MRI增强序列列线图预测脑胶质瘤IDH1基因突变的研究

目的 探讨T_(1)WI MRI增强序列的临床–影像组学列线图预测脑胶质瘤异柠檬酸脱氢酶1(isocitrate dehydrogenase 1,IDH1)基因突变的价值。方法 回顾性分析2016年2月至2022年2月宁波市医疗中心李惠利医院收治的98例经手术病理证实的脑胶质瘤(Ⅱ~Ⅳ级)T_(1)WI MRI增强图像。其中,26例IDH1基因突变型(IDH1-M)、72例IDH1基因野生型(IDH1-W),以7∶3比例划分为训练集(n=69)和测试集(n=29),使用逻辑回归方法筛选特征并建立临床模型。勾画并测量脑胶质瘤的实质区及坏死区参数,建立Logistic回归影像组学模型,计算Radscore,生成列线图。采用校准曲线和受试者操作特征(receiver operating characteristic,ROC)曲线评价3个模型对脑胶质瘤IDH1基因突变状态的预测效能,进行决策曲线分析,评估列线图临床实用性。结果 训练集经过特征筛选,最终选择6个影像组学特征和2个临床特征用于构建列线图。临床模型在训练集和测试集中的曲线下面积(area under the curve,AUC)分别为0.834和0.718,影像组学模型分别为0.902和0.831,临床–影像组学组合模型最高,分别为0.906和0.857。校准曲线表明,临床–影像组学列线图在训练集中IDH1基因型的预测值和观察值之间具有较好的一致性(P=0.751)。决策分析曲线表明,组合模型的净收益在几乎整个Pt值范围内均高于临床模型及影像组学模型。结论 基于MRI T_(1)WI增强序列的临床-影像组学列线图能较精准地预测IDH1基因突变状态。

基于影像组学的T_(1)WI增强模型预测高级别脑胶质瘤TP53基因突变的研究

目的探讨基于术前T_(1)WI增强MRI序列的影像组学模型预测高级别脑胶质瘤TP53基因型表达状态的价值。方法卡回顾性分析2015年3月至2021年10月经手术病理证实的脑胶质瘤患者146例,最终入组68例,按7:3比例随机分为训练集和测试集。依次经过靶区勾画、特征提取及降维筛选等操作,得到最有价值的特征参数,应用这些特征构建影像基因组学Logistic回归模型,并使用校准曲线对模型准确度进行检验。采用ROC曲线下面积(AUC)对TP53基因表达进行预测效能评价。结果从T_(1)WI增强图像中共提取396个组学特征参数,经筛选后选取9个最有预测价值的特征构建模型。训练集模型的AUC值为0.883,灵敏度为0.697,特异度为0.933;测试集模型的AUC为0.802,灵敏度为0.769,特异度为0.857结论基于增强T_(1)WI序列构建的影像组学模型可有效预测高级别脑胶质瘤TP53基因表达状态。

全脑灌注联合多时相CT血管成像预测大脑中动脉M1段闭塞卒中患者出血转化

目的探讨全脑灌注联合多时相CT血管成像(CTA)检查在预测缺血性脑卒中出血转化(HT)中的价值。资料与方法回顾性分析64例治疗前行一站式CT检查的缺血性卒中患者的临床资料,运用AW 4.7后处理工作站测量患侧与健侧灌注参数,包括脑血容量(CBV)、脑血流量(CBF)、达峰时间(TTP)、平均通过时间(MTT)、血流峰值时间(Tmax)和表面渗透性(PS),并计算相对脑血容量(rCBV)、相对脑血流量(rCBF)、相对达峰时间(rTTP)、相对平均通过时间(rMTT)、相对血流峰值时间(rTmax)和相对表面渗透性(rPS)。根据复查CT梗死灶内高密度影将患者分为出血组与未出血组,比较两组各灌注参数值的差异;通过多时相CTA对侧支循环进行评分,比较HT组间发生率的差异;绘制受试者工作特征曲线,分析P<0.05参数的诊断效能及与HT之间的相关性,比较不同治疗方式的出血发生率。结果出血组CBV小于未出血组,差异有统计学意义(P<0.05)。出血组患者TTP、MTT、Tmax、PS、rTTP、rMTT、rPS均大于未出血组,差异有统计学意义(P<0.05)。PS、rPS与HT呈正相关(r=0.628、0.516,P<0.001)。侧支不良组出血发生率(18/28,64.29%)高于侧支良好组(4/36,11.11%),差异有统计学意义(P<0.05)。灌注参数联合多时相CTA评分可提高诊断效能(曲线下面积0.891)。结论PS、rPS和多时相CTA评分对治疗前评估缺血性卒中患者HT风险具有重要价值。

