基于超声和MRI征象的诺模图模型预测侵袭性胎盘植入的价值

目的探讨基于超声和MRI征象的诺模图模型预测侵袭性胎盘植入的价值。方法将福建医科大学附属第一医院2018年7月-2023年6月期间确诊有胎盘植入并行超声和MRI检查的80例单胎孕妇纳入研究,以手术和/或病理结果为诊断“金标准”。通过单因素和Logistic回归分析,构建诺模图,通过受试者工作特征(receiver operating characteristic,ROC)曲线和校准曲线确定诺模图的准确性和预测效能。结果将异常胎盘腔隙、子宫膀胱界面血管过度增生、胎盘内T2WI低信号带、异质性胎盘、子宫肌瘤剥除史、前置胎盘、剖宫产史等7个独立影响因素纳入构建诺模图,ROC曲线下面积为0.93(95%CI 0.880.99)。校准曲线显示,该模型预测侵袭性胎盘植入的概率与实际概率具有高度一致性。结论基于超声和MRI征象的诺模图模型产前预测侵袭性胎盘植入有一定价值。

预测脑出血血肿扩大的诺模图模型建立与多角度评价

目的建立一个预测脑出血血肿扩大的诺模图模型并进行多角度评价。方法回顾性收集2017年1月至2019年12月在苏州大学附属第二医院神经外科或神经内科首诊并住院治疗的348例脑出血患者的影像学及临床资料,男236例,女112例,年龄18~94(62.0±14.6)岁。按照有无出现血肿扩大将患者分为血肿扩大组(121例)与血肿未扩大组(227例),并进行组间比较,取组间比较差异有统计学意义的变量进行多因素logistic回归分析,筛选出与血肿扩大有关的预测因素并建立诺模图模型。运用受试者工作特征(ROC)曲线、校准曲线及决策曲线(DCA)分别评价模型的预测效能、准确性及临床实用性,最后运用Bootstrap法进行内部验证。结果两组间发病时间、漩涡征、口服抗凝药物史、入院收缩压、入院格拉斯哥昏迷评分(GCS)、红细胞(RBC)分布宽度差异均有统计学意义[1.77(1.0,2.5)h比2(1,3)h、72例(59.5%)比94例(41.4%)、17例(14.0%)比15例(6.6%)、(170.69±29.19)mmHg(1 mmHg=0.133 kPa)比(163.84±26.07)mmHg、11(8,14)分比14(10,15)分、44.3%(41.2%,46.8%)比42.4%(40.1%,45.3%);均P<0.05]。多因素logistic回归分析结果显示,发病时间(OR=0.809,95%CI:0.682~1.961)、漩涡征(OR=0.562,95%CI:0.349~0.905)、口服抗凝药物史(OR=0.394,95%CI:0.180~1.861)以及入院GCS(OR=0.881,95%CI:0.815~1.952)为血肿扩大的独立预测因素(均P<0.05)。以这4个因素建立起诺模图模型,该模型的ROC曲线下面积(AUC)为0.735(95%CI:0.687~0.805),模型的预测效能较好;模型的校准曲线显示,模型对血肿扩大的预测概率能较好拟合实际概率,校准度高;DCA分析表明该模型域概率范围为14%~72%,范围较大,临床实用性较强。内部验证结果显示,该模型预测血肿扩大的一致性指数为0.703,区分度良好。结论本研究建立的预测脑出血血肿扩大的诺模图模型的预测效能、区分度及临床实用性均较好,为临床及时识别可能发生血肿扩大的脑出血患者提供了一个直观可视的指导工具。

