基于CT影像组学预测甲状腺乳头状癌甲状腺外侵犯的价值

目的:探究CT影像组学预测甲状腺乳头状癌(Papillary Thyroid Cancer,PTC)发生甲状腺外侵犯(Extrathyroidal Extension,ETE)的评估价值。方法:选取2021年10月至2022年10月于我院收治的PTC患者140例作为研究对象,采用随机数法按7∶3比例将患者分为训练集(n=98)和测试集(n=42),依据其是否发生ETE将训练集患者分为ETE组(n=55)和non-ETE组(n=43),基于CT影像组学评分及多元Logistic回归模型分析影响PTC患者发生ETE的关键因素,模型中纳入的变量基于单因素分析的结果,并采用逐步回归方法进行变量筛选。模型的拟合优度通过Hosmer-Lemeshow拟合优度检验进行评估。ROC曲线用于评估模型的区分能力,而校准曲线则用于评估模型的预测准确度。结果:两组患者在肿瘤边界、桥本甲状腺炎、中央区淋巴结转移、多灶性、肿瘤最大径、颈侧区淋巴结转移、年龄方面差异有统计学意义(均P<0.05);多元Logistic回归模型结果表明肿瘤最大径、多灶、颈部淋巴结转移、年龄、平扫Rad-score、增强扫描Rad-score是影响PTC患者发生ETE的独立危险因素;并基于CT影像组学评分和其独立危险因素绘制列线图,ROC曲线、校准曲线结果显示该预测模型区分度和准确度较好。训练集(AUC=0.962)和测试集(AUC=0.937)的AUC值均接近1,表明该预测模型具有良好的区分能力,能够准确地区分发生ETE和未发生ETE的PTC患者。这为临床医生在制定治疗方案和评估患者预后提供了重要的参考依据。结论:临床医师对于年龄≥55岁、肿瘤最大径>2.0 cm、伴有多灶、颈部淋巴结转移PTC患者,基于CT影像组学可较好地预测ETE发生风险,可为临床提供参考依据。

CT影像组学可辅助诊断慢性乙型肝炎肝纤维化

目的 探讨CT影像组学对慢性乙型肝炎(CHB)肝纤维化的诊断价值。方法 选取新疆维吾尔自治区人民医院于2023年1~10月收治的210例CHB患者为研究对象。根据患者是否发生肝纤维划分为无纤维化组(n=137)和合并纤维化组(n=73)。所有患者均接受CT平扫+增强扫描,应用Shukun Radiomics V94软件自每张CT图像的感兴趣区域内提取不同的CT影像组学特征。将入组患者划分为训练集(n=147)和验证集(n=63),通过LASSO及Logistic回归分析筛选并建立CHB患者肝纤维化的诊断模型;采用ROC曲线评价模型性能。结果 提取的1227个定量影像特征参数通过LASSO降维筛选后共保留了23个具有预测性能的组学特征用于构建CHB患者肝纤维化诊断模型,训练集的曲线下面积、准确性、敏感度和特异度分别为0.851、0.789、0.792、0.735;验证集的曲线下面积、准确性、敏感度和特异度分别为0.774、0.733、0.751、0.703。结论 通过CT影像组学特征辅助诊断CHB患者发生肝纤维化具有一定临床价值。

CT影像组学在预测宫颈癌同步放化疗临床转归中的价值

目的:探究CT影像组学对宫颈癌同步放化疗临床转归的预测价值。方法:回顾性分析南京医科大学附属常州二院2017年9月至2021年12月,经病理证实为宫颈癌并采用同步放化疗治疗的121例患者的CT影像和临床资料。其中,按照2.5∶1比例将患者分为训练组86例、验证组35例。对所有病灶进行肿瘤病灶感兴趣区(ROI)勾画,再从ROI中提取影像组学特征。随后采用最小冗余最大相关性(mRMR)和最小绝对收缩选择算子(LASSO)筛选最优的影像组学特征,计算影像组学分数,最终使用受试者工作特征(ROC)曲线评估模型的效能。结果:经mRMR与LASSO后筛选出3个影像组学特征用以建立影像组学评分。ROC曲线下面积训练组为0.85,验证组为0.85。结论:基于CT影像组学特征回归模型可用于预测宫颈癌同步放化疗临床转归。