多参数MRI放射组学预测上皮性卵巢癌患者术前腹膜转移

目的评价基于多参数磁共振成像(multiparameter magnetic resonance imaging,MP-MRI)的放射组学特征对上皮性卵巢癌腹膜转移的预测价值。材料与方法回顾性收集86例上皮性卵巢癌患者纳入研究,所有患者均行轴位脂肪抑制T2加权成像(fat suppression-T2 weighted imaging,FS-T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)和动态增强(dynamic contrast enhanced,DCE)-T1WI扫描,从每个患者术前FS-T2WI、DWI和DCE-T1WI图像中提取定量成像特征,建立放射组学模型、临床模型;结合放射组学特征及临床病理危险因素,构建放射组学诺模图,通过受试者工作特性曲线、AUC、校准曲线和临床实用性来评估该放射组学诺模图的预测性能。结果来自MP-MRI组合序列的放射组学模型比单独来自FS-T2WI、DWI和DCE-T1WI的模型具有更高的AUC(0.865 vs.0.749、0.765、0.736)。诺模图(0.953)显示出比临床模型(0.819)和组学模型(0.865)更好的诊断效果。结论基于MP-MRI组合序列的放射组学诺模图对腹膜转移显示出良好的预测准确性,可用于术前识别上皮性卵巢癌患者的腹膜转移。

基于IDEAL-IQ序列MR纹理分析评价慢性腰痛患者椎旁脂肪浸润

目的采用非对称采集与迭代最小二乘估算法迭代水脂分离方法(iterative decomposition of water and fat with echo asymmetrical and least-squares estimation quantitation sequence,IDEAL-IQ)定量评价慢性下腰痛患者椎旁肌肉脂肪浸润程度与Goutallier分级的相关性,同时探讨基于IDEAL-IQ脂肪分数图像MR纹理分析评价椎旁肌肉脂肪浸润的可行性。材料与方法慢性下腰痛就诊患者97例(男50例、女47例),行腰椎常规扫描序列横断位、矢状位T2WI及轴位IDEAL-IQ序列,获取L1~S1椎间盘层面椎旁腰大肌(psoas major,PS)、竖脊肌(erector spinae,ES)及多裂肌(multifidus muscle,MF)基于T2WI序列的Goutallier脂肪浸润程度分级,IDEAL-IQ序列脂肪分数(fat fraction,FF)值、横截面积(cross sectional area,CSA)值和基于FF图像的纹理特征参数。椎旁肌肉Goutallier分级组间FF值及CSA值的差异性比较运用单因素方差分析;采用Spearman秩相关检验评价椎旁肌肉Goutallier分级与FF值及CSA值的相关性;利用ROC曲线评估纹理分析参数的诊断效能,并采用Spearman相关性分析纹理参数特征值与FF值的相关性。结果不同腰椎间盘层面椎旁肌肉脂肪Goutallier分级组间CSA值及FF值的差异均有统计学意义;ES、MF和PS的Goutallier分级与CSA值均存在相关性(相关系数分别为-0.512、-0.338、-0.082,P值均小于0.001);MF、ES和PS的Goutallier分级与FF值均存在相关性(相关系数分别为0.753、0.819、0.136,P值均小于0.05);纹理特征参数对椎旁肌肉Goutallier分级的诊断效能良好,其中MeanValue、Quantile0.975、Variance与椎旁肌肉FF值呈显著相关(相关系数分别为0.887、0.777、0.776),VoxelValueSum、kurtosis、skewness、uniformity、HaralickCorrelation_angle135_offset7、HaralickCorrelation_angle90_offset4、InverseDifferenceMoment_AllDirection_offset4与椎旁肌肉FF值呈强相关(相关系数分别为0.609、-0.687、-0.569、0.601、0.633、0.714、-0.604),ClusterShade_AllDirection_offset7与椎旁肌肉FF值呈中等相关(相关系数为0.497)。结论慢性下腰痛患者腰椎旁PS、ES、MF的Goutallier分级与FF值及CSA值均存在相关性,而且基于IDEAL-IQ序列脂肪分数图的纹理分析评价椎旁脂肪浸润是可行的。