能谱CT定量参数联合动脉期碘基图影像组学特征在肺鳞癌与肺腺癌鉴别诊断中的价值

目的基于能谱电子计算机断层扫描(computed tomography,CT)定量参数联合动脉期碘基图影像组学特征构建诺模图模型,探讨能谱CT在肺鳞癌(lung squamous cell carcinoma,LUSC)与肺腺癌(lung adenocarcinoma,LUAD)鉴别诊断中的临床应用价值。方法收集术前行能谱CT增强检查、经病理活检或手术证实的肺癌患者89例,其中LUAD组38例,LUSC组51例。分析LUAD组和LUSC组患者在60keV动脉期单能量图像中病灶水浓度、碘浓度(iodine concentration,IC)、标准化碘浓度(normalizediodineconcentration,NIC)、CT值、能谱曲线斜率(K)、有效原子序数(effective-Z,Eff-Z)及标准化有效原子序数(normalized effective-Z,NEff-Z)。采用Logistic回归分析构建LUAD和LUSC基于能谱CT特征的鉴别诊断模型。应用ITKSnap软件提取动脉期碘基图影像组学特征;采用组内相关系数(intraclass correlation coemcient,ICC)、递归特征消除(recursive featureelimination,RFE)和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)对影像组学特征进行降维、筛选,采用Logistic回归构建基于影像组学特征的诊断模型,并计算该模型的影像组学评分(radiomics score,Rad-score),以多因素Logistic回归分析筛选出的能谱CT定量参数与Rad-score构建联合模型,并绘制诺模图。应用受试者工作特征(receiveroperatingcharacteristic,ROC)曲线、Delong检验、校正曲线、Hosmer-Lemeshow检验及临床决策曲线(decision curve analysis,DCA)对能谱CT模型、影像组学模型和诺莫图模型进行效能评价。结果LUAD组和LUSC组患者IC、NIC、CT值、K及NEff-Z比较差异均有统计学意义(P均<0.05)。多因素Logistic回归分析结果显示,IC、NIC及NEff-Z为独立影响因素,基于此构建能谱CT模型预测LUAD和LUSC的效能曲线下面积(areaunderthecurve,AUC)为0.768,准确率、灵敏度、特异度分别为70.73%、76.92%和67.86%;影像组学特征经降维后共筛选出的有意义特征有5个,一阶特征2个、二阶特征2个和形状特征1个,影像组学模型预测LUAD和LUSC的效能AUC为0.848,准确率、灵敏度、特异度分别为80.50%、83.33%和75.00%;诺莫图模型预测LUAD和LUSC的效能AUC为0.912,准确率、灵敏度、特异度分别为85.00%、92.31%和85.71%。经Delong检验显示,诺莫图模型AUC均明显高于影像组学模型和能谱CT模型(P均<0.05)。Hosmer-Lemeshow检验结果显示,能谱CT模型、影像组学模型及诺莫图模型的拟合度均良好(χ^(2)值分别为8.592、6.591、6.686,P值分别为0.378、0.581、0.570)。校准曲线分析显示,诺莫图模型预测LUAD和LUSC的预测概率曲线与理想曲线更接近,优于影像组学模型和能谱CT模型;DCA分析结果显示,诺莫图模型的AUC最大,均高于影像组学模型和能谱CT模型,临床净收益更高。结论基于能谱CT定量参数联合动脉期碘基图影像组学特征构建的诺模图模型在LUSC与LUAD鉴别诊断中具有潜在应用价值。

CT影像组学在鉴别诊断良恶性肺结节中的应用进展

肺癌是全球死亡率最高的恶性肿瘤,严重危害人类健康。肺癌的早期检测是通过鉴别肺结节实现的。为了提高早期肺结节良恶性诊断的准确性与高效性,人们创造了基于大数据与医学影像学的医工结合产物—影像组学。影像组学作为新兴技术,应用各种算法,从CT、PET或MRI等医学影像图像中提取高通量的影像学特征并进行分析,构建预测模型。分析了影像组学的基本流程,综述了影像组学在良恶性肺结节鉴别、淋巴结转移状态预测等方面的发展。研究表明,影像组学在准确度、灵敏度、特异度、临床效益等方面均表现出很高的水平,说明其在良恶性肺结节鉴别中具有很大的应用潜力,发展前景广阔,未来可广泛应用于临床影像诊断中。