多参数磁共振影像组学列线图在术前可有效预测直肠癌淋巴血管浸润

目的 探讨基于多参数磁共振影像组学结合临床危险因素构建的列线图模型在术前预测直肠癌淋巴血管浸润的价值。方法 回顾性分析蚌埠医学院第一附属医院术前行多参数MRI检查且术后病理证实为直肠腺癌的患者112例,收集患者的临床和盆腔影像资料,以7:3的比例随机分为训练集和验证集。通过单-多因素Logistic回归分析筛选与直肠癌淋巴血管浸润相关的临床独立危险因素;分别于T2WI、扩散加权成像和T1WI增强序列手动勾画感兴趣区并提取影像组学特征,经特征降维筛选最优影像组学特征构建影像组学模型;结合临床预测因子与影像组学评分标签构建列线图模型。采用ROC曲线下面积、校准曲线、决策曲线分析评价模型的预测效能。结果 列线图模型的预测效能最佳,其曲线下面积在训练集和验证集分别为0.876(95%CI:0.799~0.952)、0.769(95%CI:0.600~0.938),显著高于单独影像组学模型(0.818、0.741)和临床模型(0.714、0.548)。结论 本研究构建的列线图模型在预测直肠癌淋巴血管浸润方面具有较高的诊断性能,可以术前为临床决策提供重要指导。

基于CTA影像组学在预测动脉瘤破裂风险中的价值

目的 探讨基于CTA影像组学在预测动脉瘤破裂风险中的价值。方法 回顾性分析144例颅内动脉瘤患者的影像资料,其中未破裂动脉瘤71例,破裂动脉瘤73例。使用达尔文科研平台在经全脑血管多层螺旋CT血管造影(Computer tomography angiography,CTA)图像上手动勾画感兴趣区,进行影像组学特征提取分析。将患者以7:3的比例分为训练集(n=100)和测试集(n=44),从每个动脉瘤中自动计算出1316个影像组学特征,进而筛选出最重要的分类特征去构建影像组学模型,并对训练集及测试集进行评估,从而比较未破裂动脉瘤及破裂动脉瘤之间的差异。结果 通过最大绝对值归一化、最优特征筛选百分比及SVM筛选出14个影像组学特征用于建立模型。CTA影像组学模型在训练集及测试集中表现良好(AUC分别为0.87(95%置信区间CI:0.78和0.83(95%置信区间CI:0.63,1),P<0.05)。结论 基于CTA影像组学构建模在预测动脉瘤破裂风险中具有较好的应用价值。

基于CT影像组学及临床多因素回归分析预测肝细胞肝癌TACE术后中重度腹痛的模型构建

目的探讨肝细胞癌(HCC)病人肝动脉插管化疗栓塞(TACE)术后急性严重腹痛发生危险因素,并分别构建影像组学模型、Logistics回归模型。方法回顾性分析128例经病理证实为肝细胞肝癌并实行TACE术的患者,分别收集其影像学资料及临床资料。按照8:2分成训练集及验证集,按照BPI评分标准,“0~3”分无或轻度疼为阴性组,共计57例,“4~10”分中重度腹痛分为阳性组,共计71例,比较阳性组与阴性组患者的临床及影像资料,采用影像组学及多因素Logistics回归分析筛选危险因素,并建立预测模型;受试者工作(ROC)曲线分析预测效能。结果影像组学模型:对动脉期、门脉期、延迟期、动脉期+门脉期、动脉期+延迟期、门脉期+延迟期及动脉期+门脉期+延迟期的模型进行分析,结果显示动脉期+门脉期+延迟期的联合组学模型的训练集AUC值为0.79,验证集AUC值为0.78,其效能高于其它六组组学模型。临床因素Logistics回归分析显示TACE术史、TACE术后腹痛病史、肿瘤距肝包膜距离是否>1cm、肿瘤最大直径是否>5cm、肿瘤数目是否>2、有无血管侵犯及TACE术式是其独立危险因素,临床因素Logistics回归分析筛选独立因素建立的预测模型AUC值为0.85。结论影像组学中动脉期+门脉期+延迟期的联合模型对于预测肝细胞肝癌TACE术后腹痛的发生有一定的临床价值,为以后影像组学对于肝癌TACE术后腹痛预测研究提供一定的价值,临床多因素回归分析模型的可以提供更多的临床因素,具有较好的效能,组学模型与临床多因素回归模型两者之间互有补充,建立预测模型,为临床提供更好的个性化疼痛管理,减轻病人的痛苦。