CT影像组学鉴别儿童腹膜后神经母细胞瘤和节细胞神经母细胞瘤的价值

目的基于平扫和增强CT的影像组学分析在鉴别儿童腹膜后神经母细胞瘤(NB)和节细胞性神经母细胞瘤(GNB)中的价值。方法纳入172例NB和48例GNB患儿,按7∶3的比例分层随机抽样划分为训练集和测试集。分别从平扫期、动脉期和静脉期CT图像中提取并筛选影像组学特征,基于最优特征子集采用多变量回归模型建立各期以及三期复合的影像组学模型,绘制模型ROC曲线,计算并比较各期模型的AUC、准确度、灵敏度及特异性等评价指标。结果从平扫期、动脉期和静脉期CT图像中分别提取了1218个影像组学特征,最终筛选出平扫期模型4个特征、动脉期模型3个特征、静脉期模型2个特征以及三期复合模型5个特征。平扫期模型在训练集中的AUC为0.840(95%CI:0.778~0.902),测试集中AUC为0.804(95%CI:0.699~0.899)。动脉期模型在训练集中的AUC为0.819(95%CI:0.759~0.877),测试集中AUC为0.815(95%CI:0.697~0.915)。静脉期模型在训练集中的AUC为0.730(95%CI:0.649~0.803),测试集中AUC为0.751(95%CI:0.619~0.869)。三期复合模型在训练集中的AUC为0.861(95%CI:0.809~0.910),测试集中AUC为0.827(95%CI:0.726~0.915)。结论基于平扫和增强CT的影像组学特征有助于区分儿童腹膜后NB和GNB,纹理特征相对于一阶直方图特征能更好的反映病灶的差异。平扫期、动脉期和静脉期影像组学模型均可较好鉴别儿童腹膜后NB和GNB。三期复合模型与平扫期、动脉期模型效能相似,但优于静脉期模型。

基于CT影像组学预测临床ⅠA期老年非小细胞肺癌淋巴结转移

目的探讨基于胸部增强CT影像组学模型预测临床ⅠA期非小细胞肺癌(NSCLC)老年患者淋巴结转移(LNM)的价值。方法回顾性分析361例临床ⅠA期NSCLC老年患者术前增强CT及临床资料。术后病理显示其中87例LNM(LNM组)、274例无LNM(无LNM组),比较2组临床及影像学表现差异。提取术前增强CT影像学特征,进行归一化和降维,采用最小绝对收缩选择算子(LASSO)法筛选最优影像组学特征,建立影像组学模型。按7∶3比例将患者分为训练组和测试组,于训练组中以10次交叉验证法获得最佳影像组学预测模型。根据临床ⅠA期NSCLC老年患者LNM影响因素建立LNM临床预测模型,以之预测训练组和测试组LNM,并以ROC曲线评价2种模型对于训练组和测试组的诊断效能。结果共于所有病灶中提取396个影像组学特征,经归一化后采用LASSO法获得5个最佳影像组学特征建立影像组学模型,并获得最佳影像组学模型,以之预测训练组和测试组LNM的AUC值分别为0.816和0.797,均高于临床模型(0.650和0.686,P均<0.05)。结论基于胸部增强CT的影像组学模型可用于预测临床ⅠA期NSCLC老年患者LNM。