CT影像组学预测头颈鳞癌HPV感染的研究进展

头颈部鳞状细胞癌是一种具有异质性,预后较差的恶性肿瘤,人乳头状瘤病毒(human papillomavirus, HPV)阳性头颈鳞癌具有独特的生物学特性,对亚型的快速识别有利于临床工作者制定个体化治疗方案,改善患者的预后。影像组学使用高通量数据从医学图像中提取大量成像特征,对医学影像进行量化分析,为头颈鳞状细胞癌精确诊断提供了一种无风险、高效的方法。笔者就CT影像组学在预测头颈鳞癌患者HPV状态的研究进行综述。CT影像组学预测头颈癌HPV的研究进展。

能谱CT影像组学对胃癌患者术前病理分级的诊断价值分析

目的 分析能谱CT影像组学对胃癌患者术前病理分级的诊断价值。方法 80例胃癌患者入院后均行常规CT平扫与能谱CT增强扫描,比较二者的检查结果以及诊断价值。结果 80例胃癌患者经手术病理检查明确低分化者53例,高分化者27例。Kappa检验显示,CT平扫与手术病理的术前病理分级结果具有一般的一致性(Kappa值=0.677,P <0.05),而能谱CT与手术病理具有较高的一致性(Kappa值=0.911,P <0.05)。能谱CT诊断胃癌患者术前病理分级的灵敏度、特异度与准确度均高于CT平扫(P <0.05)。结论 与CT平扫相比,能谱CT在胃癌患者术前病理分级诊断中的准确性更高。

基于新辅助化疗前CT影像组学的列线图预测进展期胃腺癌远期疗效

目的:开发和验证一种新型列线图模型预测进展期胃腺癌患者远期预后。方法:回顾性分析2010年1月至2018年12月在福建医科大学附属协和医院132例及青海大学附属医院45例接受新辅助化疗后行根治性切除术的胃腺癌患者临床资料。基于新辅助化疗前CT影像组学评分(CT-RS)构建列线图模型(RS-CN),并通过ROC曲线下面积(AUC),Time-ROC曲线,Cindex评估RS-CN的预测能力。结果:训练队列中,RS-CN预测胃腺癌患者总体生存率的C-Index为0.72,AUC显著优于TRG分级(P=0.019),且与ypTNM分期相当(P=0.786)。Time-ROC曲线显示在各个时间段RS-CN预测总体生存能力始终优于TRG分级及ypTNM分期。外部验证队列中得到相同的结果。进一步分析,低风险组(RS-CN<288.4)患者3年总生存(overall survival,OS)及无病生存(disease-free survival,DFS)均显著优于高风险组(RS-CN≥288.4),但高风险组进行术后辅助化疗3年DFS显著提高(P<0.05),3年OS(P=0.099)未见明显提高。结论:相较于传统ypTNM分期,本研究提出的RS-CN模型可在预测远期预后的同时识别新辅助和续惯术后化疗中获益的患者,为个体化治疗的决策制定提供指导作用。

基于CT影像组学列线图对乏脂肪肾血管平滑肌脂肪瘤与肾透明细胞癌鉴别诊断的价值

目的基于临床变量和CT影像学特征构建列线图,用于术前鉴别诊断肾透明细胞癌(ClearCellRenalCell Carcinoma,ccRCC)和乏脂性肾血管平滑肌脂肪瘤(Fat-Poor Angiomyolipoma,fp-AML)。方法将病理证实的87例肿瘤直径≤4 cm的肾脏小肿块患者(包括54例ccRCC和33例fp-AML)纳入本次回顾性研究。患者均进行三期CT扫描,包括平扫期(Unenhanced Phase,UP)、皮质期(Corticomedullary Phase,CMP)和髓质期(Nephrographic Phase,NP)。从CT图像中提取影像组学特征,采用SMOTE算法进行样本平衡,筛选影像组学特征,构建3个影像组学模型:UP模型、CMP模型和NP模型,计算相应的影像组学评分,筛选出最优模型,并筛选有统计学意义的临床变量构建临床模型,进而将筛选出的临床变量与最优模型影像组学评分结合,构建联合模型并绘制列线图。采用受试者工作特征曲线评价临床模型、影像组学模型和联合模型的诊断效能,采用校正曲线和决策曲线分别评价列线图可靠性和临床价值。结果UP模型的性能优于其他两种模型(CMP模型和NP模型),且3个模型间存在较强的共线性;经Logistic回归分析,筛选出3个具有统计学意义的临床变量,将其与UP模型影像组学结合构建联合模型;临床模型、影像组学模型和联合模型的曲线下面积分别为0.704(95%CI:0.511~0.898)、0.846(95%CI:0.698~0.994)、0.944(95%CI:0.876~1.000);校准曲线显示列线图预测值与实际病理结果之间均具有良好的一致性;决策曲线分析显示列线图具有良好的临床应用价值。结论基于术前CT影像组学特征和临床变量构建的列线图在鉴别诊断cc RCC和fp-AML中具有良好的效能。

