基于多参数磁共振放射组学预测临床显著性前列腺癌

目的探讨基于术前多参数磁共振的放射组学模型在预测临床显著性前列腺癌方面的价值。方法回顾性收集了332名进行mp-MRI检查的患者,按7:3的比例随机分为训练组和验证组。使用PyRadiomics包分别提取T2WI、DWI和DCE三个序列的影像组学特征,筛选出相关性最大的放射组学特征,并根据相应的系数得出放射组学得分,共建立了三个单一、两个多模态放射组学模型,评估五个模型的预测性能。结果1.332名患者随机被分为训练组232例和验证组100例,两组间所有临床参数的差异均无统计学意义。2.多模态模型B预测效能最佳,AUC值在训练组和验证组分别达到0.90和0.86,校准曲线显示了良好一致性,并且DCA曲线也表现出最大的临床获益。而模型A的准确度和敏感度在五个模型中达到最高,训练组中分别为0.86和0.86,验证组中分别为0.81和0.78。DWI模型的特异度在两组分别达到了0.91和0.80,这在五个模型中是最高的。结论基于mp-MRI的放射组学模型可用于术前预测CsPCa。

基于磁共振图像机器学习放射组学模型预测脑胶质瘤的强化

目的开发一个基于T2液体衰减反转恢复序列(T2-FLAIR)图像准确预测胶质瘤MRI强化模式的机器学习放射组学模型,为优化胶质瘤患者的MRI检查流程提供潜在的理论依据。方法回顾性收集385例手术病理确诊的脑胶质瘤的术前MRI T2-FLAIR图像,根据强化模式分成强化和无强化两类,在训练组(201例)基于高斯过程、线性回归、线性回归最小绝对收缩和选择算子、支持向量机、线性判别分析和朴素贝叶斯这6种分类器分别建立预测胶质瘤强化模式的组学模型,并在内部验证组(85例)和外部验证组(99例)进行测试。应用受试者操作特征曲线评估其预测性能。结果以高斯过程作为分类器的由15个放射组学特征组成的预测模型在训练组和内部验证组均具有最高的预测性能,其曲线下面积分别是0.88(95%CI:0.81,0.94)和0.80(95%CI:0.71,0.88),在外部验证组的曲线下面积、敏感性、特异性、阳性预测值、阴性预测值分别是0.81(95%CI:0.71,0.90)、0.98、0.61、0.76、0.96。结论基于T2-FLAIR的机器学习放射组学模型可准确预测胶质瘤的MRI强化模式。

基于MRI的放射组学模型预测中晚期肝癌患者TACE后肿瘤反应

目的基于临床特征和多模态磁共振成像(MRI)的放射组学纹理分析开发一款列线图模型,指导评估中晚期肝细胞癌(HCC)经导管动脉化疗栓塞(TACE)后3个月的肿瘤反应。方法纳入2017年1月至2021年12月苏州市第九人民医院病理确诊中晚期HCC患者105例,随机分为训练组63例和验证组42例。化疗前使用3.0T MRI采集T1WI、T2WI、动态对比剂增强(DCE)和弥散加权成像(DWI),A.K.软件提取纹理特征。化疗后3个月根据改良的实体瘤反应评估标准(m RECIST)分为反应组63例和无反应组42例。结果无反应组比反应组Child-Pugh分级B和BCLC分期C增多,血清甲胎蛋白(AFP)水平升高(P<0.05)。A.K.软件共提取MRI纹理特征396个,LASSO回归筛选最优预测因子6个,计算放射组学评分(Rad-score),ROC计算Rad-score预测训练组与验证组TACE后肿瘤无反应的AUC分别为0.842和0.803。多因素logistic回归模型显示,AFP≥50 ng/mL(OR=1.568,95%CI:1.234~1.902,P=0.003)、Child-Pugh分级B(OR=1.754,95%CI:1.326~2.021,P=0.001)、BCLC分期C(OR=1.847,95%CI:1.412~2.232,P=0.001)和Rad-score(OR=2.023,95%CI:1.569~2.457,P<0.01)是肿瘤无反应的独立危险因素。临床-放射组学结合预测肿瘤无反应的AUC最高。校正曲线显示列线图模型的吻合度较好。结论多模态MRI的放射组学纹理分析量化评分对预测中晚期HCC患者TACE后3个月的肿瘤无反应有一定价值,结合临床因素构建的列线图模型有较好的实践潜能。

