简介:摘要目的探讨增强 MRI列线图模型在预测双表型肝细胞癌(DPHCC)中的应用价值。方法回顾性分析2016年1月至2021年3月于苏州大学附属第一医院行增强MRI检查并经手术病理证实为肝细胞癌(HCC)的116例患者资料,男87例,女29例,年龄30~79(59±10)岁,其中DPHCC 31例,非双表型肝细胞癌(非DPHCC)85例,并按照6∶4的比例,采用随机数字表法分为训练组(51例非DPHCC,19例DPHCC)及验证组(34例非DPHCC,12例DPHCC),比较两组患者的临床及影像学特征的差异。然后将差异有统计学意义的特征纳入多因素logistic回归,获得独立预测指标并建立列线图模型,采用受试者工作特征曲线评估模型的预测能力,采用校准曲线对模型进行验证。结果在训练组中,DPHCC中环形动脉期高强化的患者占比高于非DPHCC[47.4%(9/19)比 7.8%(4/51),P<0.001]。环形动脉期高强化、强化的包膜是DPHCC的预测因素[OR值(95%CI)分别是10.17(1.70~60.80)、0.17(0.03~0.93),均P<0.05]。在训练组中,列线图的曲线下面积(AUC)、灵敏度、特异度分别为0.888(95%CI:0.806~0.969)、78.9%、86.3%;在验证组中,以上3个指标分别为0.811(95%CI:0.655~0.968)、75.0%、82.4%。结论增强MRI列线图模型对DPHCC具有一定的预测效能,灵敏度、特异度高。
简介:摘要目的探讨基于钆塞酸二钠增强MRI肝胆期影像组学特征的不同机器学习模型术前预测肝细胞癌(HCC)微血管侵犯(MVI)的价值。方法回顾性分析2015年6月至2020年6月在苏州大学附属第一医院经病理证实的132例HCC患者的资料,MVI阳性72例、阴性60例。按照7∶3的比例以随机种子法分为训练集和验证集。利用PyRadiomics软件提取肝胆期图像影像组学特征,采用最小绝对收缩和选择算子(LASSO)回归5折交叉验证法对训练集临床和影像组学特征进行筛选,得到最优特征子集,然后用6种机器学习方法(决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络)构建预测模型,采用ROC曲线评估模型的预测能力,采用DeLong检验比较6种机器学习算法曲线下面积(AUC)的差异。结果经LASSO回归筛选后获得14个特征组成最优特征子集,包括2个临床特征(肿瘤最大径和甲胎蛋白)和12个影像组学特征。训练集中基于最优特征子集构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络模型预测HCC MVI的AUC值分别为0.969、1.000、1.000、0.991、0.966和1.000,验证集的AUC值分别为0.781、0.890、0.920、0.806、0.684和0.703。验证集中,极端梯度提升与广义线性模型、神经网络的AUC的差异有统计学意义(Z=2.857、3.220,P=0.004、0.001),随机森林与支持向量机、广义线性模型和神经网络AUC的差异有统计学意义(Z=2.371、3.190、3.967,P=0.018、0.001、<0.001),支持向量机与广义线性模型AUC的差异有统计学意义(Z=2.621,P=0.009),其余机器学习模型间AUC的差异均无统计学意义(P>0.05)。结论基于钆塞酸二钠增强MRI肝胆期图像的影像组学特征构建的机器学习模型可用于术前预测HCC MVI,其中,极端梯度提升和随机森林模型具有较高的预测效能。