多参数3D MRI影像组学模型预测结直肠癌肝转移及相关临床危险因素的分析

目的探讨多参数3D MRI影像组学模型对于结直肠癌肝转移(CCLM)的预测价值及相关临床危险因素的分析。方法收集2019-2022年在本院术前行MRI检查且术后病理证实的198例结直肠癌患者的临床及影像资料。按照8:2的比例随机分为训练集及验证集(n=159及39)。对T_(2)WI、DWI、e-THRIVE+序列分别逐层勾画,得到3D VOI,提取组学特征并降维处理、构建影像组学模型。采用逻辑回归分析,筛选出CCLM的独立危险因素并构建临床模型。结果三序列联合的影像组学模型预测CCLM的效能高于单一序列模型,其训练集与验证集AUC值分别为0.919及0.896。逻辑回归分析得到CCLM的独立危险因素分别为CEA、CA199及NLR(P<0.05)。三者联合的临床模型效能亦高于单一临床模型,训练集与验证集的AUC值分别为0.800及0.791。结论多参数3D MRI影像组学模型对于CCLM具有较高预测效能。基于CEA、CA199、NLR的临床模型对于CCLM具有一定预测效能。

基于CT影像组学在非小细胞肺癌表皮生长因子受体突变中的预测价值

目的探讨基于CT影像组学模型在非小细胞肺癌表皮生长因子受体(epithelial growth factor receptor,EGFR)突变状态中的预测价值。方法回归性分析2018年8月-2022年3月蚌埠医学院第一附属医院确诊的125例有EGFR基因检测结果的肺腺癌患者临床及影像资料。其中EGFR突变型32人,野生型93人,将患者按照1:3的比例随机分为测试集和训练集。对所有病例进行临床资料及增强CT图像采集,用惠影软件对采集的CT图像进行高标准手动分割,并提取影像组学特征,应用最小绝对收缩和选择算子(least absolute shrink-age and selection ope rator,LASSO)算法及5折交叉验证筛选出最佳特征子集,并构建影像组学模型。通过绘制受试者操作特征曲线(receiver operating characteristic,ROC),计算ROC曲线下面积(AUC),评价影像组学特征在EGFR基因突变中的预测效能。结果非小细胞肺癌EGFR突变预测模型共提取1409个特征,筛选后得到5个最佳影像组学特征用于构建模型,构建的影像组学模型可有效预测肺腺癌EGFR基因突变状态。测试集和训练集在上述模型中ROC曲线下面积(AUC)分别为0.75(95%CI为0.53-0.97)0.80(95%CI为0.70-0.91)。结论基于CT影像组学模型在非小细胞肺癌表皮生长因子受体突变状态中拥有较好的预测价值。

CT影像组学在非小细胞肺癌病理分级中的应用

目的:探讨CT影像组学在非小细胞肺癌(NSCLC)病理分级中的应用价值。方法:回顾性分析67例经病理证实为NSCLC病人资料,其中Ⅰ级7例,Ⅱ级39例,Ⅲ级21例,依据非小细胞肺癌的分化程度、异型性、核分裂象的多少,将Ⅰ、Ⅱ级归为低级别组(46例),Ⅲ级归为高级别组(21例)。将病人按照5∶1的比例随机分为训练组56例,验证组11例,选取病灶最大径层面进行感兴趣区(ROI)的勾画,建立预测模型,通过绘制受试者操作特征曲线(ROC),计算ROC曲线下面积(AUC),评价影像组学特征在NSCLC病理分级中的应用价值。结果:CT影像组学模型共提取了1878个影像组学特征,采用SVM对特征的重要性进行评估,最终降维得到20个特征维度;训练组中AUC值为0.851,准确率为80.35%;测试组中AUC为0.833,准确率为90.90%。结论:CT影像组学可通过分析各种影像特征对术前NSCLC病理分级进行预判。

双能量CT虚拟平扫结合影像组学在诊断肺鳞状细胞癌与肺腺癌中的价值

目的:探讨双能量CT虚拟平扫结合影像组学在术前诊断肺鳞状细胞癌与肺腺癌中的价值,指导临床制定个体化治疗方案。方法:回顾性分析经病理证实接受治疗的肺鳞癌与肺腺癌病人共162例。其中肺鳞癌54例,肺腺癌108例,按照3∶2随机分为训练组与测试组,采用达尔文智能科研平台(http://122.115.38.132∶7043/manage/project-manage)分析术前双能量CT(管电压70 kVp及120 kVp)平扫图像,勾画感兴趣区,建立预测模型,通过受试者操作特性曲线验证预测模型,评价影像组学特征在预测肺鳞状细胞癌与肺腺癌中的价值。结果:训练组中,曲线下面积(AUC)值为0.77,准确率为71.13%,特异性为0.75,敏感性为0.69,95%置信区间(CI)为0.67;测试组中,AUC值为0.74,准确率为64.62%,特异性为0.59,敏感性为0.67~0.90,95%CI:0.53~0.93。结论:双能量CT虚拟平扫结合影像组学可以作为辅助手段鉴别肺鳞癌与肺腺癌,对于肺癌病人的临床治疗方案具有指导意义。