多参数MRI放射组学诺模图鉴别结节型肾透明细胞癌与乏脂血管平滑肌脂肪瘤的可行性

目的探究基于MRI多序列放射组学诺模图鉴别小肾脏肿块(直径≤4 cm)中肾透明细胞癌与乏脂血管平滑肌脂肪瘤的价值。资料与方法回顾性分析2017年7月—2022年12月南京医科大学第一附属医院经病理证实的75例患者共78个肾脏肿块,其中56个肾透明细胞癌、22个乏脂血管平滑肌脂肪瘤,按7∶3分为训练集55个和验证集23个。从T2WI和扩散加权成像序列提取放射组学特征,采用t检验和最小绝对收缩和选择算法进行特征选择,构建放射组学模型,并计算放射组学评分。评估临床特点和MRI主观特征建立临床模型,并结合放射组学评分和临床特征构建放射组学诺模图,评估诺模图的校准、辨别和临床实用性。结果每例患者提取2632个放射组学特征,4个特征用于构建放射组学模型。放射组学模型在训练集[曲线下面积(AUC)=0.979,95%CI 0.937~1.000)]和验证集(AUC=0.833,95%CI 0.626~1.000)中具有良好的辨别能力。放射组学诺模图在训练集(AUC=0.988,95%CI 0.963~1.000)和验证集(AUC=0.867,95%CI 0.698~1.000)中具有良好的校准和辨别能力,较测试集中的临床模型(AUC=0.725,95%CI 0.478~0.972)和放射组学模型(AUC=0.833,95%CI 0.626~1.000)的辨别能力更好。决策曲线分析显示,诺模图的临床实用性优于临床因素模型和放射组学特征。结论基于MRI的放射组学诺模图结合放射组学评分和临床因素,可在术前无创鉴别肾透明细胞癌与乏脂血管平滑肌脂肪瘤。

放射组学特征联合CT影像学征象对周围型肺癌胸膜浸润的预测价值

目的探讨放射组学特征与CT影像学征象相结合在预测周围型非小细胞肺癌(NSCLC)发生胸膜浸润(VPI)中的价值。方法选取经手术病理证实的周围型NSCLC患者398例,根据有无胸膜浸润将患者分为阴性组209例和阳性组189例,评估所有患者的CT征象。以7∶3的比例将患者随机分配到训练集和验证集,使用随机森林回归分析构建预测模型(纹理特征模型、CT影像学特征模型和联合预测模型),用ROC曲线评价其诊断性能。结果阴性组和阳性组患者在平均直径、平均CT值、密度、病灶与胸膜的关系(RAP)分型、胸膜凹陷征方面差异均有统计学意义(P<0.05),且多因素回归分析显示肿瘤平均直径、密度、RAP类型和淋巴结转移是VPI的独立预测因子。共选出786个纹理参数,通过mRMR和LASSO特征分析识别出12个具有预测意义的纹理特征。RF回归分析构建预测模型,结果显示联合预测模型对训练集和验证集的AUC分别为0.915、0.887,且联合预测模型的AUC分别显著高于纹理特征模型和CT影像学特征模型(0.915 vs 0.856 vs 0.852;0.887 vs 0.855 vs 0.827);联合预测模型的特异度也高于纹理特征模型和CT影像学特征模型(91.2%vs 88.2%vs 85.3%;94.1%vs 85.3%vs 70.6%)。结论放射组学特征联合CT影像学征象可有效预测直径≤3.0 cm周围型NSCLC患者胸膜浸润的存在。

