目的:探讨基于钼靶(MG)双体位联合MRI双序列的多模态影像组学列线图模型在术前预测三阴性乳腺癌(TNBC)的价值。方法:分析经病理证实的147例乳腺癌病人临床病理及MG、MRI影像资料,按照7∶3比例随机分为训练集(n=102)与测试集(n=45)。在...目的:探讨基于钼靶(MG)双体位联合MRI双序列的多模态影像组学列线图模型在术前预测三阴性乳腺癌(TNBC)的价值。方法:分析经病理证实的147例乳腺癌病人临床病理及MG、MRI影像资料,按照7∶3比例随机分为训练集(n=102)与测试集(n=45)。在所有病人MG的头尾位(CC)、内外斜位(MLO)及MRI的T2WI、DCE-MRI序列上勾画感兴趣区(ROI)。经最小最大值归一化、Select K Best、LASSO选出与TNBC有较高相关性的最优特征,采用逻辑回归(LR)及支持向量机(SVM)建立基于MG和MRI的多模态影像组学模型,并获取影像组学分数(Rad-score)。通过单及多因素logistic回归得出临床、MG、MRI影像特征独立危险因素构建临床模型。最终将Rad-score联合筛选出的临床-影像危险因素构建多模态影像组学列线图模型。利用受试者工作特征曲线下面积(AUC)评估模型的预测效能,使用校准曲线、决策曲线评估模型的稳定性和临床实用性。结果:多模态影像组学列线图模型预测TNBC的效能最佳,训练集AUC、敏感度、特异度、准确度分别为0.957、90.9%、97.5%、94.1%,测试集分别为0.923、88.9%、91.7%、86.7%。结论:基于MG双体位和MRI双序列的多模态影像组学列线图模型可以在术前较好地、无创预测TNBC。展开更多
目的探讨基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的瘤内及瘤周影像组学列线图在预测乳腺癌患者腋窝淋巴结(axillary lymph node,ALN)转移中的价值。材料与方法回顾性分析蚌埠医学...目的探讨基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的瘤内及瘤周影像组学列线图在预测乳腺癌患者腋窝淋巴结(axillary lymph node,ALN)转移中的价值。材料与方法回顾性分析蚌埠医学院第一附属医院术前经乳腺DCE-MRI检查且经病理证实的180例乳腺癌患者病例,按照7∶3的比例随机分为训练集(n=126)及测试集(n=54)。首先,选择DCE-MRI第2期病灶最大层面勾画感兴趣区(region of interest,ROI),并且适形外扩6 mm,通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归筛选最优影像组学特征,通过支持向量机(support vector machine,SVM)方法获取瘤内、瘤周及瘤内+瘤周影像组学评分(radiomics score,Rad-score),分别构建瘤内模型、瘤周模型、瘤内+瘤周模型,通过单-多因素logistic回归筛选临床高危因素构建临床模型,最终选择效能最高的瘤内+瘤周Rad-score联合临床高危因素构建影像组学列线图模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析各模型的预测效能并计算曲线下面积(area under the curve,AUC),使用校准曲线评估预测模型的临床实用性。结果列线图模型诊断性能最佳,其训练集AUC、敏感度、特异度及准确度分别为0.945、87.5%、93.0%及92.6%;测试集分别为0.942、90.9%、90.6%及90.2%。结论列线图模型在术前对乳腺癌ALN转移的预测中具有重要价值,可以科学、无创地为临床决策提供重要指导。展开更多
文摘目的:探讨基于钼靶(MG)双体位联合MRI双序列的多模态影像组学列线图模型在术前预测三阴性乳腺癌(TNBC)的价值。方法:分析经病理证实的147例乳腺癌病人临床病理及MG、MRI影像资料,按照7∶3比例随机分为训练集(n=102)与测试集(n=45)。在所有病人MG的头尾位(CC)、内外斜位(MLO)及MRI的T2WI、DCE-MRI序列上勾画感兴趣区(ROI)。经最小最大值归一化、Select K Best、LASSO选出与TNBC有较高相关性的最优特征,采用逻辑回归(LR)及支持向量机(SVM)建立基于MG和MRI的多模态影像组学模型,并获取影像组学分数(Rad-score)。通过单及多因素logistic回归得出临床、MG、MRI影像特征独立危险因素构建临床模型。最终将Rad-score联合筛选出的临床-影像危险因素构建多模态影像组学列线图模型。利用受试者工作特征曲线下面积(AUC)评估模型的预测效能,使用校准曲线、决策曲线评估模型的稳定性和临床实用性。结果:多模态影像组学列线图模型预测TNBC的效能最佳,训练集AUC、敏感度、特异度、准确度分别为0.957、90.9%、97.5%、94.1%,测试集分别为0.923、88.9%、91.7%、86.7%。结论:基于MG双体位和MRI双序列的多模态影像组学列线图模型可以在术前较好地、无创预测TNBC。
文摘目的探讨基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)的瘤内及瘤周影像组学列线图在预测乳腺癌患者腋窝淋巴结(axillary lymph node,ALN)转移中的价值。材料与方法回顾性分析蚌埠医学院第一附属医院术前经乳腺DCE-MRI检查且经病理证实的180例乳腺癌患者病例,按照7∶3的比例随机分为训练集(n=126)及测试集(n=54)。首先,选择DCE-MRI第2期病灶最大层面勾画感兴趣区(region of interest,ROI),并且适形外扩6 mm,通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归筛选最优影像组学特征,通过支持向量机(support vector machine,SVM)方法获取瘤内、瘤周及瘤内+瘤周影像组学评分(radiomics score,Rad-score),分别构建瘤内模型、瘤周模型、瘤内+瘤周模型,通过单-多因素logistic回归筛选临床高危因素构建临床模型,最终选择效能最高的瘤内+瘤周Rad-score联合临床高危因素构建影像组学列线图模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线分析各模型的预测效能并计算曲线下面积(area under the curve,AUC),使用校准曲线评估预测模型的临床实用性。结果列线图模型诊断性能最佳,其训练集AUC、敏感度、特异度及准确度分别为0.945、87.5%、93.0%及92.6%;测试集分别为0.942、90.9%、90.6%及90.2%。结论列线图模型在术前对乳腺癌ALN转移的预测中具有重要价值,可以科学、无创地为临床决策提供重要指导。
