针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.

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.

目的:探讨胸段食管鳞癌腹腔淋巴结转移的影响因素，构建胸段食管鳞癌腹腔淋巴结转移的预测模型并进行转移概率的风险亚组分析。方法:采用回顾性病例对照研究方法。收集2015年3月至2019年4月郑州大学第一附属医院收治的443例行胸腹腔镜食管癌根治术联合系统性淋巴结清扫治疗胸段食管鳞癌患者的临床病理资料；男259例，女184例；中位年龄为64岁，年龄范围为41~81岁。基于胸段食管鳞癌腹腔淋巴结转移的多因素分析结果构建列线图预测模型，绘制其校正曲线和决策曲线，预测模型的预测性能采用一致性指数评估。根据列线图模型对胸段食管鳞癌腹腔淋巴结转移预测的总分进一步行递归分割分析，构建决策树模型对患者进行风险亚组分析。观察指标：(1)胸段食管鳞癌腹腔淋巴结转移情况。(2)胸段食管鳞癌腹腔淋巴结转移的影响因素分析。(3)胸段食管鳞癌腹腔淋巴结转移列线图预测模型的构建。(4)胸段食管鳞癌腹腔淋巴结转移决策树模型的构建及转移概率的风险亚组分析。偏态分布的计量资料以 M(范围)表示。计数资料以绝对数和百分比表示，组间比较采用 χ2检验。等级资料组间比较采用非参数秩和检验。多因素分析采用Logistic回归模型。经Logistic回归模型多因素分析后，应用RStudio 3.4软件构建列线图模型。 结果:(1)胸段食管鳞癌腹腔淋巴结转移情况：443例患者中，89例发生腹腔淋巴结转移，腹腔淋巴结转移率为20.09%(89/443)。(2)胸段食管鳞癌腹腔淋巴结转移的危险因素分析：单因素分析结果显示肿瘤位置、肿瘤长度、肿瘤分化程度、病理学T分期、神经侵犯、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的相关因素( χ2=12.177， Z=-2.754，-4.218，-4.254，　 χ2=3.908，33.025，30.387， P<0.05)。多因素分析结果显示：肿瘤位置、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的独立影响因素(优势比=2.165，3.442，2.876，95%可信区间为1.380~3.396，1.787~6.633，1.631~5.071， P<0.05)。(3)胸段食管鳞癌腹腔淋巴结转移列线图预测模型的构建：应用多因素分析结果筛选指标，包括肿瘤位置、脉管侵犯和胸部淋巴结转移，构建胸段食管鳞癌腹腔淋巴结转移列线图预测模型，一致性指数为0.846。校正曲线分析结果显示：列线图预测模型预测胸段食管鳞癌腹腔淋巴结转移概率与实际淋巴结转移概率吻合度较高。决策曲线分析结果显示：胸段食管鳞癌腹腔淋巴结转移概率阈值为0.001~0.819时，应用该列线图预测模型有较好收益。(4)胸段食管鳞癌腹腔淋巴结转移决策树模型的构建及转移概率的风险亚组分析：决策树模型根据腹腔淋巴结转移概率将患者分为6个风险亚组：A组，无脉管侵犯+胸部淋巴结无转移；B组，无脉管侵犯+胸部淋巴结转移1~3枚；C组，无脉管侵犯+胸部淋巴结转移≥4枚；D组，脉管侵犯+胸部淋巴结转移0~2枚+肿瘤位于胸上段或胸中段；E组，脉管侵犯+胸部淋巴结转移0~2枚+肿瘤位于胸下段；F组，脉管侵犯+胸部淋巴结转移≥3枚。A组为低危组，腹腔淋巴结转移概率为11%；B和D组为中低危组，腹腔淋巴结转移概率分别为27%和21%；C和E组为中高危组，腹腔淋巴结转移概率分别为56%和55%；F组为高危组，腹腔淋巴结转移概率为80%。 结论:肿瘤位置、脉管侵犯和胸部淋巴结转移是胸段食管鳞癌腹腔淋巴结转移的独立影响因素。脉管侵犯对腹腔淋巴结转移影响最大，胸部淋巴结转移数目次之，而肿瘤位置最小。构建胸段食管鳞癌腹腔淋巴结转移列线图预测模型及决策树模型可将患者腹腔淋巴结转移概率分为6个风险亚型。