预测肝癌患者微血管侵犯、术后转归和复发的CT放射组学模型

目的 基于放射组学创建肝癌患者微血管侵犯和术后复发的预测模型,并评估其预测价值。方法 2015年1月~2017年1月在我院确诊并进行肝切除手术的360例早期肝癌患者根据随机数字表法被分为训练组(240例)和验证组(120例)。对两组患者术前的CT影像资料和病理资料进行分析,通过逐层勾勒获得三维感兴趣区域,并提取影像特征,采用LASSO(least absolute shrinkage and selection oprator)回归进行降维处理并进行十折交叉验证,获得CT特征并建立预测模型,采用受试工作者特征曲线(receiver operating characteristic curve,ROC)判定预测模型的预测价值。结果 训练组和验证组在性别、年龄、乙肝表面抗原、ALT、AST、GGT、TBIL、DBIL、AFP、肿瘤最大直径、ChildPugh分级、肿瘤微血管侵犯上差异均无统计学意义(P>0.05)。针对微血管侵犯,共获得10个特异性的特征参数,对应模型在训练组的ROC曲线下面积(AU C)为:0.705(95%CI:0.640-0.770),敏感度71.42%,特异度58.97%;在验证组中的AUC为:0.745(95%CI:0.679~0.810),敏感度75.00%,特异度66.17%。针对术后3年的复发,共获得13个特异性特征参数,对应模型在训练组的AUC为0.720(95%CI:0.629~0.812),敏感度72.22%,特异度70.49%;在验证组中的AUC为0.753(95%CI:0.666~0.839),敏感度70.27%,特异度69.86%。结论 CT放射组学模型对肝癌微血管侵犯和术后复发均具有较高的预测价值。

CT放射组学联合血清肿瘤标志物对不确定性质肺结节恶性风险的预测价值

目的分析CT放射组学联合血清肿瘤标志物对不确定性质肺结节(IPN)恶性风险的预测价值。方法选取2019年3月至2023年3月诊治的IPN患者238例,检测血清肿瘤标志物水平。根据CT放射组学,计算基于结节形状、大小和质地的放射组学评分。使用Logistic回归(LR)和随机森林(RF)开发预测模型,与目前的风险评估标准(Mayo)进行比较。使用偏倚校正临床净重新分类指数(cNRI)确定IPN风险重新分类。结果LR和RF建模均显示年龄、放射组学、CYFRA 21-1和CEA是IPN恶性风险的最强预测因子。与Mayo相比,LR和RF模型具有更高的诊断准确性,LR模型的AUC为0.764,RF模型的AUC为0.731。与Mayo模型相比,LR和RF模型恶性结节重新分类的cNRI分别为为0.21(0.20,0.23)和0.21(0.19,0.23)。结论放射组学、CYFRA 21-1、CEA和患者年龄联合模型具有比Mayo更高的IPN诊断准确性。

基于多模态磁共振放射组学与临床指标的前列腺癌智能检测及风险预测模型建立

目的:利用多模态磁共振放射组学开发前列腺癌自动检测模型,并使用列线图构建多因素回归模型,将前列腺MRI放射组学特征与临床多个检测指标进行整合,从而对患前列腺癌风险性进行预测。方法:回顾性研究于2019年2月~2021年10月病理证实为前列腺癌和其他前列腺良性肿瘤的患者133例。所有病例均行前列腺直肠指检(DRE)、前列腺特异性抗原(PSA)、游离前列腺特异性抗原(F-PSA)、FPSA/PSA检测。治疗前多模态前列腺MRI图像(DWI+DCE+T2WI)用于提取放射特征,最大相关最小冗余(m RMR)算法用于消除混杂变量,使用最小绝对收缩和选择算子(LASSO)逻辑回归进行放射特征选择。通过曲线下面积(AUC)、准确性、特异性、敏感性评估放射特征的诊断性能;通过多元logistic回归选择临床指标和放射组学特征模型来制定放射组学列线图,并使用校准曲线和Hosmer-lemeshow试验验证其可靠性。结果:两名观察者测量的所有数据ICC均在0.80以上。所有前列腺MRI图像随机分为训练组和验证组(7:3)。在训练组中,DWI、DCE和T2WI的AUC分别为0.882、0.821、0.848,在验证组中,DWI、DCE和T2WI的AUC分别为0.861、0.810、0.838;三模态联合模型的训练组和验证组AUC分别为0.912、0.898。Delong检验结果显示DWI模型性能优于DCE和T2WI模型性能,DCE和T2WI模型检测性能相仿,三模态联合模型性能优于任意一种模型性能。使用ROC曲线评估列线图、影像组学和临床指标的预测性能,结果显示列线图的AUC值为0.941,准确率、敏感性、特异性分别为0.929、0.891、0.893。列线图前列腺癌预测性能最好,临床指标的预测性能较差,校准曲线和Hosmer-Lemeshow检验结果也验证了上述观点。结论:多模态前列腺MRI放射组学模型能准确鉴别前列腺肿瘤的良恶性,放射组学列线图在前列腺癌风险预测中表现出令人满意的效果。