基于3D MRI影像组学模型鉴别IA期宫颈癌与高级别鳞状上皮内瘤变的价值研究

目的探讨基于3D磁共振T2WI及动态对比增强DCE序列影像组学模型在鉴别ⅠA期宫颈癌与高级别鳞状上皮内瘤变(HSIL)中的价值。方法回顾性分析经手术病理证实的ⅠA期宫颈癌患者52例与HSIL患者35例,收集患者的临床资料及影像资料,利用汇医慧影平台将患者按10:3随机分成训练集和测试集,在矢状位T2WI和DCE上由三名放射科医生手动勾画宫颈,获得宫颈三维容积感兴趣区(VOI),提取影像组学特征。并进行数据降维。采用KNN算法建立模型并绘制受试者工作特性曲线(ROC曲线),对训练集和测试集ROC曲线下的总面积(AUC)、敏感度、特异度、准确率4个指标展开分析。结果T2WI模型、DCE模型以及T2WI联合DCE模型最终提取出的影像组学特征分别为23、11、28,训练集及测试集的AUC值分别为0.833、0.797,0.877、0.870,0.897,0.813。结论T2WI联合DCE图像影像组学模型比单一模型更具有临床价值,有助于评估病情,并针对病情所处阶段制定个体化治疗方案。

多参数MR影像组学标签鉴别非典型纤维腺瘤与浸润性乳腺癌

目的 探讨基于多参数磁共振T;WI及弥散加权成像序列的影像组学模型在鉴别非典型纤维性腺瘤与浸润性乳腺癌中的价值。方法 回顾性分析154例因乳腺肿块就诊患者的影像资料。其中包括经乳腺影像报告和数据系统评估为4类但病理活检证实为纤维腺瘤的ABF43例,病理活检为IBC的111例。利用达尔文科研平台将数据集按照4∶1随机分成训练集和测试集,提取所勾画病灶上的影像组学特征,利用支持向量机建立影像组学鉴别模型,通过对受试者操作特征曲线、敏感度、特异度及准确率进行分析,探讨单独T;WI图、单独DWI图及T;WI联合DWI图像三种模型在ABF组和IBC组间的鉴别价值。结果 T;WI图和DWI图训练集及测试集的ROC曲线下面积分别为0.80、0.75,0.75、0.70;T;WI图像联合DWI图像模型训练集及测试集的ROC曲线下面积分别为0.85,0.79。结论 T;WI联合DWI图像影像组学模型对鉴别ABF及IBC具有一定价值,可辅助临床更精准的判断患者肿块类型,尽可能避免不必要的活检。

DKI、IVIM参数评估乳腺癌病理分级及免疫因子表达相关研究进展

乳腺癌近年来的发病率持续上升并居于女性恶性疾病首位。乳腺癌的发生、发展及预后与病理分级和免疫因子密切相关,其精准评估可以优化患者的治疗管理。磁共振扩散峰度成像和体素内不相干运动成像是弥散加权成像的延伸和扩展,也是近年来的研究热点,其在评估乳腺癌病理分级与免疫因子的表达中具有重要临床意义。本文就这两种成像技术在评估乳腺癌病理分级及免疫因子表达应用方面的作用进行综述。

