基于超声影像组学列线图预测T1期乳腺癌同侧腋窝淋巴结转移的价值

目的建立并验证基于超声影像组学的诺模图预测T1期乳腺癌同侧腋窝淋巴结转移的价值。资料与方法回顾性收集2012年1月—2021年6月皖南医学院第一附属医院(弋矶山医院)经病理证实的T1期乳腺癌443例,按7∶3随机分为训练组310例和验证组133例。使用ITK-SNAP勾画肿瘤边缘感兴趣区,利用Pyradiomics软件提取特征,筛选特征后构建影像组学模型及标签得分Rad-score。分别建立临床模型、影像组学模型及联合诊断模型,并构建联合模型的预测诺模图,采用受试者工作特征曲线评价各模型的预测价值。结果多因素分Logistic回归析显示,腋窝超声检查阳性、高回声晕及病灶内部血供丰富是预测腋窝淋巴结转移的独立危险因素,构建临床诊断模型。通过特征筛选构建影像组学模型。基于临床、影像组学特征构建联合诊断模型,训练组联合模型的曲线下面积为0.822,大于临床模型及影像组学模型的0.765、0.723(P=0.0021、0.0018);验证组中联合模型的曲线下面积大于影像组学模型(0.846比0.686,P=0.0018),与临床模型(0.783)差异无统计学意义(P=0.1113)。结论基于超声影像组学构建的联合诊断模型,能够有效预测T1期乳腺癌同侧腋窝淋巴结转移,具有很高的临床预测效能。

基于超声影像组学鉴别腮腺多形性腺瘤和腺淋巴瘤的临床应用研究

目的:建立并验证基于超声影像组学鉴别腮腺多形性腺瘤和腺淋巴瘤的临床应用价值。方法:回顾性收集本院2012年1月-2022年12月就诊于口腔颌面外科并手术后病理确诊为腮腺多形腺腺瘤和腺淋巴瘤的患者共282例,并获取完整的超声影像及临床资料。按7:3比例随机分为训练集(197例)和验证集(85例)。采用先组间差异性分析筛选出临床独立预测因子。使用ITK-SNAP对感兴趣区(ROI)勾画,利用Pyradiomics软件从腮腺肿瘤的超声图像中提取组学特征。利用Pearson相关性分析,保留相关性系数>0.9的一个特征;再利用最小收缩和选择算子(LASSO)回归分析,筛选出特征构建超声影像组学模型;与临床数据结合构建联合模型并评估其诊断效能。采用Delong检验评估各模型的鉴别效能。结果:研究发现,年龄、性别、回声不均能够有效鉴别腮腺多形性腺瘤和腺淋巴瘤,构建临床诊断模型。通过降维筛选出15个特征并建立超声影像组学模型。基于超声影像组学模型结合性别、年龄、回声不均匀构建联合诊断模型。在训练集中,联合模型的AUC均高于临床诊断模型和超声影像组学模型且差异均具有统计学意义(Z=3.919,P<0.001;Z=3.179,P=0.0015),超声影像组学模型的AUC与临床模型AUC差异无统计学意义(Z=0.079,P=0.936)。验证集中,联合模型AUC高于临床模型和超声影像组学模型,差异均具有统计学意义(Z=2.424,P=0.015;Z=2.212,P=0.027);超声影像组学模型的AUC高于临床模型,差异不具有统计学意义(Z=0.881,P=0.379)。结论:基于超声影像组学构建联合模型在腮腺多形性腺瘤和Warthin瘤具有良好的鉴别诊断效能。