目的:探讨基于磁共振DWI的影像组学模型对子宫内膜癌(EC)微卫星不稳定(MSI)状态的预测价值.方法:回顾性分析2019年5月—2023年1月在本院确诊为EC的81例患者的DWI资料.其中,MSI组29例,微卫星稳定组(MSS)52例.在DWI图像上沿病变边缘逐层勾画ROI后生成容积ROI(VOI)并提取影像组学特征,并在生成的ADC图像上测量病灶的ADC值.采用最小绝对收缩和选择算子(LASSO)和SelectKBest算法进行组学特征的筛选,然后采用决策树(DT)分析方法构建组学预测模型.使用受试者工作特征(ROC)曲线评估模型的诊断效能,采用Delong检验比较影像组学模型与ADC之间诊断效能的差异.基于1000次采样的Bootstrap算法和校准曲线来验证预测模型的临床应用价值.结果:MSI组的ADC值小于MSS组(P=0.008).模型构建方面,共筛选出5个最优DWI影像组学特征(2个一阶统计特征、1个直方图灰度共生矩阵特征、1个灰度共生矩阵特征和1个灰度游程长度矩阵特征)用于建立预测模型.诊断效能方面,DWI组学预测模型的AUC为0.927(95％CI:0.847～0.973),较ADC值的诊断效能(AUC=0.771,95％CI:0.664～0.857)显著增加(Z=2.436,P=0.015).模型验证方面,在基于Bootstrap算法的验证中,DWI组学预测模型亦显示出较高的效能,AUC为0.904(95％CI:0.885～0.916);同时,校准曲线显示该模型的预测值与实际观测值之间有较好的一致性.结论:基于DWI影像组学特征构建的预测模型较ADC值能更好地对EC患者的MSI状态进行术前评估,有望为临床诊疗提供一种新的选择.

目的 探讨增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移的价值.资料与方法 回顾性分析2020年1月—2021年12月徐州市中心医院经临床、手术病理确诊的cN0期甲状腺乳头状癌患者55例,根据术后病理结果分为中央区淋巴结转移阳性组34例、阴性组21例,患者术前均行颈部CT双期增强检查.采用Image J软件分别提取动、静脉期肿瘤最大层面灰度共生矩阵参数(能量、对比、相关、逆差矩、熵)并比较两组各参数的差异,使用受试者工作特征曲线评估参数的预测效能.结果 两组间动脉期能量、熵及静脉期熵差异有统计学意义(t/Z=-2.140、2.753、2.736,P<0.05),其他参数差异均无统计学意义(P>0.05).动脉期能量、动脉期熵、静脉期熵、动脉期能量动脉期熵联合预测中央区淋巴结转移的曲线下面积分别为 0.672、0.706、0.686、0.734,动脉期能量动脉期熵联合预测效能最佳,敏感度和特异度分别为 76.47%、66.67%.结论 增强CT灰度共生矩阵有助于术前预测cN0期甲状腺乳头状癌患者中央区淋巴结转移,动脉期参数能量联合熵的预测效能最佳.

目的 建立绵羊体外腰椎骨质疏松模型,寻找具有鉴别意义的纹理参数并与双能X射线吸收法(DXA)测量的骨密度、骨灰分密度及骨灰度建立回归公式联系.方法 采用乙二胺四乙酸二钠(EDTA-Na2)溶液(0.4916 mmol/L)浸泡法,对120例绵羊腰椎L1～L3三联椎体进行浸泡脱钙,去除肌肉及附件骨,随机分成4组(A、B、C、D组),每组30例,室温下浸入10％甲醛溶液中24 h防腐.A、B、C、D组分别浸入制备好的EDTA-Na2溶液中脱钙0、4、9、15 d制备体外骨质疏松模型.对上述腰椎进行薄层CT扫描和DXA骨密度测量,并测量每个椎体的体积和椎体干重,之后于马弗炉中1100℃恒温煅烧6 h,测量骨灰分重量,计算骨灰分密度和骨灰度.采用MaZda纹理分析软件对上述CT图像椎体骨松质进行纹理分析,分别采用Fisher系数、分类错误概率联合平均相关系数、交互信息及三者的联合方法(FPM)进行纹理特征筛选,采用原始数据分析(RDA)、主成分分析(PCA)、线性分类分析(LDA)和非线性分类分析(NDA)对4组骨密度进行分类分析.对上述方法筛选的纹理参数分别与骨密度、骨灰度和骨灰分密度行相关分析,寻找与其相关性最强的纹理参数.以相关性最强的纹理参数为自变量,以骨密度、骨灰度和骨灰分密度为因变量进行一元和多元线性回归分析,获得回归方程.结果 随着脱钙时间的延长,CT图像显示骨皮质逐渐变薄,骨松质密度减低,骨小梁变稀疏.FPM结合NDA的鉴别能力最强,错判率仅为2.5％.其中灰度共生矩阵中的对比度(Contrast)与骨灰度呈强负相关(r=-0.938).灰度共生矩阵中的熵(Entropy)与骨灰分密度(r=-0.927)和骨密度(r=-0.896)呈强负相关.一元线性回归方程分别表示为:骨灰度=0.692-0.002×Contrast,骨灰分密度=0.802-0.121×Entropy,骨密度=1.301-0.200×Entropy.结论 绵羊腰椎CT薄层图像的部分纹理参数与骨密度相关参数间存在明显相关性,可以建立回归公式联系.