简介:摘要目的探讨基于双期增强CT影像组学特征的机器学习模型术前预测肝细胞癌微血管侵犯(MVI)的价值。方法回顾性分析2015年1月至2020年5月在苏州大学附属第一医院经病理确诊的148例[男106例,女42例,年龄(58±11)岁]肝细胞癌患者的资料,其中MVI阳性88例,MVI阴性60例。按照约7∶3的比例随机分配为训练集和验证集。利用MaZda软件提取肝细胞癌动脉期和门静脉期3D影像组学特征,采用3种特征选择方法联合(FPM法)和Lasso回归进行特征筛选,得到最优特征子集。然后用6种机器学习算法构建预测模型,采用受试者工作特征(ROC)曲线评估模型的预测能力,并计算出曲线下面积(AUC)、准确度、灵敏度和特异度。结果MaZda软件提取肝细胞癌动脉期和门静脉期的影像组学特征,各239个。利用FPM法和Lasso 回归进行特征筛选可分别得到7个动脉期和14个门静脉期最优特征。基于动脉期的7个最优特征构建的决策树、极端梯度提升、随机森林、支持向量机、广义线性模型和神经网络等模型预测验证集肝细胞癌MVI的AUC值分别为0.736、0.910、0.913、0.915、0.897、0.648,其中支持向量机的AUC值最高,其准确度、灵敏度和特异度分别为95.35%、95.83%和94.74%。利用门静脉期的14个最优特征构建的上述机器学习模型预测验证集肝细胞癌MVI的AUC值分别为0.873、0.876、0.913、0.859、0.877、0.834,其差异均无统计学意义(均P>0.05),其中随机森林模型的AUC值最高,其准确度、灵敏度和特异度分别为90.70%、87.50%和94.74%。结论基于双期增强CT影像组学特征的机器学习模型可用于术前预测肝细胞癌微血管侵犯。其中,支持向量机和随机森林模型具有较高的预测效能。
简介:摘要目的探讨钆塞酸二钠增强MRI列线图模型在术前预测肝细胞肝癌Ki-67表达中的应用价值。方法回顾性收集2016年9月至2019年8月于苏州大学附属第一医院行钆塞酸二钠增强MRI检查并经手术病理证实为肝细胞肝癌的85例患者的资料。根据术后免疫组化Ki-67指数将85例患者分为Ki-67低表达组(Ki-67指数≤10%,20例)和Ki-67高表达组(Ki-67指数>10%,65例)。两组的临床资料(肝炎、肝硬化等)及影像学定性参数(肿瘤边缘、假包膜等)比较采用χ²检验,影像学定量参数[动脉期病灶-正常肝实质信号比(LNR-AP)、门静脉期病灶-正常肝实质信号比(LNR-PP)、平衡期病灶-正常肝实质信号比(LNR-EP)、肝胆期病灶-正常肝实质信号比(LNR-HBP)]的比较采用独立样本t检验,将上述有统计学意义的参数纳入多因素logistic回归,获得肝细胞肝癌Ki-67高表达的独立预测指标,并建立预测肝细胞肝癌Ki-67表达的列线图模型。结果甲胎蛋白(AFP)、肿瘤边缘光滑度、动脉期环形强化例数在Ki-67低、高表达组中差异有统计学意义(χ²值分别为8.196、10.538、4.717,P均<0.05),组间LNR-AP、LNR-PP、LNR-EP、LNR-HBP的差异有统计学意义(t值分别为2.929、2.773、2.890、3.437,P均<0.05)。多因素logistic回归结果显示,AFP≥20 μg/L、肿瘤边缘不光滑、低LNR-HBP是Ki-67高表达的独立预测指标(优势比分别为4.090、3.509、0.042,P均<0.05)。成功建立术前预测肝细胞肝癌Ki-67表达的钆塞酸二钠增强MRI列线图模型,其受试者操作特征曲线下面积为0.837,校准预测曲线与标准曲线贴合尚可。结论钆塞酸二钠增强MRI列线图模型在术前预测Ki-67表达有较高的应用价值,为肝细胞肝癌患者Ki-67表达提供了一种个体化预测方法。
简介:摘要目的探讨能谱CT影像组学特征在鉴别肺癌结节与炎性结节中的价值。方法回顾性分析在苏州大学附属第一医院接受肺部能谱CT扫描的96例肺癌结节和45例炎性结节患者的资料。按照2∶1的比例随机分配为训练组(肺癌结节64例,炎性结节30例)和验证组(肺癌结节32例,炎性结节15例)。利用MaZda软件对训练组动脉期和静脉期70 keV单能量图像进行影像组学特征提取。采用费希尔参数法(Fisher)、分类错误率联合平均相关系数法(POE+ACC)和相关信息测度法(MI)对提取的特征进行筛选,得到3组最优特征子集。然后用线性(LDA)和非线性判别分析法(NDA)对最优特征子集进行分析,计算其鉴别肺癌结节和炎性结节的受试者操作特征(ROC)曲线下面积(AUC)、准确率、灵敏度、特异度、精准率和F1分数。利用人工神经网络(ANN)建立预测模型,并对验证组两种病变进行鉴别。使用Delong检验比较不同的最优特征子集AUC的差异。