目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资...目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持。展开更多
目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 ...目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例。由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,K^(trans))、速率常数(exchange rate between EES and blood plasma,K_(ep))、血管外细胞外间隙容积分数(extravascular volume fraction,V_(e))以及血浆容积分数(capillary plasma volume,V_(p))。采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度。采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性。结果两位观察者测得的APT值及K^(trans)值、K_(ep)值、V_(e)值、V_(p)值结果一致性良好,ICC均>0.75。两组间的APT值和V_(p)值差异有统计学意义(P<0.05),K^(trans)、K_(ep)、V_(e)差异无统计学意义(P>0.05)。PNI组的APT值(2.89%±0.72%)和V_(p)值[7.80×10^(-3)(6.80×10^(-3),1.14×10^(-2))]均大于NPNI组[APT值2.31%±0.71%;V_(p)值4.19×10^(-3)(2.04×10^(-3),7.35×10^(-3))]。评估宫颈癌PNI时,APT值和V_(p)值的AUC分别为0.717、0.785,阈值分别为2.7%及6.46×10^(-3),敏感度及特异度分别为66.7%及75.0%、83.3%及75.0%;APT值联合V_(p)值后的AUC为0.792,APT值、V_(p)值与两者联合后的AUC之间差异无统计学意义(P>0.05)。APT值与V_(p)值无相关性(r=0.219,P=0.198)。结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值。展开更多
文摘目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持。
文摘目的探讨酰胺质子转移加权(amide proton transfer weighted,APTw)与动态对比增强磁共振成像(dynamic contrast enhanced MRI,DCE-MRI)序列评估宫颈癌神经周围侵犯(perineural invasion,PNI)的价值。材料与方法回顾性分析36例行盆腔3.0 T MRI检查(包括APTw、DCE-MRI序列)且手术病理证实为宫颈癌的患者病例及影像资料,其中有PNI(PNI组)12例,无PNI(NPNI组)24例。由两位观察者分别测量病灶的APT值与DCE-MRI定量参数值,包括容积转移分数(volume transfer constant,K^(trans))、速率常数(exchange rate between EES and blood plasma,K_(ep))、血管外细胞外间隙容积分数(extravascular volume fraction,V_(e))以及血浆容积分数(capillary plasma volume,V_(p))。采用组内相关系数(intra-class correlation coefficient,ICC)检验2位观察者对各参数值测量结果的一致性;采用Kolmogorov-Smirov检验数据是否符合正态分布,通过两独立样本t检验或Mann-Whitney U检验比较两组间参数值的差异,采用受试者工作特征(receiver Operating Characteristic,ROC)曲线评估有差异参数诊断PNI效能,获得相应的曲线下面积(area under the curve,AUC)、阈值、敏感度和特异度。采用二元logistic回归计算有差异参数的联合诊断效能,DeLong检验进行各参数和联合参数AUC比较,Spearman相关分析检测APT值和有差异DCE-MRI参数间的相关性。结果两位观察者测得的APT值及K^(trans)值、K_(ep)值、V_(e)值、V_(p)值结果一致性良好,ICC均>0.75。两组间的APT值和V_(p)值差异有统计学意义(P<0.05),K^(trans)、K_(ep)、V_(e)差异无统计学意义(P>0.05)。PNI组的APT值(2.89%±0.72%)和V_(p)值[7.80×10^(-3)(6.80×10^(-3),1.14×10^(-2))]均大于NPNI组[APT值2.31%±0.71%;V_(p)值4.19×10^(-3)(2.04×10^(-3),7.35×10^(-3))]。评估宫颈癌PNI时,APT值和V_(p)值的AUC分别为0.717、0.785,阈值分别为2.7%及6.46×10^(-3),敏感度及特异度分别为66.7%及75.0%、83.3%及75.0%;APT值联合V_(p)值后的AUC为0.792,APT值、V_(p)值与两者联合后的AUC之间差异无统计学意义(P>0.05)。APT值与V_(p)值无相关性(r=0.219,P=0.198)。结论APTw序列及DCE-MRI的定量参数均能有效预测宫颈癌PNI,具有一定临床应用价值。