基于海马亚区放射组学特征的颞叶癫痫分类

研究海马亚区的放射组学特征是否可以作为诊断颞叶癫痫(temporal lobe epilepsy,TLE)患者的生物学标志物,并探索某些放射组学特征在分类中的重要性.实验纳入23例TLE患者和30例健康对照(healthy controls,HCs),对所有受试者进行结构磁共振成像(structural magnetic resonance imaging,sMRI)扫描,利用Freesurfer 7.2软件自动分割出海马亚区,3D slicer软件提取出每个亚区的放射组学特征,经过特征选择后采用支持向量机(support vector machine,SVM)对TLE组和HCs组进行分类.左侧海马体部齿状回颗粒细胞层(GC_ML_DG-body)的分类准确度最高,为79.25%;右侧海马头部的分子层(Molecular_layer_HP-head)的分类准确度最高,为79.25%.影响分类结果的重要特征中,二阶特征居多,其次是一阶特征和形状特征.海马亚区的放射组学特征有望作为生物学标志物识别颞叶癫痫,其中二阶特征是用于颞叶癫痫分类的重要特征.

基于MRI的放射组学评分和临床病理影像参数预测垂体瘤复发的Nomogram模型研究

目的:本研究拟联合多序列MRI的放射组学评分和临床、病理学等危险因素,构建预测垂体腺瘤术后复发的模型。方法:回顾性分析2012年6月-2017年6月128例确诊为垂体腺瘤(复发58例,未复发70例,随访5~10年)的临床病理和术前MRI资料。对术前图像进行分割并提取特征。经过降维后,最终选取6个与复发相关的组学特征构建linear-SVM、rbf-SVM、KNN、LR、RF和XGBoost机器学习模型及R-score。随后将R-score与病理、影像学变量相结合建立联合Nomogram模型。评价和比较模型的预测性能并通过校准曲线和决策曲线分析其临床价值。结果:在临床病理学及影像学特征中,Ki-67和肿瘤最大直径是垂体腺瘤复发的独立预测因子,linear-SVM是性能最好机器学习模型。相较于单一模型而言,联合Nomogram模型则在训练集(AUC=0.907,95%CI:0.843~0.972)和测试集(AUC=0.883,95%CI:0.769~0.996)中表现出了更好的预测性能。决策曲线也显示联合Nomogram显示出更好的预测性能和临床应用价值。结论:联合Nomogram模型在预测垂体腺瘤复发具有良好性能,有助于临床个性化术前治疗决策和提前规划术后辅助治疗。

颈动脉狭窄斑块放射组学及超声列线图预测无症状患者卒中风险

目的:开发和验证一种基于放射组学和超声特征的列线图,用于预测颈动脉狭窄导致卒中的风险。方法:回顾性纳入288例确定了有无卒中发生患者的资料,随机按7∶3比例分为训练组(n=201)和验证组(n=87)。收集患者临床数据、血管超声特征及CT血管成像(CTA)斑块特征,并从颈动脉CTA图像中提取狭窄斑块的放射组学特征。使用最小绝对收缩和选择算子分析与发生卒中相关的放射组学特征并计算影像组学评分。接着,对临床危险因素、斑块特征和放射组学评分进行单因素及多因素logistic分析,分别构建CTA斑块特征模型、超声斑块特征模型以及联合模型,并验证列线图的性能。结果:CTA斑块特征中斑块长度、厚度、溃疡、软斑块,超声斑块特征中斑块处狭窄程度、长度、厚度、狭窄处峰值流速、阻力指数是发生卒中的独立危险因素;此外,CTA斑块放射组学特征中,12个特征与患者发生卒中风险相关。基于超声、CTA和放射组学评分建立的列线图显示出良好的校准和分辨力(训练组和验证组的曲线下面积分别为0.886和0.837)。校准图和临床决策曲线显示出良好的临床校准度和实用性。结论:基于颈动脉狭窄斑块的放射组学及超声列线图对颈动脉斑块狭窄患者发生卒中风险具有良好的预测性能。

