简介:摘要目的本研究旨在建立和验证基于MRI的影像组学列线图来预测乳腺癌较小体积的腋窝淋巴结(axillary lymph node,ALN)转移。材料与方法回顾性分析2018年1月至2021年4月238例经病理证实的乳腺癌患者,基于动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)及T2脂肪抑制序列提取ALN纹理特征,采用分层抽样的方式按照7∶3比例分为训练组(n=168)和测试组(n=70),线性回归和LASSO回归用于特征筛选。结合影像组学和MRI影像学特征中的独立因素建立多因素Logistic回归模型,以列线图形式表现。采用受试者工作特征(receiver operating characteristic,ROC)曲线来评价模型的性能。使用Hosmer-Lemeshow检验并绘制校准曲线来评价模型的拟合优度。采用决策曲线分析(decision curve analysis,DCA)评价模型的临床应用价值。结果单因素和多因素分析显示,影像组学标签评分(radiomics score,Rad-score)、短长轴比及ADC值为鉴别淋巴结转移的独立影响因素;Rad-score是最为重要的影响因素(0R=1.413,P<0.001),训练组和测试组ROC曲线下面积(area under the curve,AUC)分别为0.867、0.887;列线图由MRI影像学和影像组学特征组成,该模型显示出良好的校准和区分能力,AUC在训练集中为0.972 (95% CI:0.950~0.994),在测试集中为0.938 (95% CI:0.882~0.993)。决策曲线分析表明具有临床使用价值。结论基于MRI影像组学列线图可用于乳腺癌ALN转移的术前预测。
简介:摘要目的探讨基于CT影像组学列线图鉴别甲状腺滤泡性肿瘤良生与恶性的价值。方法回顾性收集2016年1月至2018年12月复旦大学附属肿瘤医院经手术病理证实的200例甲状腺滤泡性肿瘤患者的临床资料及CT图像,其中甲状腺滤泡癌(FTC)46例、甲状腺滤泡腺瘤(FTA)154例。采用随机数表法随机分为训练集(n=140)和验证集(n=60)。采用LIFEx软件提取增强CT图像的48个影像组学特征。根据最小绝对收缩和选择算子回归进行特征降维、筛选及模型建立,在此基础上绘制列线图。利用受试者操作特征曲线及曲线下面积(AUC)评估列线图预测甲状腺良性与恶性滤泡性肿瘤的效能,通过校准曲线对列线图进行内部及外部验证,最后应用决策曲线分析评估列线图的临床应用价值。结果经筛选得到4种特征用于建立预测甲状腺良性与恶性滤泡性肿瘤的列线图,分别为灰度区域矩阵(GLZLM)-区域长度不均匀性、GLZLM-低灰度区域因子、传统指数-HU单元Q3值、传统指数-HU单元平均值。列线图在训练集中区分FTC和FTA的AUC为0.863(95%CI 0.746~0.932),准确度为87.9%,灵敏度为67.9%,特异度为91.1%;验证集中AUC为0.792(95%CI 0.658~0.917),准确度为75.0%,灵敏度为66.7%,特异度为90.5%。校正曲线结果显示列线图预测值与病理结果之间具有良好的一致性,决策曲线分析表明列线图在临床上具有良好的应用价值。结论CT影像组学模型对于鉴别甲状腺良性与恶性滤泡性肿瘤具有较好的效能,基于此的列线图可准确、直观地预测甲状腺滤泡性肿瘤患者的恶性概率。