基于^(18)F-FDG PET/CT影像组学模型预测局部晚期宫颈癌的放疗敏感性

目的构建基于^(18)F-FDG PET/CT图像的影像组学模型,并分析其预测局部晚期宫颈癌(locally advanced cervical cancer,LACC)放疗敏感性的效能。方法收集2018年1月至2022年12月于广西医科大学附属肿瘤医院妇科行根治性放疗的宫颈癌患者的临床资料,按8:2随机划分为训练集(169例)和测试集(43例),采集治疗前的PET/CT图像,手动勾画感兴趣区,提取影像组学特征。将特征正则化,采用组内相关系数、Pearson相关性分析、最小绝对收缩和选择算子回归进行组学特征筛选,获得组学特征及其系数加权并计算每个患者的Radscore值,比较放疗敏感组和抵抗组间Radscore值的差异。分别构建PET、CT及PE/CT联合的Logistic regression(LR)机器学习模型,通过受试者工作特征曲线(receiver operating characteristic,ROC)、校准曲线、决策曲线(decision curve analysis,DCA)分析对模型进行评估。结果本研究共纳入212例LACC患者,抵抗组的Radscore值显著高于敏感组,差异有统计学意义(P<0.001)。在训练集和测试集上,PET/CT联合模型的ROC曲线下面积分别为0.900(95%CI:0.832~0.968)、0.754(95%CI:0.569~0.939),预测效能均优于单一的PET或CT模型。DCA曲线显示,与不使用预测模型的情况相比,基于PET/CT的影像组学预测模型表现出显著的干预获益,在放疗前预测LACC敏感性方面具有较好的临床效益。绘制校准曲线显示,3种模型的预测值与实际观察值之间的一致性均良好。结论基于PET/CT的影像组学模型对LACC放疗敏感性具有良好的预测价值。

CT影像组学在胃肠道间质瘤中的应用进展

胃肠道间质瘤(gastrointestinal stromal tumor,GIST)是胃肠道最常见的间叶源性肿瘤,其生物学特征复杂,危险度不等,且不同危险度患者的治疗方法和预后差异较大,因此早期诊断及危险度评估对于该病的精准治疗至关重要。近年来,CT影像组学作为一种新兴的影像学技术,可以将传统的CT图像特征转变为大量数据,从而反映GIST的内在异质性,甚至与其基因表达特征相关联。该文回顾了CT影像组学在机器学习的助力下应用于GIST诊断、预测的研究进展。目前的CT影像组学不仅可用于GIST与其他胃部疾病的鉴别诊断,并且为GIST的危险度评估提供了新的方式,甚至可以根据CT影像图像进行病理分析及基因诊断,进而对其一线治疗效果及远期预后进行预测。目前CT影像组学通过与临床信息结合构建的多种预测模型在不同临床问题的具体实践中得到了良好的验证,展现了广阔的应用前景。但是在具体的临床应用过程中,样本数据采集及处理方式的不同、机器学习算法选择的差异、二维或三维图像的选择等,都影响到CT影像组学的具体效能,因此统一、规范的影像组学应用规则还有待建立。

