目的:探讨不同表观扩散系数(ADC)与乳腺癌淋巴管侵犯(LVI)的相关性。方法:对本院87例乳腺癌患者的磁共振及临床病理资料进行回顾性分析。所有患者均行常规磁共振成像以及扩散加权成像(DWI);分别测量并获取乳腺癌病灶最小ADC值(Tumor-ADC...目的:探讨不同表观扩散系数(ADC)与乳腺癌淋巴管侵犯(LVI)的相关性。方法:对本院87例乳腺癌患者的磁共振及临床病理资料进行回顾性分析。所有患者均行常规磁共振成像以及扩散加权成像(DWI);分别测量并获取乳腺癌病灶最小ADC值(Tumor-ADC min )、瘤周腺体最大ADC值(Peritumor-ADC max ),并计算两者比值ADC ratio 。以术后病理结果为金标准,分别比较LVI阳性组以及LVI阴性组Tumor-ADC min 、Peritumor-ADC max 及ADC ratio 的差异。结果: 87例乳腺癌患者,其中LVI阳性51例,阴性36例。LVI阳性组Tumor-ADC min 值低于LVI阴性组( t =3.311, P =0.001),分别为(0.91± 0.26)×10^-3 mm^2/s、(1.13±0.37)×10^-3 mm^2/s;LVI阳性组Peritumor-ADC max 值高于LVI阴性组( t =-2.054, P =0.043),分别为(1.57±0.31)×10^-3 mm^2/s、(1.44±0.29)×10^-3 mm^2/s;LVI阳性组ADC ratio 值亦高于LVI阴性组( t =-4.532, P <0.001),分别为1.81±0.43、1.38±0.42。结论:不同ADC值对乳腺癌LVI具有较高的预测价值,可为评估乳腺癌LVI提供参考依据。展开更多
目的:探讨基于光谱CT细胞外容积参数图影像组学特征联合临床特征来预测结直肠癌的血管淋巴管和神经侵犯,以期获得一种术前无创评估的方法。方法:回顾性收集155例经术后病理证实的结直肠癌患者。采用ITK-SNAP软件进行半自动分割勾画肿瘤...目的:探讨基于光谱CT细胞外容积参数图影像组学特征联合临床特征来预测结直肠癌的血管淋巴管和神经侵犯,以期获得一种术前无创评估的方法。方法:回顾性收集155例经术后病理证实的结直肠癌患者。采用ITK-SNAP软件进行半自动分割勾画肿瘤三维感兴趣区(VOI)。采用FeAture Explorer (FAE)软件提取特征,并进行特征筛选、组学模型构建。在临床指标中选择有统计学意义的指标建立临床模型,由临床指标及组学特征进行logistic回归分析建立联合模型。利用受试者工作特征曲线(ROC)及曲线下面积(AUC)来评价3种模型预测结直肠癌血管淋巴管及神经侵犯的价值。结果:血管侵犯组中临床模型训练集与测试集的AUC分别为0.613、0.521;组学模型训练集与测试集的AUC分别为0.797、0.852;联合模型训练集与测试集的AUC分别为0.809、0.862。淋巴管侵犯组中临床模型训练集与测试集的AUC分别为0.636、0.601;组学模型训练集与测试集的AUC分别为0.768、0.806;联合模型训练集与测试集的AUC分别为0.785、0.823。神经侵犯组中临床模型训练集与测试集的AUC分别为0.712、0.771;组学模型训练集与测试集的AUC分别为0.800、0.819;联合模型训练集与测试集的AUC分别为0.835、0.892。结论:基于影像细胞外容积的影像组学特征联合临床特征构建模型可有效预测结直肠癌的血管淋巴管及神经侵犯,具有术前无创诊断价值。展开更多
目的:建立并验证浸润性乳腺癌(invasive breast cancer,IBC)患者术前预测淋巴管血管侵犯(lymphovascular invasion,LVI)的影像组学模型。方法:纳入258例经病理组织学检查证实的IBC患者,包括LVI阴性和阳性,按7∶3随机分配为训练集和验证...目的:建立并验证浸润性乳腺癌(invasive breast cancer,IBC)患者术前预测淋巴管血管侵犯(lymphovascular invasion,LVI)的影像组学模型。方法:纳入258例经病理组织学检查证实的IBC患者,包括LVI阴性和阳性,按7∶3随机分配为训练集和验证集。运用最大相关性最小冗余度(the maximum relevance minimum redundancy,mRMR)和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)算法筛选自患者二维超声图像中获取的影像组学特征,建立影像组学评分,同时联合临床特征建立术前预测IBC患者LVI状态的模型,并评估模型的效能。结果:由最终筛选得到的10个影像组学特征建立的影像组学评分,在训练集及验证集中均表现良好,训练组及验证组曲线下面积(area under curve,AUC)分别为0.801和0.786。在临床模型中,腋窝淋巴结(axillary lymph node,ALN)状态和超声乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)分类对IBC患者的LVI状态预测是有意义的。最终,整合了超声影像组学评分和临床模型有效临床特征的影像组学模型在训练集和验证集中预测能力均表现最佳(训练组AUC:0.865;验证组AUC:0.857)。决策曲线分析(decision curve analysis,DCA)表明,影像组学模型具有临床应用价值且优于其他两种单纯模型。结论:上述影像组学模型可用于术前预测IBC患者的LVI状态,并可作为指导后续个体化治疗的有效临床工具。展开更多