多序列3D-MRI影像组学对乳腺小肿块的鉴别价值

目的 基于动态增强磁共振(DCE-MRI)序列及扩散加权成像(DWI)序列构建影像组学模型,探讨其对直径≤2 cm的乳腺肿块良恶性的鉴别价值。方法 选取2019年1月至2022年8月就诊于本院122例患者,均接受MRI检查,且经测量肿块直径≤2 cm。将所有患者图像以DICOM格式上传至慧影大数据平台,使用双盲法在DWI及DCE第三期图像上逐层勾画感兴趣区(ROI),后将该病灶勾画的所有ROI融合成三维容积感兴趣区(3D-VOI)进行组学分析。按照4∶1将数据集随机分为训练集与测试集,采用逻辑回归(LR)分类器,构建DCE、DWI及DCE与DWI联合鉴别模型,以病理检查为金标准,评价三种影像组学模型的鉴别效能,并比较三种模型的曲线下面积(AUC)、准确率、特异度及敏感度。结果 根据病理结果将122例患者分为良性42例,恶性80例,以DCE构建组学模型鉴别乳腺小肿块的AUC值为0.83(0.65~1.00)、准确率67%、特异度81%、敏感度67%;以DWI构建组学模型鉴别乳腺小肿块的AUC值0.81(0.67~0.98)、准确率64%,特异度78%、敏感度75%;以DCE与DWI联合模型鉴别乳腺小肿块AUC值0.93(0.80~1.00)、准确率80%、特异度88%、敏感度89%。结论 DCE-MRI与DWI序列联合所建立的模型无创性鉴别乳腺小肿块良恶性的价值更高。

基于3D CT影像组学特征在晚期肺鳞癌化疗疗效预测中的应用

目的建立3D CT影像组学模型评估含铂双药联合方案对晚期肺鳞癌的化疗疗效,以期帮助后期治疗方案的选择及调整。方法回顾性分析2019年1月至2021年12月经蚌埠医学院第一附属医院经病理证实的127例晚期肺鳞癌患者的影像学资料,选取化疗前胸部增强CT纵隔窗图像及化疗两个周期后的胸部CT图像,依照实体肿瘤疗效评价标准(RECIST)1.1版评估并分为有效组78例和无效组49例。使用慧影大数据人工智能科研平台将数据按照4∶1随机分为训练组和测试组。选取患者化疗前图像,勾画感兴趣区(ROI),提取病灶的影像组学特征,建立预测模型并验证。通过受试者工作特征曲线(ROC)的曲线下面积(AUC)评估模型效能。结果训练组中,有效组AUC为0.82(0.74~0.91),准确率为0.65,特异度为0.74,敏感度为0.74;无效组AUC为0.82(0.74~0.91),准确率为0.84,特异度为0.77,敏感度为0.77;测试组中,有效组AUC为0.76(0.57~0.96),准确率为0.70,特异度为0.81,敏感度为0.81;无效组AUC为0.76(0.57~0.96),准确率为0.81,特异度为0.70,敏感度为0.70。结论基于治疗前增强CT纵隔窗3D影像组学模型可在化疗前对晚期肺鳞癌的疗效做出较为准确的评估,为患者做出个体化治疗方案具有一定的指导价值。

3D-MRI影像组学特征与肿块型乳腺癌分子分型相关性分析

目的基于动态对比增强磁共振成像(DCE-MRI)序列探讨3D影像组学特征与肿块型乳腺癌分子分型相关性分析。方法回顾性分析经病理证实为乳腺癌的120例患者,且治疗前均经DCE-MRI检查。将所有患者图像从图像存储与传输系统以DICOM形式上传至慧影大数据科研平台,使用双盲法在动态增强第三期沿病灶周围逐层勾画感兴趣区,后将该病灶勾画的所有感兴趣区融合成三维容积感兴趣区(3D-VOI),进行组学分析,提取纹理特征,共1409个纹理特征,采用方差选择法、单变量特征选择法及最小绝对收缩和选择算子(LASSO)对病灶进行特征筛选及降维处理,最终得到最有价值的影像组学特征,构建有效预测模型,绘制受试者操作特征(ROC)曲线,得出ROC曲线下面积(AUC)、特异度、敏感度及准确性评估模型效能。利用秩和检验、卡方检验对不同分子分型患者的病灶大小、年龄、月经情况及淋巴结转移情况进行统计学分析。结果根据病理结果将患者分为4型,管腔A型、管腔B型、Her-2过表达型及三阴型。4种分型的预测模型AUC值分别为0.80、0.77、0.79、0.79。不同分子分型的乳腺癌患者的年龄、月经情况及病灶大小之间差异有统计学意义(P<0.05),淋巴结转移情况差异无统计学意义(P>0.05)。结论3D-MRI影像组学特征与肿块型乳腺癌分子分型之间具有良好的相关性。