基于CT影像组学预测肝细胞癌微血管侵犯准确性的Meta分析

目的通过Meta分析评估基于CT影像组学构建模型预测肝细胞癌(Hepatocellular Carcinoma,HCC)发生微血管侵犯(Microvascular Invasion,MVI)的准确性。方法在Web of Science、Embase、PubMed、Cochrane、中国知网、万方数据库和CBM数据库中收集相关的临床试验文献,对其进行筛选汇总分析。使用统计学软件对纳入文献进行质量以及偏倚风险评估,并且合并敏感度和特异性、阳性似然比、阴性似然比和诊断比值比以及各自的95%CI;绘制累加受试者工作特征曲线,以获得Cochran-Q指数和曲线下面积(Area Under Curve,AUC),使用敏感度分析检测潜在的异质性来源并通过Deek’s检验评估是否存在发表偏倚。结果共纳入11篇文献,汇总合并敏感度、合并特异性、合并阳性似然比、合并阴性似然比、合并诊断比值比、AUC分别为0.84(95%CI:0.79~0.89)、0.82(95%CI:0.76~0.86)、4.67(95%CI:3.57~6.11)、0.19(95%CI:0.14~0.26)、24.53(95%CI:15.40~39.07)、0.90(95%CI:0.87~0.92)。结论基于CT影像组学模型对HCC发生MVI有较高的预测效能,可以作为术前的无创评估方法之一,有较好的临床应用前景。

基于CT影像组学和深度学习的硅肺病影像分期预测研究

尘肺病是劳动者在职业活动中长期吸入不同致病性的生产性粉尘,并在肺内潴留而引起的以肺组织弥漫性纤维化为主的一种全身性疾病[1],其中硅肺病是我国发病率最高、危害性最强的病种[2]。硅肺病的影像分期是目前主要的病情评估指标[3],而分期诊断过程耗时费力、可重复性差.

基于CT影像组学构建富血供超小肾癌与乏脂肪血管平滑肌脂肪瘤鉴别诊断的简易预测模型

目的探讨基于CT影像组学构建的简易预测模型对富血供超小肾癌(usRCC)与富血供乏脂肪血管平滑肌脂肪瘤(mfAML)的鉴别诊断价值。方法收集经术后病理证实为富血供超小肾肿瘤(直径≤2 cm)的71例患者的临床资料,依据术后病理类型将患者分为usRCC组33例和mfAML组38例。比较2组临床资料、CT影像学表现以及相关CT定量参数,采用二元Logistic回归分析筛选对usRCC与mfAML具有鉴别意义的独立影响因素,并构建基于CT影像组学的简易预测模型,绘制受试者工作特征(ROC)曲线,评价相关CT定量参数和简易预测模型对usRCC与mfAML的鉴别诊断价值。结果usRCC组囊变坏死、假包膜征、实质期不均匀强化者占比均高于mfAML组,差异有统计学意义(P<0.05);usRCC组皮质期CT值、皮质期净强化CT值和实质期净强化CT值均高于mfAML组,差异有统计学意义(P<0.05)。ROC曲线显示,皮质期CT值、皮质期净强化CT值、实质期净强化CT值鉴别诊断usRCC与mfAML的曲线下面积(AUC)分别为0.702、0.718、0.803。囊变坏死(OR=2.537,95%CI:1.125~4.358)、实质期强化均匀性(OR=3.872,95%CI:1.327~7.259)、实质期净强化CT值(OR=3.593,95%CI:1.290~7.518)均是对usRCC与mfAML具有鉴别意义的独立影响因素(P<0.05),基于这3个CT影像组学变量构建简易预测模型。ROC曲线显示,该模型鉴别诊断usRCC与mfAML的AUC为0.890(95%CI:0.804~0.976),敏感度为87.88%,特异度为76.32%。结论基于CT影像组学构建的简易预测模型对usRCC与mfAML具有较好的鉴别诊断价值,可为临床制订小肾肿瘤诊疗策略提供重要参考依据。

CT影像组学在神经内分泌肿瘤患者中的诊断价值及效能ROC曲线研究

目的:探讨CT影像组学在神经内分泌肿瘤患者中的诊断价值及效能受试者工作特征(receiver operating characteristic,ROC)曲线。方法:选取2019年3月—2022年11月广西壮族自治区人民医院收治的神经内分泌肿瘤患者73例为研究对象,根据病理分级分为G1组(n=51)和G2-G3组(n=22)。所有患者均经手术病理证实,收集CT增强图像,采用CT影像组学技术自动分割动脉期、静脉期CT图像上的肿瘤边界,提取肿瘤全容积的组学特征,完成LASSO回归分析及Logistic回归分析,建立神经内分泌肿瘤的影像组学模型;绘制ROC曲线,对其诊断效能进行评价。结果:G1组和G2-G3组肿瘤大小、边界、增强强度、血管侵犯及远处转移情况差异具有统计学意义(P<0.05);多因素Logistic回归分析表明:肿瘤大小、边界、增强强度、血管侵犯、远处转移均为神经内分泌瘤患者诊断的预测因素并构建影像表现模型;成功构建CT影像组学模型。ROC曲线结果表明:CT影像组学模型用于神经内分泌瘤诊断中AUC曲线下面积为0.841,诊断灵敏度为84.92%,特异度为78.58%。结论:CT影像组学用于神经内分泌肿瘤患者中,具有较高的诊断效能(灵敏度和特异度),能更好地为后续诊疗提供参考依据。