目的:探讨基于B1场校正T1-mapping测量肺癌影像组学特征的一致性及可重复性.方法:回顾性搜集2020年6月—2022年3月在本院经病理确诊的70例肺癌患者的术前胸部T1-map-ping和T1加权容积内插屏气检查(T1-VIBE)图像.其中,有41例进行了T1-mapping重复扫描(间隔30 min).由2位测量者独立采用半自动勾画方法分别在T1-mapping和T1-VIBE图像上逐层沿着病灶边缘勾画ROI,融合生成全病灶的容积ROI(VOI),然后提取原始图像及不同变换预处理图像上病灶VOI的影像组学特征.采用组内相关系数(ICC)评价组学特征在观察者内、观察者间的一致性及重复扫描时的可重复性,以ICC≥0.80为一致性或可重复性好(满足临床要求).结果:自T1-mapping和T1-VIBE图像分别可提取1906个组学特征(包括一阶特征396个、形态特征14个及纹理特征1496个).基于T1-mapping提取的组学特征在观察者内及观察者间的ICC的中位数(Q1,Q3)分别为0.94(0.87,0.98)和0.91(0.83,0.96),基于T1-VIBE提取的组学特征在观察者内及观察者间的ICC的中位数(Q1,Q3)均为0.98(0.95,0.99);2个序列分别有1450(72.72％)和1768(91.76％)个组学特征同时满足观察者内和观察者间的一致性要求.T1-mapping重复扫描提取的组学特征的ICC的中位数(Q1,Q3)为0.83(0.69,0.93),有1002(52.57％)个组学特征同时满足重复扫描时的可重复性;其中,形状特征的可重复性表现最佳(ICC≥0.80者达100％),而一阶特征、灰度共生矩阵(GLCM)及灰度级区域矩阵(GLSZM)特征的可重复性相对较差(ICC≥0.80者仅占49.75％～53.98％).基于不同变换预处理图像提取的组学特征中,Gradient变换明显提高了原始特征的可重复性(ICC≥0.80者达86.05％),而采用Exponential、LBP2D、LBP3D、Logarithm和Square变换方法获得的特征降低了原始特征的可重复性(ICC≥0.80这仅占36.05％～50.00％).结论:T1-mapping的影像组学特征表现出中等可重复性,在临床应用之前需要首先对其进行可重复性评估.

目的 设计一种脑皮质表面影像组学计算方法,为脑影像研究提供丰富的、可靠的脑区局部特征.材料与方法 基于21组重复测量健康被试与222例多动症相关被试的大脑T1WI磁共振数据集提取皮层厚度、灰质体积、平均曲率与皮层表面积四种表面形态指数.使用Desikan-Killiany(DK)脑图谱和球面局部投影,实现三维皮层表面脑区的二维平面化.利用Pyradiomics对四个形态指数分别提取968个二维影像组学特征.结合重复测量数据集与组内相关系数(intra-class correlation coefficient,ICC),以ICC信度值作为影像组学特征评估的标准,综合评价不同形态指数、不同影像组学特征类型与不同脑区间的复测信度差异.结合多动症数据集,预测患者的注意力缺陷指数、过动指数两种症状指标.结果 对于不同形态指标,灰质体积、皮层表面积的影像组学特征可重复性较好,与皮层厚度与平均曲率组差异具有统计学意义(P<0.05).对于不同类型影像组学特征,基于皮层厚度的一阶特征和灰度共生矩阵特征与其他类型特征差异具有统计学意义(P<0.05).对于不同脑区,左右脑内嗅皮层、左右脑颞极与右脑额极提取的特征相较其他区域复测性降低(P<0.05).总体而言本研究提出的表面重建方法所提取的脑影像组学特征均具有较高的可重测性(ICC均值>0.76).在对多动症两种症状指标的预测中发现,左脑海马旁回、额上回与颞上回与多动症症状显著相关(|r|=0.33～0.52,P<0.05).结论 基于DK脑图谱与表面形态学指数构建脑影像组学特征是可行的,所提取的新型特征具有良好的可重复性,并在注意力预测等研究中具有一定的临床价值.