CT放射组学在鉴别纵隔淋巴结结核与非小细胞肺癌纵隔淋巴结转移瘤中的应用价值

目的:探讨CT放射组学分析技术在纵隔淋巴结结核与非小细胞肺癌纵隔淋巴结转移瘤中的价值。方法:采用回顾性研究方法,按照入组标准收集2017年9月至2021年11月山东省公共卫生临床中心和山东大学齐鲁医院确诊的109例纵隔淋巴结结核(结核组)和65例非小细胞肺癌纵隔淋巴结转移瘤(转移瘤组)患者的CT影像资料作为研究对象。利用双盲法对CT图像进行观测和勾画,利用Radcloud平台对勾画出的淋巴结感兴趣区域(VOI)提取放射组学特征。采用特征标准化方法、单因素和多因素logistic回归模型分析有鉴别诊断价值的特征及特征间共线性的影响。利用筛选出的放射组学特征,以山东省公共卫生临床中心的患者数据作为训练集,建立k-近邻判别法(KNN)、支持向量机(SVM)、极限梯度提升算法(XGBoost)、随机森林(RF)、logistic回归(LR)和决策树(DT)等6种机器学习方法的5折交叉验证模型,通过评价诊断效果来选择鉴别诊断效果最好的模型;再以山东大学齐鲁医院的患者数据作为验证集,对该模型的诊断效果进行组外验证。结果:174例患者的CT影像资料共勾画出281个VOI,结核组和转移瘤组分别有196个和85个,结核组每例患者分割出VOI中位数(四分位数)[1(1,8)个],明显高于转移瘤组[1(1,3)个],差异有统计学意义(Z=2.827,P=0.005)。共提取放射组学特征1409个,经特征标准化、单因素和多因素logistic回归分析后共筛选出相互独立的8个可用于建模的放射组学特征。采用训练组数据利用8个特征进行5折交叉验证建模诊断,发现SVM和LR模型的ROC曲线下面积(AUC)分别为0.834和0.821,优于其他4种模型;进而利用训练集数据建立LR和SVM模型,AUC值分别为0.809和0.911,再采用验证集数据进行组外验证,AUC值分别为0.804和0.851。结论:无论是否包含年龄和性别两个特征,放射组学数据所建立的LR模型和SVM模型在纵隔淋巴结结核与非小细胞肺癌纵隔淋巴结转移瘤的鉴别诊断中均具有较好的稳定的诊断效果,且SVM模型优于LR模型。

基于MRI放射组学模型预测乳腺癌腋窝淋巴结转移状态的初步研究

目的:研究原发性乳腺癌基于多参数磁共振图像的放射组学特征机器学习模型在预测腋窝淋巴结转移状态中的价值。方法:乳腺癌患者98例,共114个乳腺病变,利用基于直方图、形状和纹理的多参数图像特征分别提取107个放射组学特征。采用方差阈值(方差阈值=0.8)和最小绝对收缩选择算子(lasso)来减少冗余特征。基于所选择的最优特征,建立放射性组学的预测模型,采用了3个分类器,分别是k近邻(k-Nearest Neighbor,KNN)、支持向量机(support vector machine,SVM)和Logistic回归模型(logistic regression,LR)。并利用ROC分析方法对测试集中曲线下的面积(under the curve,AUC)进行预测性能评价。结果:有淋巴结转移的乳腺癌46例共56个病灶,无淋巴结转移的乳腺癌52例共58个病灶。在特征选择之后,利用最佳放射组学特征(5倍交叉验证,分别12、10、29、10、16个特征)建立预测模型。在三种基于放射组学的模型中,SVM模型的性能最好,平均AUC为0.805,高于KNN及LR的平均AUC(0.783、0.802)。结论:乳腺癌的MRI纹理分析可作为预测淋巴结转移状态的非侵袭性指标,值得进一步研究。

