性。训练组通过Spearman相关系数以0.95为阈值去除高相关性特征,再使用统计检验联合随机森林的方法(1.25倍重要性均值为阈值)进一步选择重要特征。最后通过决策树机器学习算法构建DCIS-MI的预测模型。使用受试者工作特征曲线及曲线下面积(AUC)评估或验证模型效能。结果训练组纳入72例患者,其中56例DCIS、16例DCIS-MI;验证组纳入31例患者,其中24例DCIS、7例DCIS-MI。最终选择27项特征构建DCIS-MI的预测模型。训练组和验证组预测模型的AUC分别为0.90和0.73,准确度、敏感度及特异度分别为0.79、0.94、0.75和0.74、0.71、0.75。影像组学评分在不同临床病理参数亚组的AUC均>0.77。结论基于超声图像构建的影像组学预测模型具有良好的预测效能,可在一定程度上达到术前辅助诊断DCIS-MI的作用,为临床快速有效决策提供依据。

超声与高分辨磁共振成像检查评价颈动脉斑块易损性的对比研究

目的探讨在高分辨磁共振成像(MRI)评估的基础上采用超声评估颈动脉斑块易损性的价值。方法收集2023年3月至2023年5月于茂名市人民医院同时进行超声、高分辨MRI检查的16例颈动脉斑块患者的临床资料,共检出27个颈动脉易损性斑块(含极低回声或低回声斑块,厚度≥3.5 mm)。基于高分辨动态对比增强MRI序列(DCEMRI)和超声造影,分析斑块内新生血管(IPN)的检出率。在采用高分辨MRI对颈动脉易损性斑块进行分析的基础上,通过解剖定位匹配,观察易损性成分在超声的主要表现,并测量极低回声区的超声灰阶强度(即超声回声强度),通过超声灰阶值分析超声对于区分易损性斑块成分[斑块内出血(IPH)和脂质坏死核心]的潜在价值。结果在27个颈动脉易损性斑块中,超声造影显示24个斑块内部出现超声造影剂微气泡灌注,DCE-MRI显示24个斑块出现强化。DCEMRI和超声造影对颈动脉IPN的诊断符合率为78%(21/27)。通过对18个易损性斑块极低回声区代表的成分进行分析发现18个斑块均在解剖定位上匹配成功,其中,高分辨MRI诊断7个斑块内的极低回声区为IPH,为亚急性出血,T1加权成像(T1WI)和时间飞跃(TOF)序列对亚急性出血敏感,表现为稍高或高信号;11个斑块内的极低回声区是脂质坏死核心。IPH的超声回声强度明显低于脂质坏死核心的超声回声强度,差异有统计学意义(P﹤0.05)。结论超声检查具有潜在区分易损性斑块成分的价值,有助于对颈动脉易损性斑块的早期诊断与干预,从而减少其对患者健康带来的危害。

放射基因组学分析头颈部鳞状细胞癌成像特征与免疫亚型的关系

目的基于放射基因组学探索头颈部鳞状细胞癌(HNSC)成像特征与免疫亚型的关系。方法对105例HNSC患者的CT增强影像和免疫相关基因数据进行分析。在Intelligence Foundry software软件对CT图像的1022个成像特征进行提取。采用k均值聚类算法对1707个免疫相关基因聚类以得到最佳的免疫亚型,进一步以假设检验筛选在免疫亚型中差异显著的特征。COX回归预后模型通过差异特征进行构建并得到风险评分。分析免疫亚型、风险评分与总生存期的关系。结果免疫亚型分为A型和B型,B型提示HNSC患者预后更差。10个特征在免疫亚型中差异显著,并由5个特征构建相关成像特征预后风险评分。风险评分鉴别不同免疫亚型的曲线下面积(AUC)值为0.715,高风险评分提示HNSC患者预后更差。免疫亚型、风险评分与总生存期具有相关关系。此外,免疫亚型、风险评分与免疫检查点基因密切相关。结论本研究对HNSC的CT成像特征与免疫相关基因关联性进行分析,结果表明免疫亚型、成像特征构建的风险评分和总生存期具有一定的平行相关关系。放射基因组学分析尝试性通过成像特征非侵入性获得免疫亚型信息,可为免疫靶向治疗开拓新的视角。

超声引导肝癌裸鼠异位种植瘤不完全消融模型的建立

目的建立良好的肝癌裸鼠异位种植瘤不完全消融模型,探索残余癌分子景观的改变。方法将8只免疫缺陷BALB/c裸鼠以MHCC97-H肝癌细胞系建立异位种植瘤模型,简单随机分为实验组和对照组,每组4只。实验组进行模拟临床肝癌不完全消融,对照组仅进行假消融。通过超声诊断仪、热成像相机、大体病理、HE染色、高通量全转录组测序评估模型间的差异性改变。结果肝癌裸鼠异位种植瘤全部获得成功。实验组热成像相机监测针尖周围肿瘤温度位于50~73.9℃。与对照组相比,实验组HE染色大多显示为坏死区域-变性区域-肿瘤细胞区域共存的现象,坏死区域为(23.75±13.77)%,变性区域为50%(30%)。高通量全转录组测序显示体内外不完全消融模拟模型中存在数百个交集稳定分子景观。结论通过成功建立肝癌不完全消融残余癌的裸鼠异位种植模型,可为分子层面上研究不完全消融残余癌的生物学特性提供条件。