目的:探讨基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管间隙浸润（LVSI）的应用价值。方法:回顾性研究。纳入2016年6月—2019年3月山西省肿瘤医院宫颈鳞癌患者168例。患者年龄22~76（52.0±10.1）岁，临床分期为国际妇产联盟（FIGO）ⅠB期127例、ⅡA期41例。所有患者术前行多参数盆腔MR扫描，均接受根治性子宫切除术联合盆腔淋巴结清扫术治疗。收集其临床病理资料和多参数MRI数据，以7∶3的比例按照随机抽样法分为训练集117例和验证集51例。在T 2加权像（T 2WI）、表观弥散系数［ADC，由2个b值的弥散加权成像数据自动生成］及增强T 1加权像（cT 1WI）3个序列的MRI上，对病灶进行手动分割勾画肿瘤轮廓感兴趣区（ROI），得到三维感兴趣区（VOI）并提取特征，通过以最大相关最小冗余和最小绝对收缩与选择算子回归为主的三步降维法筛选特征并构建影像组学模型。多因素logistic回归分析筛选临床特征并联合影像组学模型建立融合模型，制作列线图。受试者操作特征曲线（ROC 曲线）、校正曲线、决策分析曲线评估列线图的效能及临床效益。 结果:术后病理检查确诊LVSI阳性42例，阴性126例。训练集与验证集患者的年龄、FIGO分期、肿瘤最大径、肿瘤分化程度、LVSI状态等临床病理特征比较，差异均无统计学意义（ P值均>0.05）。基于T 2WI、ADC及cT 1WI多参数MRI提取的影像组学特征，经特征筛选后得到7个关键特征，均与宫颈癌LVSI相关（ P值均<0.05），并构建影像组学模型。训练集T 2WI、ADC及cT 1WI 3个序列独立构建的影像组学模型预测宫颈癌LVSI的ROC曲线下面积（AUC）分别为0.630［95%可信区间（ CI）0.557~0.698］、0.686（95% CI 0.563~0.694）、0.761（95% CI 0.702~0.818），3个序列共同构建的联合影像组学模型对应的AUC为0.887（95% CI 0.842~0.925），诊断效能最优，并在验证集中得到验证。联合影像组学模型与肿瘤分化程度构建的融合模型列线图预测宫颈癌LVSI，在训练集与验证集中的AUC分别为0.893（95% CI 0.851~0.929）、0.854（95% CI 0.749~0.943），校正曲线显示出列线图有良好的校正性能；决策曲线表明当风险阈值概率范围在0.50~0.96时，采用影像组学融合模型预测宫颈癌LVSI的净收益优于“将所有患者视为宫颈癌LVSI阳性或阴性”。 结论:基于多参数MRI影像组学特征与临床特征的融合模型对宫颈癌LVSI状态有良好的预测价值。

目的:探讨O-6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)基因启动子甲基化状态对老年胶质母细胞瘤(GBM)治疗及预后的影响。方法:回顾性分析天津市环湖医院2012—2018年收治的65例新诊断的老年GBM患者的临床资料。所有患者均在术后接受了调强放疗，49例患者接受了替莫唑胺单药化疗。依据MGMT启动子甲基化状态分为MGMT(+)组和MGMT(-)组，比较两组生存情况。采用 Kaplan- Meier法生存分析并应用 log- rank法行单因素预后分析， Cox模型多因素预后分析。 结果:全组中位总生存期为18.0个月。MGMT(+)组、MGMT(-)组中位总生存期分别为27个、15.3个月。单因素分析显示肿瘤数目、MGMT基因启动子甲基化、同步放化疗与预后相关( P＝0.029、 P＝0.001、 P<0.001)。多因素分析显示肿瘤数目、同步放化疗是影响老年GBM患者预后因素( P＝0.037、 P＝0.004)。MGMT(+)组中同步放化疗与单纯放疗患者中位总生存期分别为27.0个月和12.0个月( P＝0.040)；MGMT(-)组中同步放化疗与单纯放疗患者中位总生存期分别为17.0个月和10.0个月( P＝0.122)。 结论:MGMT启动子甲基化状态与老年GBM患者的预后密切相关，在常规分割放疗的基础上联合替莫唑胺同步及序贯化疗可能带来进一步生存获益。