CTA识别症状性颈动脉斑块的放射组学研究

目的:探讨基于计算机断层扫描血管成像(CTA)的放射组学研究对症状性颈动脉斑块的识别价值。方法:回顾性收集2018年1月1日—2021年12月31日于山西医科大学第一医院行头颈部CTA检查的170例颅外段颈动脉粥样硬化病人的临床资料。按7∶3随机将病人分为训练集(119例)和测试集(51例)。根据影像和临床症状将病人分为有症状组(105例)与无症状组(65例),比较有症状组和无症状组病人的临床资料。基于CTA提取并筛选最优放射组学特征并计算放射组学评分Rad-score。采用多因素Logistic回归分析筛选症状性颈动脉斑块的独立预测变量。在R软件中分别构建Rad-score模型和联合模型,通过受试者工作特征(ROC)曲线分析评价模型的识别效能,并将联合模型可视化为列线图,绘制校准曲线评估其校准度。结果:高同型半胱氨酸血症、高血压与症状性颈动脉斑块独立相关。在测试集中,Rad-score模型识别症状性斑块的曲线下面积(AUC)为0.83,与联合模型的效能(AUC=0.88)比较,差异无统计学意义(P>0.05)。校准曲线显示联合模型校准度良好。结论:基于CTA成像的放射组学方法可有效识别症状性颈动脉斑块。

MRI放射组学特征诊断肝实质及肝细胞癌的准确性研究

目的评价肝细胞癌(hepatoellular careinomna,HCC)肿瘤及肝实质MRI影像组学特征的准确性,以期为临床诊治提供参考。方法研究人群包括52名患者,包括16名未经治疗的肝癌患者,他们在1个月内接受了两次重复的腹部MRI检查,以评估:(1)使用相同MRI系统的测试-重测重复性(n=28,10个HCC);(2)不同MRI系统之间的平台间重复性(n=27,6个HCC);(3)观察者间的重复性(n=16,16个HCC)。在增强前T1加权像(WI)、门静脉期(PVP)、T2WI和表观弥散系数(ADC)、肝脏感兴趣区(ROI)和肝细胞癌感兴趣区(VOIS)上量化形态和一、二阶放射组学特征。通过计算组内相关系数(ICC)、一致性相关系数(CCC)和变异系数(CV)来评估精密度。结果肝细胞癌的形状和一阶和二阶特征的重测重复性中等到极好(ICC:0.53~0.99;CV:3%~29%),T1WI的一阶和二阶特征和肝脏的二阶特征的重测重复性中等到良好(ICC:0.53~0.73;CV:12%~19%)。除肝细胞癌T1WI上的形状和一阶特征外(CCC:0.58~0.99;CV:3%~15%),所有特征和序列的跨平台重复性差。肝细胞癌的所有特征和序列的观察者间重复性良好(CCC:0.80~0.99;CV:4%~15%),肝脏的重复性中等至好(CCC:0.45~0.86;CV:6%~25%)。结论当使用相同的MRI诊断时,MRI放射组学特征在肝脏和肝细胞癌中具有可接受的重复性,但在MR系统中的重复性较低。在进行多平台放射组学研究时,必须谨慎解释数据。

功能磁共振及放射组学在肝移植中的研究进展

肝移植已经成为终末期肝病的有效治疗手段,准确评估肝移植前后肝功能以及判断肝移植后复发是临床诊疗的重点。磁共振扩散加权成像、扩散峰度成像、血氧水平依赖成像、磁共振波谱、质子脂肪密度分数和磁共振弹性成像等功能磁共振技术及放射组学可以无创地从扩散、氧合、代谢、脂肪定量、肝脏硬度等方面评估移植肝,其临床价值在于早期发现肝功能受损、评估肝功能损伤程度及预测肝移植后复发进而帮助临床医生早期诊断疾病、为患者制订最优的诊疗方案和监测药物疗效,以提升患者生活质量。同时,其因新型无创并且能揭示肝移植病理改变将逐渐成为今后的研究热点。本文对多种功能磁共振成像及放射组学用于评估肝移植方面的研究现状做一综述,以期能为临床医生预测预后及制订治疗决策提供参考,并指导未来的研究方向。

放射组学在呼吸系统疾病中的应用

放射组学是一门新兴的科学,通过特殊的软件算法从大量放射图像中挖掘并量化影像学特征,在癌症疗效评价、诊断和预后预测模型建立、实现个体化和精准医疗等方面具有重要意义,已经被运用到许多疾病的研究,尤其是呼吸系统疾病中,本文将对放射组在呼吸系统常见疾病中的应用进行综述。