基于DCE-MRI的兔糖尿病合并严重肢体缺血骨骼肌微血管渗透性和纹理分析研究

目的探索动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)渗透参数及基于Ktrans纹理参数定量评估兔糖尿病(diabetes mellitus,DM)合并严重肢体缺血(critical limb ischemia,CLI)模型骨骼肌血流灌注和微血管通透性的可行性.材料与方法雄性日本大耳白兔随机分为实验组(n=12)和假手术组(n=12).造模后第1、2、3周对所有兔股外侧肌行轴位DCE-MRI检查,获取渗透参数及纹理参数.采用独立样本t检验和重复测量的方差分析比较两组渗透参数差异.对两组第3周提取的纹理特征进行特征筛选,并进行ROC曲线分析,获得AUC.分析渗透参数、纹理参数与微血管密度(microvessel density,MVD)(CD31)、外周血内皮祖细胞(endothelial progenitor cells,EPCs)的相关性.结果Ktrans值在实验组各时间点差异具有统计学意义.基于Ktrans纹理分析参数在实验组和假手术组中有显著性差异.病理学参数与纹理参数有相关性.结论DCE-MRI渗透参数及基于Ktrans纹理分析参数在监测DM合并CLI骨骼肌血流灌注和微血管通透性变化方面是可行的.

基于人工智能动态CT心肌灌注成像分析技术的临床应用研究

目的评价基于人工智能的动态CT心肌灌注(CTP)半自动分析软件Myocardiac Kit(MK)测量心肌血流参数的稳定性和准确性。方法前瞻性纳入接受负荷动态CTP联合冠状动脉CT血管成像(CCTA)的87例疑似冠心病病人,男67例,女20例,平均(60.98±0.78)岁。所有病人均在1周内接受有创冠状动脉造影(ICA)并测量血流储备分数(FFR)。由2名医师独立采用MK软件和CCTA工作站分析数据,计算心肌血流量(MBF)等动态CTP参数以及CCTA直径狭窄率,并记录软件分析数据所需时间。采用组内相关系数(ICC)评价观察者间在心肌节段和冠状动脉水平上参数测量的一致性。以在ICA检查中狭窄程度≥90%或FFR≤0.80作为心肌缺血的诊断标准,采用独立样本t检验比较缺血心肌和非缺血心肌MBF差异。绘制受试者操作特征(ROC)曲线,并计算曲线下面积。采用约登指数计算MBF判断心肌缺血的最佳临界值,分别计算CCTA上直径狭窄率≥50%、MBF以及两者联合诊断心肌缺血的敏感度、特异度及准确度。结果研究共纳入261支冠状动脉和1479个心肌节段。在心肌节段水平和血管水平上,2名医师对各参数测量较为一致(ICC≥0.60)。缺血心肌节段平均MBF低于对应非缺血节段的[(123.14±41.83)mL·100 mL^(-1)·min^(-1)和(147.47±43.98)mL·100 mL^(-1)·min^(-1),P<0.05],而缺血冠状动脉供血心肌节段的平均MBF亦低于非缺血冠状动脉供血的心肌节段[(124.34±42.86)mL·100 mL^(-1)·min^(-1)和148.68±44.49)mL·100 mL^(-1)·min^(-1),P<0.05]。在血管水平,MBF最佳临界值为115.0 mL·100 mL^(-1)·min^(-1),联合血管狭窄≥50%和MBF诊断心肌缺血的诊断效能最高,ROC曲线下面积为[0.91(95%CI:0.87~0.95)]。MK软件平均数据处理时间为(10.51±1.95)min。结论基于人工智能的动态CTP半自动分析软件具有稳定性好、结果准确、操作简便等优点,具有较好的临床应用推广价值。