简介:摘要目的建立并验证基于MRI征象和影像组学的列线图鉴别腮腺良性与恶性肿瘤的效能。方法回顾性收集2015年1月至2020年5月青岛大学附属医院86例经手术病理证实的腮腺肿瘤患者为训练集,收集2013年1月至2020年1月香港大学深圳医院35例患者为独立外部验证集。采用logistic回归基于临床及MRI征象建立临床诊断模型。基于术前平扫T1WI和预饱和脂肪抑制T2WI(fs-T2WI)进行影像组学特征提取,建立影像组学诊断模型。基于影像组学评分及临床诊断模型,通过logistic回归建立影像组学+临床联合诊断模型及列线图。采用受试者操作特征(ROC)曲线评价各模型诊断腮腺良性与恶性肿瘤的效能,ROC曲线下面积(AUC)的比较采用DeLong检验。结果Logistic回归结果显示,腮腺深叶受累(OR值为3.285,P=0.040)和周围组织结构侵犯(OR值为15.919,P=0.013)是腮腺恶性肿瘤的独立影响因素,将二者构建临床诊断模型。基于平扫T1WI和fs-T2WI,共提取19个特征构建影像组学诊断模型。联合影像组学评分以及腮腺深叶受累、周围组织结构侵犯2个常规影像学特征建立联合诊断模型及列线图。临床诊断模型、影像组学诊断模型、联合诊断模型在训练集和验证集中诊断腮腺良性与恶性肿瘤的AUC分别为0.758、0.951、0.953和0.752、0.941、0.964。在训练集和验证集中,影像组学诊断模型、联合诊断模型的AUC均高于临床诊断模型(训练集:Z=3.95、4.31,P均<0.001;验证集:Z=2.16、2.67,P=0.031、0.008),影像组学诊断模型、联合诊断模型间AUC差异无统计学意义(训练集:Z=0.39,P=0.697;验证集:Z=1.10,P=0.273)。结论本研究所建立的MRI影像组学模型以及由腮腺深叶受累、周围组织结构侵犯、MRI影像组学特征组成的联合诊断模型,能有效鉴别腮腺良恶性肿瘤,具有较高的预测效能。
简介:摘要目的探讨基于体素内不相干运动弥散加权成像(IVIM-DWI)及MRI影像组学的列线图模型在预测局部晚期宫颈癌(LACC)同步放化疗(CCRT)后复发中的价值。方法回顾性分析2014年12月至2019年12月于安徽省肿瘤医院接受CCRT并持续随访的111例ⅠB-ⅣA期宫颈癌患者的临床资料。测量所有患者疗前原发灶的IVIM-DWI定量参数(ADC、D、D*、f值)及疗前、疗后T2WI序列的3D纹理特征,并采用最小绝对收缩和选择算子(LASSO)算法和logistic回归分析筛选纹理特征,计算影像组学评分Rad-score。采用Cox比例风险模型分析LACC患者CCRT后复发的独立危险因素并构建列线图。结果外照射剂量、f值、疗前Rad-score及疗后Rad-score是宫颈癌CCRT复发的独立预后因素(HR=0.204、3.253、2.544、7.576)并共同组成列线图模型。模型预测1、3、5年无病生存(DFS)期的曲线下面积分别为0.895、0.888和0.916,内部验证一致性指数分别为0.859、0.903和0.867。决策曲线表明,相较于其他模型,列线图具有更高的临床净收益,临床影响曲线进一步直观地展现了模型的预测精度。结论基于IVIM-DWI及影像组学的列线图对预测LACC患者CCRT后复发具有较高的临床价值,可为宫颈癌患者的预后评估及个体化治疗提供参考。
简介:摘要目的建立基于术前乳腺MRI的影像组学列线图,探讨MRI影像组学模型对乳腺癌腋窝淋巴结转移(axillary lymph node metastasis,ALNM)的预测价值。材料与方法回顾性分析宁夏医科大学总医院2016年8月至2020年12月经病理确诊的169例女性乳腺癌患者的MRI及临床病理资料(118例为训练集,51例为验证集)。在动态对比增强MRI第3期图像中,对所有患者的乳腺肿瘤原发灶进行感兴趣区(volume of interest,VOI)勾画并提取影像组学特征。采用Mann-Whitney U检验、LASSO回归进行影像组学特征筛选并建立影像组学标签,对所选特征按LASSO回归中相应系数加权后求和来计算影像组学评分。同时通过Logistic回归筛选临床危险因素建立临床预测模型,并构建基于临床危险因素和影像组学标签的联合预测模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线和校准曲线评估模型性能,使用Delong检验评价不同模型间ROC曲线下面积(area under curve,AUC)的差异,使用决策曲线分析(decision curve analysis,DCA)评估预测模型的临床价值。