基于增强CT影像组学预测前列腺良恶性病变的应用研究

目的探讨基于增强CT影像组学预测前列腺良恶性病变的应用。方法回顾性分析2020年1—6月于九江学院附属医院接受增强CT检查的186例前列腺良、恶性病变患者的临床资料,另选取2021年7—12月于本院行增强CT检测的60例新入院患者作为研究对象。以组织病理学确诊结果为金标准,比较增强CT影像组学训练集、验证集结果及诊断效能,分析基于增强CT影像组学预测模型的诊断效能。结果增强CT影像组学训练集与验证集的灵敏度、特异度、准确率、AUC比较差异无统计学意义。组织病理学确诊结果显示,60例新入院的患者中前列腺恶性病变25例(41.67%),前列腺良性病变35例(58.33%)。基于增强CT影像组学诊断的灵敏度、特异度、准确率分别为96.00%、100.00%、98.33%,AUC为0.938。结论基于增强CT影像组学预测前列腺良恶性病变的临床价值较高,有助于推动前列腺良恶性病变精准医学诊断的广泛应用。

基于CT影像组学方法术前精准预测直肠癌淋巴结转移范围的效果研究

目的:探究基于CT影像组学方法术前精准预测直肠癌淋巴结转移范围的效果。方法:回顾性分析2021年1月—2023年1月经我院手术病理证实的60例直肠癌患者临床资料,其中28例发生淋巴结转移作为转移组,32例未发生淋巴结转移作为未转移组。比较两组患者癌症特征,两组术前均采用常规增强CT检查和CT影像组学分析,比较常规增强CT检查和CT影像组学诊断阳性率、盆腔淋巴结数量和最大淋巴结长径,并通过Delong检验比较两种检测方法的诊断效能。结果:CT影像组学对淋巴结转移的预测比例为96.43%,高于增强CT的71.43%;CT影像组学组对淋巴结未转移的预测比例为100.00%,高于增强CT组的81.25%(P<0.05)。增强CT和CT影像组学检查诊断有淋巴结转移患者的盆腔淋巴结数量和最大淋巴结长径差异无统计学意义(P>0.05)。CT影像组学对直肠癌淋巴结转移预测的灵敏度、特异度、阳性率、阴性率均高于增强CT(P<0.05)。结论:基于CT影像组学方法在术前预测直肠癌患者有无淋巴结转移具有较高的价值,可在术前进行较准确肿瘤分期,可为患者制定个性化治疗方案,且为后续治疗方法提供依据。

CT影像组学模型对糖尿病足患者足底神经病变的诊断价值

目的探讨CT影像组学模型在诊断糖尿病足患者足底神经病变中的价值。方法回顾性分析2019年7月至2020年12月于我院就诊的并发糖尿病足的29例糖尿病患者(糖尿病足组)及47例同期单侧足部创伤患者(非糖尿病组)的临床资料及足部CT影像学资料。基于足部CT图像采用深睿科研平台提取1743个影像组学特征,使用特征间线性相关检查和F检验进行特征筛选,随后采用Logistic回归分析进行模型构建。采用五折交叉验证训练模型,在训练组与验证组中应用受试者操作特征(Receiver Operating Characteristic,ROC)曲线对模型进行验证,评价影像组学特征在诊断糖尿病足患者足底神经病变中的效能。结果经过特征筛选,最终选取12个影像组学特征用于构建糖尿病足患者足底神经病变诊断模型。训练组中诊断模型的ROC曲线下面积(Area Under Curve,AUC)为0.97(95%CI:0.94~1.00),敏感度为90.20%,特异度为89.13%,诊断准确率为89.69%;验证组AUC为0.89(95%CI:0.82~0.95),敏感度为84.31%,特异度为80.43%,诊断准确率为82.47%。结论基于足部CT图像的影像组学模型对糖尿病足患者足底神经病变有较高的诊断效能。