文摘目的:探讨不同表观扩散系数(ADC)与乳腺癌淋巴管侵犯(LVI)的相关性。方法:对本院87例乳腺癌患者的磁共振及临床病理资料进行回顾性分析。所有患者均行常规磁共振成像以及扩散加权成像(DWI);分别测量并获取乳腺癌病灶最小ADC值(Tumor-ADC min )、瘤周腺体最大ADC值(Peritumor-ADC max ),并计算两者比值ADC ratio 。以术后病理结果为金标准,分别比较LVI阳性组以及LVI阴性组Tumor-ADC min 、Peritumor-ADC max 及ADC ratio 的差异。结果: 87例乳腺癌患者,其中LVI阳性51例,阴性36例。LVI阳性组Tumor-ADC min 值低于LVI阴性组( t =3.311, P =0.001),分别为(0.91± 0.26)×10^-3 mm^2/s、(1.13±0.37)×10^-3 mm^2/s;LVI阳性组Peritumor-ADC max 值高于LVI阴性组( t =-2.054, P =0.043),分别为(1.57±0.31)×10^-3 mm^2/s、(1.44±0.29)×10^-3 mm^2/s;LVI阳性组ADC ratio 值亦高于LVI阴性组( t =-4.532, P <0.001),分别为1.81±0.43、1.38±0.42。结论:不同ADC值对乳腺癌LVI具有较高的预测价值,可为评估乳腺癌LVI提供参考依据。
文摘目的:探讨基于光谱CT细胞外容积参数图影像组学特征联合临床特征来预测结直肠癌的血管淋巴管和神经侵犯,以期获得一种术前无创评估的方法。方法:回顾性收集155例经术后病理证实的结直肠癌患者。采用ITK-SNAP软件进行半自动分割勾画肿瘤三维感兴趣区(VOI)。采用FeAture Explorer (FAE)软件提取特征,并进行特征筛选、组学模型构建。在临床指标中选择有统计学意义的指标建立临床模型,由临床指标及组学特征进行logistic回归分析建立联合模型。利用受试者工作特征曲线(ROC)及曲线下面积(AUC)来评价3种模型预测结直肠癌血管淋巴管及神经侵犯的价值。结果:血管侵犯组中临床模型训练集与测试集的AUC分别为0.613、0.521;组学模型训练集与测试集的AUC分别为0.797、0.852;联合模型训练集与测试集的AUC分别为0.809、0.862。淋巴管侵犯组中临床模型训练集与测试集的AUC分别为0.636、0.601;组学模型训练集与测试集的AUC分别为0.768、0.806;联合模型训练集与测试集的AUC分别为0.785、0.823。神经侵犯组中临床模型训练集与测试集的AUC分别为0.712、0.771;组学模型训练集与测试集的AUC分别为0.800、0.819;联合模型训练集与测试集的AUC分别为0.835、0.892。结论:基于影像细胞外容积的影像组学特征联合临床特征构建模型可有效预测结直肠癌的血管淋巴管及神经侵犯,具有术前无创诊断价值。
文摘目的:建立并验证浸润性乳腺癌(invasive breast cancer,IBC)患者术前预测淋巴管血管侵犯(lymphovascular invasion,LVI)的影像组学模型。方法:纳入258例经病理组织学检查证实的IBC患者,包括LVI阴性和阳性,按7∶3随机分配为训练集和验证集。运用最大相关性最小冗余度(the maximum relevance minimum redundancy,mRMR)和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)算法筛选自患者二维超声图像中获取的影像组学特征,建立影像组学评分,同时联合临床特征建立术前预测IBC患者LVI状态的模型,并评估模型的效能。结果:由最终筛选得到的10个影像组学特征建立的影像组学评分,在训练集及验证集中均表现良好,训练组及验证组曲线下面积(area under curve,AUC)分别为0.801和0.786。在临床模型中,腋窝淋巴结(axillary lymph node,ALN)状态和超声乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)分类对IBC患者的LVI状态预测是有意义的。最终,整合了超声影像组学评分和临床模型有效临床特征的影像组学模型在训练集和验证集中预测能力均表现最佳(训练组AUC:0.865;验证组AUC:0.857)。决策曲线分析(decision curve analysis,DCA)表明,影像组学模型具有临床应用价值且优于其他两种单纯模型。结论:上述影像组学模型可用于术前预测IBC患者的LVI状态,并可作为指导后续个体化治疗的有效临床工具。