结果从每个VOI中提取200个影像组学特征,其中10个影像组学特征与乳腺癌发生ALNM相关。在训练集及验证集中,影像组学标签的AUC值分别为0.86及0.74;临床预测模型的AUC值分别为0.83、0.78;联合预测模型的AUC值分别为0.86及0.80。DCA显示联合模型的临床价值高于影像组学标签及临床模型,使用列线图能够可视化该联合预测模型。结论基于术前MRI影像组学标签和临床危险因素所构建的联合模型可用于乳腺癌ALNM的预测,为术前评估乳腺癌患者发生ALNM的风险提供了一种新的方法。
简介:摘要目的探讨基于临床和增强CT影像组学的列线图术前预测EB病毒(EBV)相关性胃癌的价值。方法回顾性分析经手术病理证实的136例胃癌患者资料,男100例、女36例,年龄[M(Q1,Q3)]65(53,71)岁。根据EBV编码的小RNA原位杂交技术测定的结果分为EBV阳性组(n=32)和EBV阴性组(n=104)。所有患者术前均行多期CT增强扫描。按7∶3比例将患者分为训练组(n=95)和验证组(n=41)。利用MaZda软件提取增强CT图像的影像组学特征。采用组内相关系数(ICC)、方差分析和最小绝对收缩与选择算法(LASSO)回归进行影像组学特征降维,计算影像组学评分(Radscore)。联合临床资料、形态学特征及影像组学评分建立列线图模型。根据受试者工作特征曲线下面积(AUC)评价列线图的预测效能,决策曲线评价列线图的临床净获益,根据训练组和验证组的数据绘制校准曲线对列线图进行验证。结果经筛选后,最终得到6个最优的影像组学特征,包括灰度均值、偏度、S(1,0)熵和、S(1,1)对比度、99%灰度百分位、S(2,2)角二阶矩。在训练组和验证组中,EBV阳性组的Radscore高于EBV阴性组(训练组:3.78±0.83 比 2.80±0.98;验证组:3.81±0.47 比 2.94±0.95)(均P<0.05)。影像组学模型在训练组和验证组的AUC分别为0.773(95%CI:0.612~0.962)、0.792(95%CI:0.597~0.927),灵敏度和特异度分别为63.6%和93.1%、70.0%和87.1%;临床和影像组学的列线图模型在训练组和验证组的AUC分别为0.883(95%CI:0.644~0.984)、0.851(95%CI:0.715~0.996),列线图模型的预测效能更佳(均P<0.05)。结论基于临床和影像组学的列线图模型对EB病毒相关性胃癌具有较好的预测效能。
简介:摘要目的总结MBD5基因变异相关癫痫患儿的临床表型及基因变异特点。方法回顾性分析2016年7月至2021年9月在北京大学第一医院儿科门诊就诊的9例MBD5基因变异癫痫患儿的病例资料,对其癫痫发作表现、脑电图、基因检测结果等进行分析。结果9例患儿中男6例、女3例,癫痫起病年龄范围为5~89月龄。癫痫发作类型多样,其中全面强直阵挛发作7例、肌阵挛发作和局灶性发作各5例、不典型失神发作3例、失张力发作2例,肌阵挛失神发作、痉挛发作、强直发作各1例,有8例患儿有2~6种发作类型。丛集性发作特点5例,热敏感特点2例。2例患儿有癫痫持续状态史。癫痫起病前均有发育迟缓,均有明显语言障碍,6例有孤独症样表现。患儿脑电图背景活动异常5例,9例发作间期有癫痫样放电。头颅磁共振成像均未见明显异常。发现MBD5基因点变异5例(c.300C>A/p.C100X、c.1775delA/p.N592Tfs*29、c.1759C>T/p.Q587X、c.150_151del/p.Lys51Asnfs*6、c.113+1G>C),MBD5基因整体杂合缺失1例,包括MBD5基因在内的大片段缺失3例,9例均为新发变异。末次随访年龄为2岁9月龄至11岁11月龄,末次随访时2例癫痫发作已缓解11个月至4年6个月,7例尝试多种抗癫痫发作药物仍有发作。结论MBD5基因变异患儿癫痫发作多在婴幼儿期发病,多数患儿有多种发作类型,发作可有丛集性及热敏感特点。多有发育迟缓、语言障碍和孤独症样行为。MBD5基因变异包括点变异和片段缺失。多为药物难治性癫痫。