基于Sonazoid超声造影枯否期图像预测肝细胞肝癌微血管侵犯的影像组学研究

目的基于Sonazoid超声造影(CEUS)枯否期图像构建预测肝细胞肝癌(HCC)微血管侵犯(MVI)的术前影像组学模型,并探讨其应用价值。方法前瞻性纳入我院拟诊为肝恶性肿瘤并行术前SonazoidCEUS检查的患者,分别提取基于灰阶超声图像和CEUS枯否期图像的肿瘤区域(TR)、瘤周5 mm区域(PR)及肿瘤+瘤周5 mm区域(ER)的特征。应用支持向量机法构建6个区域特征的影像组学模型,并绘制受试者工作特征(ROC)曲线评估其对MVI的预测效能;采用决策曲线评估各模型的临床收益。结果最终纳入50例经手术及病理证实的HCC患者(MVI阳性31例,MVI阴性19例),分别从灰阶超声图像和枯否期图像的TR、PR及ER提取并筛选出5个最具预测效力的影像组学特征构建模型。ROC曲线分析结果显示,枯否期PR影像组学模型对MVI的独立预测效能最佳,其曲线下面积为0.834,准确率为84.0%,敏感性为90.3%,特异性为73.7%;决策曲线分析显示,当该模型预测MVI的概率阈值为0.05~0.85时,枯否期PR影像组学评分能提供更高的临床收益。结论基于SonazoidCEUS枯否期图像构建的影像组学模型是术前无创预测HCC病灶MVI的潜在方法,具有良好的临床应用价值。

CT影像组学模型对食管鳞癌患者放疗后5年生存的预测价值

目的探讨基于增强CT图像特征的预测模型对食管鳞癌放疗后5年总生存(OS)的预测价值。方法回顾性分析2016年7月—2017年12月在河北医科大学第四医院接受根治性放化疗且病理诊断明确的218例食管鳞状细胞癌患者的临床资料。采用简单随机法按照7:3的比例将患者分为训练组(153例)和验证组(65例),提取患者增强CT图像影像组学特征。训练组数据用于构建预测模型,验证组数据用于验证该模型预测患者放疗后5年OS的效能。通过受试者操作特征(ROC)曲线、一致性指数(C指数)及决策者曲线评价模型的预测性能。结果患者1、3、5年OS率分别为67.0%、33.4%、24.9%。从训练组中提取的特征中筛选出5个影像组学特征来构建预测5年OS的放射学标签。训练组和验证组的ROC曲线下面积分别为0.760和0.707,C指数分别为0.680和0.684。将放射学标签与临床危险因素结合构建预测食管癌放疗后5年OS的影像组学列线图模型,ROC曲线下面积在训练组和验证组分别为0.782和0.751,C指数分别为0.708和0.688。根据模型的最佳分界值将训练组患者分为高危组和低危组,低危组患者1、3、5年OS率分别为86.5%、65.4%、28.9%,高危组患者分别为58.4%、17.8%、5.9%,差异有统计学意义(P<0.001),而且验证组也得出了类似的结论(P<0.001)。结论利用增强CT图像特征构建的食管癌放疗后5年OS预测模型,可以用作临床预测。

基于术前CT影像组学特征预测肺腺癌患者EGFR突变状态的研究

目的探讨术前CT影像组学特征在预测肺腺癌患者EGFR突变中的价值。方法回顾性搜集经病理证实为肺腺癌且检测EGFR突变状态的患者共286例,其中,EGFR突变126例,野生型160例。按7∶3的比例随机分为训练集和验证集。从每个患者的感兴趣区内分别提取1468个组学特征,采用Wilcoxon检验、最小绝对收缩和选择算子(LASSO)回归和Logistic回归筛选影像组学特征。在训练集中采用Logistic回归的方法构建预测模型,并在验证集中评估其性能。通过ROC曲线评价模型的预测性能,并计算曲线下面积(AUC)、敏感度、特异度和准确性。DeLong检验用于比较各模型AUC之间的差异。结果两个临床因素(性别和吸烟史)与EGFR突变独立相关(P<0.05),而年龄、CEA和肿瘤位置在两组之间差异无统计学意义(P>0.05)。9个影像组学特征在两组之间有显著差异(P<0.05)。训练集中,临床模型、组学模型和综合模型的AUC分别为0.692、0.762和0.814,而在验证集中分别为0.712、0.779和0.827。训练集中,综合模型与临床模型、组学模型AUC的差异具有统计学意义(P<0.05),而其余模型AUC的差异无统计学意义(P>0.05)。验证集中,综合模型和临床模型AUC的差异具有统计学意义(P<0.05),而其余模型AUC的差异均无统计学以意义(P>0.05)。结论基于术前CT影像组学特征构建的模型可以用于预测EGFR突变状态,其中,综合模型具有较高的预测性能。