基于CT影像组学评估射频消融术治疗晚期肺腺癌疗效

目的 基于CT影像组学评估射频消融术(RFA)治疗晚期肺腺癌疗效。方法 收集我院2016年6月~2019年5月期间收治的80例晚期肺腺癌患者为研究对象。根据改良实体瘤疗效评价标准(mRECIST)将患者分为缓解组和未缓解组,各40例。提取所有受试者经皮射频消融(RFA)术前的CT检查图像,分割感兴趣区,使用AK软件(GE healthcare)分割图像中的病灶,获取纹理特征,使用套索方法(LASSO)降维,采用随机森林(RTree)法建立数据模型。通过受试者工作特征曲线(ROC)和晚期肺腺癌预测模型决策曲线(DCA)计算缓解组和未缓解组间比较的模型评估RFA治疗疗效的诊断效能。结果 基于所有患者的CT图像,提取出12个纹理特征,并建立相应的影像组学模型,训练组和验证组的AUC值分别为0.846、0.725,约登指数分别为0.513、0.548,灵敏度分别为70.68%、72.55%,特异度分别为80.57%、82.29%,95%CI分别为0.735~0.924、0.7 1 2~0.8 9 3。影像组学预测模型决策曲线在0.17~0.75范围内临床实用性较好。结论 晚期肺腺癌患者的CT影像组学可对RFA诊疗预后进行预测评估,便于指导临床实践,对患者实现个性化诊疗,值得临床推荐。

双能CT影像组学指标对进展期胃癌脉管生成及临床预后的诊断评估价值分析

目的探讨双能CT影像组学指标在进展期胃癌脉管生成及临床预后评估中的价值。方法以80例进展期胃癌患者为研究对象,行双能CT检查,并检测微血管密度(MVD)。比较不同MVD值患者的碘浓度(IC)、标准化碘浓度(nIC)值及能谱曲线的斜率,分析其与MVD值的相关性,并采用ROC曲线分析双能CT影像组学指标对进展期胃癌脉管浸润及预后的诊断评估价值。结果高MVD组IC、nIC值及斜率大于低MVD组(P<0.05);IC、nIC值与MVD值呈正相关(P<0.05);脉管浸润组IC、nIC值及斜率大于非浸润组(P<0.05)。IC、nIC值及斜率诊断进展期胃癌脉管浸润的AUC大于0.7;死亡组IC、nIC值及斜率大于生存组(P<0.05)。IC、nIC值预测患者预后的AUC大于0.7。结论进展期胃癌患者IC、nIC值与脉管生成相关,且对进展期胃癌脉管浸润及预后具有诊断评估价值。

CT影像组学在甲状腺乳头状癌颈部淋巴结转移中的研究进展

甲状腺乳头状癌发病率逐年上升,虽然其生存率较高,但淋巴结转移率不低。颈部淋巴结转移是疾病复发危险因素,更是影响临床手术方案的重要因素,减少甲状腺乳头状癌的过度诊疗是临床急需解决的问题,传统影像学对术前颈部淋巴结状态的评估正面临挑战。影像组学作为定量提取高通量特征的新技术,是近年来的研究热点。本文就CT影像组学在甲状腺乳头状癌中预测颈部淋巴结转移的价值进行综述。

脾CT影像组学诺模图在肝硬化上消化道出血风险预测中的价值

目的:探讨脾平扫CT影像组学诺模图在上消化道出血风险预测中的临床应用价值。方法:对2017年1月到2019年9月临床诊断为肝硬化门静脉高压的95例患者进行回顾性分析,所有患者均行腹部CT平扫及胃镜检查。参照胃镜结果将患者分为中低风险出血组(40例)和高风险出血组(55例),按照7:3的比例分别将样本随机分为训练集和验证集。提取1409个平扫脾脏组学特征,通过方差阈值法、Select KBest算法以及LASSO算法,分析筛选出与消化道出血密切相关的12个组学特征并建立影像组学模型;再将多元回归分析得出的临床出血风险因素PLT建模,联合影像组学模型构建预测上消化道出血风险的诺模图。结果:影像组学模型与临床高风险出血因素模型相结合构建的诺模图在训练集和测试集的AUC值为0.97和0.93,高于单独影像组学模型和临床高风险出血因素PLT模型。结论:脾CT影像组学结合临床高风险因素构建的诺模图在上消化道出血风险预测结果与消化内镜的诊断一致性较高,可为临床治疗提供一定的参考。