简介:摘要目的探讨基于多参数MRI(multiparametric magnetic resonance imaging, mpMRI)影像组学列线图预测子宫内膜癌(endometrial cancer, EC)淋巴血管侵犯(lymphatic vascular space invasion, LVSI)的价值。材料与方法回顾性分析术前行盆腔mpMRI检查的202例经手术病理证实为EC患者的病例资料,并按7∶3随机分为训练集和验证集。运用开源的ITK-SNAP软件勾画兴趣区(region of interest, ROI),使用Pyradiomics软件从mpMRI影像图中提取EC影像组学特征。采用单因素分析临床基本资料和影像组学特征,通过最小绝对收缩和选择算法(least absolute shrinkage and selection operator, LASSO)回归筛选影像组学特征并计算影像组学分数(radiomics score, Rad-score),多因素logistic回归用于筛选LVSI独立危险因素,使用R语言建立模型并绘制列线图,模型的预测效能采用C指数(C-index)评价,比较影像组学模型和列线图对LVSI的预测效能。结果321个影像组学特征经LASSO回归筛选出13个影像组学特征并计算Rad-score。单因素和多因素logistic回归分析发现年龄、病理学分级以及Rad-score为LVSI的独立危险因素。联合LVSI危险因素构建的列线图在训练集和验证集中C-index分别为0.871(95% CI:0.803~0.940)和0.810(95% CI:0.698~0.917);影像组学模型在训练集和验证集中C-index分别为0.854(95% CI:0.784~0.925)和0.756(95% CI:0.619~0.892)。列线图和影像组学模型对LVSI均具有较高的预测效能,并且列线图高于影像组学模型。结论基于mpMRI影像组学列线图对EC的LVSI术前评估具有较高的诊断效能。
简介:摘要目的建立基于MRI-T2WI影像组学列线图并评价其鉴别卵巢交界性上皮源性肿瘤(boderline epithelial ovarian tumors, BEOTs)及恶性上皮源性肿瘤(malignant epithelial ovarian tumors, MEOTs)的效能及临床应用价值。材料与方法回顾性分析2016年1月至2021年5月间南京医科大学附属淮安第一医院经病理证实的上皮源性卵巢肿瘤患者的临床及影像资料,共计192例,其中BEOTs 72例,MEOTs 120例,按8∶2比例随机分为训练集(n=153)及测试集(n=39),从每个患者的轴位T2WI图像中手动勾画感兴趣区并提取影像组学特征。使用Mann-Whitney U检验、相关性分析及最小绝对收缩选择算子(least absolute shrinkage and selection operator, LASSO)回归进行特征选择,并构建影像组学模型及计算影像组学评分Radscore。结合临床因素及Radscore,采用多元logistic回归模型构建影像组学列线图模型。最后通过ROC曲线、校准曲线及决策曲线分析评价列线图模型的临床应用价值。结果经特征筛选后最终保留10个影像组学特征。结合HE4和Radscore的影像组学列线图在训练集及测试集中的曲线下面积值(area under the cure, AUC)(训练集:0.947,测试集:0.914)均大于单一的影像组学模型(训练集:0.925,测试集:0.819)。ROC曲线及决策曲线分析结果显示,影像组学列线图模型更具优势。结论结合MRI-T2WI影像组学特征和临床因素的影像组学列线图模型可直观、准确地鉴别BEOTs及MEOTs,并为下一步的临床决策提供指导。