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。