CT形态特征、性别联合放射组学鉴别腮腺多形性腺瘤与腺淋巴瘤

目的探讨基于CT平扫的形态特征、性别联合放射组学模型对腮腺多形性腺瘤(PA)与腺淋巴瘤(AL)的鉴别应用。方法回顾性分析经病理证实的56例PA与49例AL的形态特征,观察分析其形状、边界、囊变、多发以及部位,提取并分析CT平扫图像中肿瘤的6种放射组学特征,包括灰度直方图(HA)、绝对梯度(AG)、灰度共生矩阵(GLCM)、自回归模型(AR)、灰度游程矩阵(GLRLM)和小波变换(WT),对两组间有统计学意义的放射组学特征参数进行筛选,分别以径向基函数核(RBFK)、多项式核(PK)和线性核(LK)对筛选后的放射组学特征建立支持向量机(SVM)分类模型并联合性别及形态特征建立联合模型,运用受试者工作特征曲线(ROC)评价诊断效能。结果最终从287个放射组学特征参数中筛出12个特征建立分类模型,以RBFK为核的分类模型诊断效能最高,对应的灵敏度、特异度、准确率及曲线下面积(AUC)分别为90.2%、82.5%、89.6%及0.883;PA以女性多见,AL以男性多见;与PA相比,AL更易多发及囊变(P<0.05);而2组间边界是否清楚、形状是否规则以及肿瘤的部位无明显差异(P>0.05)。放射组学特征联合性别及形态特征(多发与囊变)建立以RBFK为核的联合模型的灵敏度、特异度、准确率及AUC分别为95.1%、87.6%、92.8%及0.963。结论基于性别及CT形态特征联合放射组学特征建立的联合模型能够在术前对PA与AL进行有效鉴别。

放射学及放射组学在骨质疏松症的研究进展

骨质疏松症是老年人中的常见病,由于易引发脆性骨折而越来越受到重视。目前,双能X线骨密度仪(dual energy x-ray absorptionmetry,DXA)和定量CT(quantitative computed tomography,QCT)是放射检查中诊断骨质疏松症的常用方法,且拥有成熟的诊断技术。但普通的X片检查、计算机断层扫描(computed tomography,CT)及核磁共振成像(magnetic resonance imaging,MRI)诊断骨质疏松症也随着计算机人工智能工具在医学中的应用得到学者们的更多重视,希望能够在不增加额外检查的情况下对疾病进行精准诊断,并且提供客观的诊断依据。放射组学便是其中之一,它利用计算机分析医学影像图像纹理特征,并从中找到有意义的纹理参数,用于疾病诊断或病情观察。本文就骨质疏松症常见的放射诊断方法以及相关的放射组学方面研究进展进行介绍。

偏头痛患者经颅多普勒超声检查与头颈部计算机体层摄影血管造影放射组学特征差异的临床研究

目的通过对比增强经颅多普勒超声(c-TCD)检查探索偏头痛患者不同心脏右向左分流(RLS)情况与头颈计算机体层摄影血管造影(CTA)放射组学特征。方法连续性收集2021年4月至2022年4月于西宁市第一人民医院确诊的偏头痛患者75例,均行c-TCD及头颈CTA检查,根据c-TCD试验结果分为c-TCD阳性组29例及c-TCD阴性组46例,比较有无RLS的偏头痛患者头颈CTA放射组学特征的差异;根据RLS的程度分为大量分流组6例和少量分流组23例,比较不同RLS分流程度偏头痛患者头颈CTA放射组学特征的差异。结果c-TCD阳性组直方图指标的峰度、最大灰度强度、偏度、方差和均方根的特征值均低于c-TCD阴性组(t/Z=2.476、2.568、2.655、2.045、2.328,均P<0.05),纹理指标中的高依赖低灰度分布、短运行长度灰度分布、小区域高灰度分布、粗糙度和自相关性的特征值均低于c-TCD阴性组(t/Z=1.969、2.187、2.198、2.013、2.045,均P<0.05),提示c-TCD阳性组中头颈血管区域中管壁钙化或斑块区域占比较高,血管光滑程度较低、血管粗细及其走行变化较不规则,狭窄区域更多。大量分流组患者部分直方图指标中的均值和纹理指标中的相关性信息度量、大面积高灰度分布的特征值低于少量分流组(Z=1.674、1.674、1.790,均P<0.05),提示大量分流组中头颈部血管区域中管壁钙化或斑块部分占比较高,血管光滑程度较低、血管粗细及其走行变化较不规则。结论心脏RLS可能是偏头痛脑血管性病变的潜在因素,c-TCD及CTA检查在合并RLS偏头痛患者的诊疗过程中具有重要价值。