目的:探讨基于MRI影像组学的预测模型在程序性死亡蛋白-1（PD-1）抗体联合全程新辅助放化疗后中低位直肠癌病理完全缓解（pCR）中的预测价值。方法:采用临床诊断性试验研究方法，收集2019年1月至2021年9月期间于北京大学肿瘤医院收治的PD-1抗体联合全程新辅助放化疗并最终行根治性手术的38例中低位直肠癌患者的临床病理资料和影像资料；男23例，女15例；中位年龄68（47~79）岁；有13例为pCR，25例为非pCR。将38例患者分层随机分为训练组（26例）和测试组（12例）进行建模。所有患者治疗前均行直肠MRI检查，收集所有患者的临床特征、影像特征和影像组学特征，并构建临床特征模型和影像组学模型。绘制各个模型的受试者工作特征（ROC）曲线，并以曲线下面积、准确度、灵敏度、特异度、阳性预测值和阴性预测值等来评价所构建模型。结果:两组患者的年龄、性别、肿瘤原发位置和术后病理情况比较，差异均无统计学意义（均 P>0.05）。本研究在38例中低位直肠癌患者中，从每个模态下感兴趣区域（ROI）提取了41个特征，包括9个一阶特征，24个灰度共生矩阵特征和8个形状特征。进一步分别从新辅助治疗前后弥散加权成像（DWI）和T2加权成像（T2WI）的每一个图像模态中提取41个特征，共纳入164特征。经过 t检验和相关系数的筛选后，仅有4个特征得到保留。经过LASSO交叉验证后，仅有治疗前基线DWI图像的一阶偏度和治疗前基线T2WI图像中的体积这两个特征得到保留。应用这两个特征建立的预测模型在训练组和测试组的曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值分别为0.856和0.844，77.8%和100.0%，88.2%和75.0%，77.8%和66.7%，88.2%和100.0%。影像组学模型的决策曲线显示，采用该预测模型预测pCR的策略要优于将所有患者都看作pCR的策略，也优于将所有患者看作非pCR的策略。 结论:基于MRI影像组学构建PD-1抗体联合全程新辅助放化疗治疗直肠癌pCR预测模型，有潜力用于临床筛选或可免于根治性手术的直肠癌患者。

目的:探讨 18F-氟脱氧葡萄糖（FDG）PET/CT纹理分析在肺癌与肺结核的高代谢孤立性肺结节（SPN）鉴别诊断中的增益价值。 方法:回顾性分析2017年1月至2020年6月在内蒙古赤峰市医院和北京大学肿瘤医院行 18F-FDG PET/CT检查且结果表现为高代谢[最大标准化摄取值（SUV max）≥2.5]的108例SPN患者的临床资料，其中男性68例、女性40例，年龄35~72岁，中位年龄50岁；肺结核患者45例（肺结核组）、肺癌患者63例（肺癌组）。所有患者均经组织病理学检查结果确诊。分析所有患者 18F-FDG PET/CT图像SPN的良恶性（主观定性诊断），并计算错判率、灵敏度和特异度。采用MaZda纹理分析软件分别对CT和PET图像中的SPN横断面最大层面及相邻上下两层图像手动勾画ROI并提取纹理特征参数。分别采用Fisher系数、分类错误概率+平均相关系数、交互信息以及三者联合的方法（FPM）筛选具有鉴别意义的纹理特征。对筛选出的纹理特征进行原始数据、主成分、线性分类和非线性分类的分析，对SPN的良恶性进行鉴别，以错判率评价其鉴别效能。计量资料的组间比较采用独立样本 t检验；计数资料的组间比较采用 χ2检验。对错判率最低的各纹理特征参数分别进行受试者工作特征（ROC）曲线分析，筛选最具鉴别意义的前3位纹理特征。 结果:肺癌组与肺结核组患者在年龄[54 （42~72）岁对47 (35~64）岁]、SUV max[（9.51±4.65）对（5.35±2.89）]间的差异均有统计学意义（ t=2.180、2.520，均 P<0.05）；在性别、SPN长径间的差异均无统计学意义（ χ2=0.070， t=0.675，均 P>0.05）。主观定性诊断高代谢SPN良恶性的错判率为26.9%（29/108）、灵敏度为93.7%(59/63)、特异度为35.9%（14/39）。基于SUV max的ROC曲线分析，SUV max临界值为5.3时错判率为25.0%（27/108），其与主观定性诊断的错判率差异无统计学意义（ χ2=0.096， P>0.05）。CT和PET图像基于FPM联合非线性分类分析诊断的错判率最低，分别为8.33%和1.85%，两者间的差异有统计学意义（ χ2=4.694， P<0.05）；其与主观定性诊断和基于SUV max的ROC曲线分析比较，错判率的差异均有统计学意义（ χ2=10.800、27.457，均 P<0.05）。最具鉴别意义的前3位纹理特征分别为灰度游程矩阵中的垂直方向长行程补偿、灰度游程矩阵中的135°方向长行程补偿和灰度共生矩阵中的逆差距。 结论:MaZda纹理分析鉴别高代谢SPN良恶性的诊断效能较主观诊断高，在肺癌与肺结核的高代谢SPN的鉴别诊断中具有增益价值。