目的:探讨乳腺影像报告和数据系统（BI-RADS）分类联合影像组学预测模型鉴别X线摄影不同表现类型乳腺病灶良性与恶性的效能。方法:回顾性分析东南大学附属中大医院2013年5月至2020年8月接受乳腺X线摄影检查并经病理证实的2 055例女性患者。根据BI-RADS分类第5版将病灶分为肿块型及非肿块型，肿块型又分为小肿块（最大径≤2 cm）、大肿块（最大径>2 cm），非肿块型又分为非对称、钙化及结构扭曲。通过手动分割病灶感兴趣区提取影像组学特征并构建影像组学模型。使用受试者操作特征曲线及曲线下面积（AUC）评估BI-RADS分类、影像组学及两者联合鉴别诊断乳腺X线摄影不同表现类型良性与恶性病变的效能，采用DeLong检验比较3种模型的AUC。结果:BI-RADS分类、影像组学模型及BI-RADS分类联合影像组学模型诊断乳腺病灶良性与恶性AUC值分别为0.924±0.006、0.827±0.009及0.947±0.005；与BI-RADS分类、影像组学模型比较，联合模型的诊断的AUC最高，差异具有统计学意义（ Z值分别为9.29、14.94， P<0.001）。联合模型鉴别大肿块、小肿块及非肿块乳腺病灶良性与恶性的AUC（分别为0.958±0.007、0.933±0.013、0.939±0.008）均高于BI-RADS分类（AUC分别为0.937±0.010、0.896±0.020、0.916±0.011， Z值分别为5.32、3.90、5.08， P<0.001）、影像组学模型（AUC分别为0.872±0.012、0.851±0.021、0.758±0.016， Z值分别为7.86、4.53、12.13， P<0.001）。联合模型诊断非对称乳腺病灶良性与恶性的AUC（0.897±0.017）高于BI-RADS分类（AUC为0.866±0.020， Z=4.27， P<0.001）、影像组学模型（AUC为0.633±0.029， Z=7.44， P<0.001）；而联合模型诊断诊断钙化和结构扭曲乳腺病灶良性与恶性的AUC（分别为0.971±0.010、0.811±0.057）仅高于影像组学模型（AUC分别为0.827±0.021、0.586±0.075， Z值分别为7.40、3.15， P<0.001），与BI-RADS分类差异无统计学意义（AUC分别为0.959±0.012、0.800±0.061， Z分别为1.87、0.39， P>0.05）。 结论:BI-RADS分类结合影像组学模型预测X线摄影不同表现类型乳腺病灶良性与恶性的效能较高，具有重要的临床应用价值。