基于3D-CT影像组学预测小细胞肺癌经铂类化疗后脑转移的研究

目的利用3D-CT影像组学预测小细胞肺癌(SCLC)经铂类化疗后脑转移的发生情况。方法回顾性分析采用铂类化疗方案的148例SCLC患者的影像资料,其中发生脑转移者共57例,未发生脑转移者共91例。利用慧影大数据科研平台将数据集按照4∶1随机分成训练集和测试集,提取所勾画病灶上的影像组学特征,利用支持向量机建立影像组学鉴别模型,通过对受试者工作特征曲线下面积、敏感度、特异度及准确率进行分析,预测SCLC在铂类治疗过程中发生脑转移的概率。结果发生脑转移和未发生脑转移组的训练集及测试集的受试者工作特征曲线下面积分别为0.798、0.789,0.798、0.789;训练集未发生脑转移组特异性0.72,准确率为0.80,发生脑转移组中特异性0.71,准确率为0.62,测试集中未发生脑转移组特异性0.83,准确率为0.87,发生脑转移组中特异性0.68,准确率为0.62。结论基于经铂类治疗的SCLC患者肺部CT 3D影像组学特征预测脑转移具有一定临床价值,能对患者进行早期临床干预,从而改善患者预后,提高生存期。

DCE-MRI和DWI影像组学特征预测浸润性乳腺癌病理分级的价值

目的 探讨动态对比增强MRI(DCE-MRI)和扩散加权成像(DWI)影像组学模型在预测浸润性乳腺癌(IBC)病理分级方面的价值。方法 回顾性分析经病理证实为浸润性乳腺癌的142例患者的影像学资料。按病理分级分为低级别组(n=93)和高级别组(n=49)。利用达尔文科研平台对患者的DCE-MRI和DWI图像病灶进行特征提取,采用logistic回归分析建模,通过对受试者操作特征(ROC)曲线和准确性进行分析,探讨DCE图、DWI图以及两者联合的影像组学标签在预测IBC病理分级方面的价值。结果 单独DCE模型最终提取5个影像组学特征,DCE联合DWI模型最终提取5个影像学特征,单独DWI模型最终提取10个影像组学标签。DCE图与DWI图训练集的曲线下面积(AUC)分别为0.82(0.68,0.96)、0.77(0.62,0.91),准确性分别为0.74、0.68;测试集的AUC分别为0.79(0.62,0.97)、0.66(0.46,0.86),准确性为0.72、0.60;DCE联合DWI图的模型训练集AUC为0.82(0.69,0.95),准确性为0.74;测试集AUC为0.76(0.59,0.96),准确性为0.65。结论 单独DCE图像及DCE联合DWI图像影像组学标签对预测高级别与低级别IBC有一定价值,单独DCE影像组学模型优于DCE联合DWI的影像组学模型。

基于骰骨MRI的糖尿病足影像组学特征

目的:探究基于MRI影像组学特征辅助诊断糖尿病足(DF)的可行性。方法:回顾性分析2018年8月至2020年8月于上海中医药大学附属上海市中西医结合医院行足部MRI检查的127例因足部疾患就诊患者的临床资料,其中男性83例、女性44例,年龄16~88 (59.3±14.8)岁。根据患者临床诊断的不同分为DF组(85例)和非DF组(42例);根据影像组学特点,采用简单随机抽样法,将患者以3∶2的比例随机分为训练组(76例)和测试组(51例)。在MRI的T1加权成像(WI)序列和质子密度加权成像(PDWI)压脂序列矢状面图像上勾画骰骨,提取影像组学特征参数,并构建T1WI序列模型、PDWI压脂序列模型及联合模型,联合模型包括性别、年龄、骨髓信号和影像组学特征参数。通过3组模型参数最大绝对值归一化的预处理,经过最优特征和模型选择筛选出最优特征维度。采用受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估影像组学特征诊断DF的效能。2组间年龄的比较采用独立样本 t检验,2组间性别和中足骨骨髓信号异常的比较采用 χ^(2)检验。 结果:DF组和非DF组患者在年龄、男女比例及中足骨骨髓信号异常间的差异均有统计学意义( t=29.2, χ^(2)=17.15、6.53,均 P<0.05)。T1WI序列模型、PDWI压脂序列模型和联合模型最终分别筛选出9、7和10个最优特征维度。支持向量机模型区别DF和非DF患者在T1WI序列模型上训练组和测试组的AUC分别为0.86和0.84,准确率分别为78%和69%;PDWI压脂序列模型上训练组和测试组的AUC分别为0.85和0.83,准确率分别为82%和78%;而联合模型上训练组和测试组的AUC分别为0.93和0.85,准确率分别为84%和76%。T1WI序列模型与PDWI压脂序列模型诊断效能相当,而联合模型优于二者单独应用。 结论:MRI影像组学特征能有效区分DF和非DF,有望为DF影像诊断提供一种新型、高效、无创的手段。