目的:探讨DWI的ADC值联合纹理特征鉴别良恶性软组织肿瘤的价值。方法:回顾性分析中国科学技术大学附属第一医院西区经病理证实的94例软组织肿瘤（恶性44例，良性50例）MRI及DWI图像。在GE ADW4.6工作站测量肿块的实性成分ADC值。在T 2WI脂肪抑制图像上的肿瘤最大层面手动勾画ROI并提取纹理特征；采用独立样本 t检验对良恶性软组织肿瘤的ADC值及纹理参数进行统计学分析，并多因素logistic回归分析建模，计算诊断效能。 结果:良恶性软组织肿瘤的ADC值分别为（1.6±0.3）×10 -3 mm 2/s、（1.2±0.5）×10 -3 mm 2/s，差异有统计学意义（ t=-5.382， P<0.05），以1.28×10 -3 mm 2/s为诊断良恶性软组织肿瘤临界值，AUC为0.783，灵敏度为92.00%，特异度为65.91%。纹理特征中直方图特征（frequency size、skewness），灰度共生矩阵特征（Inertia_All Direction_offset7、Inverse Difference Moment_angle0_offset1、Inverse Difference Moment_angle0_offset7）及Haralick特征（Haralick Correlation_All Direction_offset4_SD）鉴别良恶性软组织肿瘤的曲线下面积分别为AUC 0.825、0.739、0.826、0.816、0.820、0.783。多因素logistic回归分析最佳预测模型鉴别良恶性软组织肿瘤的曲线下面积、灵敏度、特异度分别为0.930、88.00%、86.36%。 结论:ADC值联合纹理特征对术前预测软组织良恶性肿瘤有较高的应用价值。

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。

目的:基于肺癌患者放疗前的CT影像组学特征，综合临床信息与放疗剂量学特征，利用机器学习方法构建症状性放射性肺炎的预测模型。方法:回顾性收集2018年11月至2020年4月在江南大学附属医院接受放疗的103例肺癌患者的临床与剂量学资料。获取这些患者放疗前胸部CT影像，勾画双侧正常肺组织结构，提取250种影像组学特征。用单因素分析研究临床、剂量学特征与放射性肺炎发生的相关性。收集所有影像组学特征、临床和剂量学特征作为潜在预测因子，通过LASSO回归机器学习方法筛选特征，并得到肺炎预测模型。然后根据筛选的特征建立放射性肺炎发生风险的列线图。结果:单因素分析结果表明，症状性放射性肺炎与双侧正常肺组织的平均肺剂量(MLD)、 V20 Gy和 V30 Gy的相关性具有统计学意义( t＝2.20、2.34、2.93， P<0.05)。在综合所有影像组学特征、临床和放疗剂量学特征后，本研究共筛选出4个特征，为肺的剂量体积百分数 V30 Gy，和3个影像组学特征，包括灰度共生矩阵类别的熵特征、小波变换直方图类别的均值及中位数特征。基于这些特征所构建的肺炎预测模型的曲线下面积(AUC)为0.757。绘制了可根据特征值给予个体化的风险预测与提前干预的列线图。 结论:放疗前的CT影像组学结合剂量学特征可用于预测症状性肺炎的发生，可望为临床提前干预提供帮助。