结果在动脉期,MI-NDA法选择的最优特征子集鉴别训练组肺癌结节和炎性结节的AUC最高,为0.888(95%可信区间0.806~0.943),其准确率、灵敏度和特异度分别为88.3%、87.5%和90.0%。MI-NDA法与Fisher-NDA、(POE+ACC)-NDA法的AUC差异无统计学意义(Z=1.941,P=0.052;Z=1.683,P=0.092)。在静脉期,(POE+ACC)-NDA法选择的最优特征子集的AUC最高,为0.846(95%可信区间0.757~0.912),其准确率、灵敏度和特异度分别为87.2%、92.2%和76.7%。(POE+ACC)-NDA与MI-NDA的AUC差异无统计学意义(Z=1.354,P=0.18),而与Fisher-NDA的AUC差异有统计学意义(Z=2.423,P=0.015)。MI-NDA法选择的动脉期最优特征子集在训练组和验证组的AUC最高,分别为0.888(95%可信区间0.806~0.943)和0.871(95%可信区间0.741~0.951)。结论能谱CT影像组学定量特征可用于鉴别肺癌结节与炎性结节,具有较高的诊断价值。
简介:摘要目的探讨MRI-经直肠超声(TRUS)融合靶向穿刺对有临床意义前列腺癌(PCa)的检出价值。方法前瞻性收集2015年9月至2017年6月苏州大学附属第一医院临床疑诊的PCa患者168例。对多参数MRI(mpMRI)上的可疑病灶进行第二版前列腺图像报告和数据系统(PI-RADS V2)评分。所有患者均行TRUS引导下前列腺系统穿刺,其中108例PI-RAD V2评分≥ 3分的患者行MRI-TRUS融合靶向穿刺。以穿刺病理结果为金标准,采用χ2检验比较两种穿刺方法对PCa及有临床意义癌的检出率。结果168例中,PCa患者86例101个病灶,非PCa患者82例91个病灶。TRUS系统穿刺检出PCa 78例(46.43%,78/168),MRI-TRUS靶向穿刺检出PCa 63例(58.33%,63/108),二者间差异有统计学意义(χ2=3.73,P=0.035)。168例患者共穿刺2 300针,其中经MRI-TRUS靶向穿刺的单针阳性率(51.76%,147/284)高于TRUS系统穿刺(19.64%,396/2 016),差异有统计学意义(χ2=142.38,P<0.05)。在所有穿刺阳性病灶中,MRI-TRUS靶向穿刺阳性率(68.69%,147/214)高于TRUS系统穿刺组(38.37%,396/1 032),差异有统计学意义(χ2=66.27,P<0.05)。MRI-TRUS靶向穿刺组检出有临床意义PCa占所有阳性病例穿刺针数的69.74%(106/152),TRUS系统穿刺检出有临床意义PCa为54.50%(351/644),两组间差异有统计学意义(χ2=11.67,P<0.05)。结论MRI-TRUS靶向穿刺与PI-RADS V2相结合较系统穿刺可有效提高前列腺的穿刺阳性率,并且能够提高有临床意义PCa的检出率。
简介:摘要目的探讨CT影像组学定量特征在预测肺癌表皮生长因子受体(EGFR)突变中的价值。方法回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料,男75例、女69例,中位年龄54(25~68)岁。其中,EGFR突变型81例,男39例、女42例,中位年龄52(25~64)岁;EGFR野生型63例,男36例、女27例,中位年龄56(32~68)岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图(GLH)、绝对梯度(GRA)、灰度共生矩阵(GLCM)、灰度游程矩阵(GLRLM)、自回归模型(ARM)和小波变换(WAV)等特征。采用费希尔参数法(Fisher)、分类错误率联合平均相关系数法(POE+ACC)和相关信息测度法(MI)3种特征选择方法对提取的定量特征进行筛选,分别选择10个相关的最优特征,得到最优特征子集。然后用线性判别分析法(LDA)和非线性判别分析法(NDA)对三组最优特征子集进行分析,计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度,利用人工神经网络(ANN)对训练组准确度最高的最优特征子集建立预测模型,并利用建立的预测模型,对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征,一共301个。Fisher-NDA和(POE+ACC)-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高,为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度,为预测肺癌基因表达提供了一种新的方法。
