基于增强CT影像组学评估肝硬化患者肝储备功能的应用

目的:基于增强CT影像组学特征构建列线图预测模型对肝硬化患者肝储备功能进行Child-Pugh分级。方法:回顾性分析经临床证实的144例肝硬化患者,按照Child-Pugh评分标准分成Child-Pugh A级33例,B级60例,C级51例。构建Child-Pugh A vs Child-Pugh B/C及Child-Pugh A/B vs Child-Pugh C两个数据集,分别以8:2的比例随机分成训练集和测试集。在3期增强CT图像上手动勾画肝脏区域作为感兴趣区(ROI),于感兴趣区中提取并筛选特征。建立影像组学标签并构建列线图预测模型,将模型用于训练集及测试集,并绘制受试者工作特性曲线(ROC)评估其效能。结果:在Child-Pugh A vs Child-Pugh B/C数据集中,列线图在训练集与测试集中AUC分别为0.920和0.807,敏感度分别为0.933和0.741,特异度分别为0.846和0.826。在Child-Pugh A/B vs Child-Pugh C数据集中,列线图在训练集与测试集中AUC分别为0.880和0.821,敏感度分别为0.805和0.818,特异度分别为0.878和0.947。结论:基于不同肝脏储备功能肝硬化患者的腹部3期CT增强图像组学特征建立的列线图模型可作为预测Child-Pugh分级较为可靠的辅助诊断工具。

基于DBT的瘤内和瘤周影像组学评估乳腺癌HER2状态的研究

目的探讨基于数字乳腺断层融合成像(DBT)的瘤内和瘤周影像组学评估乳腺癌HER2状态的应用价值。方法回顾性分析经病理证实的178例乳腺癌患者的影像、临床及病理资料。对头尾位(CC)及内外斜位(MLO)的DBT图像肿瘤感兴趣区(ROI)进行勾画,将瘤内ROI自动外扩3 mm,得到瘤周区域,生成瘤内及瘤周三维容积感兴趣区(VOI)。提取影像组学特征并进行筛选,然后建立瘤内、瘤周及瘤内加瘤周3种影像组学模型。对临床病理资料进行统计学分析并构建临床模型,最终建立基于临床-影像组学的综合模型,并绘制诺莫图。利用ROC曲线及曲线下面积(AUC)评价各模型性能,并绘制校准曲线及决策曲线。结果瘤内、瘤周及瘤内加瘤周影像组学模型AUC分别为0.800、0.726、0.844,临床模型及联合临床-影像组学的综合模型AUC分别为0.585、0.850。结论基于DBT的瘤内和瘤周影像组学特征可以评估乳腺癌HER2状态,联合瘤周特征可提升影像组学模型性能,而且结合临床和组学特征的综合模型及诺莫图具有良好预测价值。