简介:摘要目的通过基于扩散张量成像(DTI)的全肿瘤纹理分析建立放射组学模型,从而实现无创性预测异柠檬酸脱氢酶1(IDH1)突变。方法收集2016年2月至2019年6月苏州大学附属第一医院收治并经手术确诊星形细胞瘤患者的术前MRI图像,包括T1WI、T2WI、DTI和T1对比增强。最终共纳入38例患者,男20例、女18例,其中12例突变型,26例野生型,年龄(49±15)岁。使用MaZda软件在T2WI图像的每个层面上绘制感兴趣区(ROI)并将其复制到表观扩散系数(ADC)和各向异性分数(FA)图,提取肿瘤全体素的纹理特征参数。使用最小绝对值收敛和选择算子(LASSO)回归确定最佳放射性组学特征,计算放射组学分数,使用二元Logistic回归构建组学预测模型,绘制受试者工作特征(ROC)曲线分析诊断效能以及校正曲线评估模型预测性能。结果经LASSO回归最终确定了4个最有价值的放射组学特征,分别为ADC偏度3D、ADCPerc.01%3D、ADCPerc.50%3D和FAPerc.99%3D,随后基于放射组学特征建立每例患者的放射组学标签和Logistic回归模型。野生组和突变组的放射组学评分分别为2.3±0.3和1.8±0.4,组间差异有统计学意义(P<0.05),ROC曲线分析显示AUC为0.837,灵敏度和特异度分别为91.7%和61.5%。Logistic回归模型具有良好的预测性能,AUC为0.907,灵敏度和特异度分别为91.7%和84.6%。结论基于DTI的全肿瘤放射组学模型有助于预测胶质瘤IDH1突变。
简介:摘要目的探讨钆塞酸二钠(Gd-EOB-DTPA)增强磁共振成像(MRI)影像学特征联合定量分析在预测肝细胞癌病理分级中的应用价值。方法回顾性分析2016年6月至2019年6月在苏州大学附属第一医院行Gd-EOB-DTPA增强MRI检查并经穿刺或手术病理证实为肝细胞癌的80例患者的资料,其中男65例、女15例,年龄30~74(59±11)岁。根据术后病理结果,将其分为低分化组(26例,男22例、女4例)及中高分化组(54例,男43例、女11例)。审阅Gd-EOB-DTPA增强MRI图像并记录肝细胞癌定性特征,测量并计算定量指标包括肿瘤大小和动脉期、门静脉期、平衡期、肝胆特异期病灶-肝脏信号比(SIR)及动脉期对比增强比(CER-AP)。对低分化组、中高分化组间临床资料及定性参数进行χ2检验,定量参数进行独立样本t检验。对上述组间差异有统计学意义的定性参数、定量参数、定量联合定性参数、甲胎蛋白(AFP)联合定性定量参数构建二元logistic回归模型,采用受试者工作特征(ROC)曲线分析4种多参数预测模型对肝细胞癌病理分级的诊断效能。结果低分化组与中高分化组间AFP、动脉期瘤周高信号、动脉期环形强化、肝胆特异期瘤周低信号、肿瘤信号的差异有统计学意义(均P<0.05),两组间,肿瘤大小、动脉期病灶-肝脏信号比(SIR-AP)、门脉期病灶-肝脏信号比(SIR-PP)分别为(7.0±3.7)cm比(3.9±2.4)cm、1.11±0.29比1.31±0.32、0.89±0.21比1.03±0.27,差异有统计学意义(均P<0.05)。定性参数、定量参数、定性联合定量参数、AFP联合定性定量参数预测模型诊断肝细胞癌病理分级的ROC曲线下面积(AUC)分别为0.805、0.804、0.855、0.892。定性参数与定性联合定量参数诊断的灵敏度的差异有统计学意义(80.8%比92.3%,P<0.05)。结论Gd-EOB-DTPA增强MRI影像学特征联合定量分析可在术前预测肝细胞癌病理分级,有较大的应用价值。