目的:探讨个体化定制聚醚醚酮(PEEK)在上颌骨缺损修复重建中的应用效果。方法:2018年9月至2020年11月，上海交通大学医学院附属第九人民医院口腔颌面-头颈肿瘤科收治13例行上颌缺损的患者，男9例，女4例，年龄15~62岁，平均28.6岁。6例上颌骨良性病变及7例上颌骨肿瘤术后缺损患者，均采用个体化PEEK置入修复。13例患者术前均拍摄颌面部CT，然后三维重建获得上颌骨缺损模型，6例上颌骨良性病变患者通过虚拟手术计划制定肿瘤切除范围，获得相应的上颌骨缺损模型，并基于镜像技术进行PEEK假体的设计和制作；根据虚拟手术计划设计、制作并打印手术截骨导板。然后在截骨导板辅助下切除肿瘤，植入PEEK。7例上颌骨肿瘤术后缺损患者通过术前颌面部CT三维重建直接获得上颌骨缺损模型，然后基于镜像技术进行PEEK假体的设计和制作。术中置入PEEK，如腭部缺损则同期行股前外侧穿支皮瓣修复腭部缺损。术后定期随访，观察术后并发症、患者面部外形、咬合关系、眼球位置及活动度，统计患者满意度。术后1个月行CT扫描，将CT数据同术前虚拟手术设计数据进行拟合比较，评估PEEK置入位置的精确度；测量评估手术前、后眼球突出、上抬或内陷、下移的复位矫正情况，采用配对 t检验进行统计学分析。 结果:13例患者均按术前设计顺利完成PEEK置入手术，其中2例患者PEEK置入时与眶下壁区缺损不完全匹配，经调磨后就位。一期重建的5例骨纤维病变患者术中行抽屉式切除术，保留了牙槽骨；7例二期重建患者中，2例为腓骨肌皮瓣修复术后利用PEEK支撑眶底改善外形，3例上颌骨缺损患者同期行股前外侧穿支皮瓣修复腭部缺损，分割口、鼻腔。术后伤口愈合良好，皮瓣全部成活。术后1个月复查时，患者面部对称性及眼球位置术后恢复良好，张口度正常，眼球运动正常无受限，患者均对手术效果满意。术后CT图像拟合显示PEEK置入位置准确，误差为(0.68±0.12) mm。6例良性肿瘤患者术后眶容积(26.37±0.94) ml，眼球高度(0.98±0.48) mm，眼球突度(1.10±0.28) mm，分别较术前的(24.06±0.85) ml、(3.83±0.81) mm、(2.53±0.67) mm明显改善，差异均有统计学意义( P值均<0.05)。7例上颌骨缺损患者术后眼球高度(0.77±0.42) mm，眼球突度(0.61±0.31) mm，较术前的(2.03±1.07) mm、(2.01±0.34) mm明显改善，差异均有统计学意义( P值均<0.05)。术后随访时间1~27个月[(12.0±7.6)个月]，出现1例感染排异、1例肿瘤复发，行PEEK拆除术，其余11例未发现肿瘤复发及PEEK感染排异。 结论:个体化定制的PEEK，在虚拟手术计划辅助下，必要时联合软硬组织瓣，可以精确恢复上颌骨外形，支撑眶底，有效提高上颌骨缺损修复重建的精确性和安全性。

目的:探讨基于双参数磁共振(bpMRI)影像组学模型对老年(≥60岁)前列腺癌患者根治术(RP)后生化复发(BCR)的预测价值。方法:回顾性分析2017年8月至2021年12月北京医院收治的175例患者的资料，根据病理结果分别在术前bpMRI的T2、磁共振扩散加权成像(DWI)和表观弥散系数(ADC)序列上进行图像分割。使用Pyradiomics提取影像组学特征，采用Cox回归、Spearman相关系数和LASSO回归对特征进行降维，构建影像组学标签。采用多因素Cox回归分析构建临床模型和影像-临床联合模型，使用一致性指数(C-index)评价模型预测BCR的效能。结果:175例患者按照7∶3随机分为训练集(122例)和测试集(53例)，分别有24例(19.7%、24/122)和11例(20.8%、11/53)患者发生BCR。在3个序列中提取5 775个影像组学特征，最终筛选5个特征构建影像组学标签。影像组学模型在训练集和测试集的C-index分别为0.764(95% CI：0.655～0.872)和0.769(95% CI：0.632～0.906)。多因素Cox回归分析结果显示，血清前列腺特异性抗原(PSA)( HR＝1.032，95% CI：1.010～1.054)、术后病理国际泌尿外科病理学学会(ISUP)分级( HR＝1.682，95% CI：1.039～2.722)和切缘阳性( HR＝2.513，95% CI：1.094～5.774)是BCR的独立预测因子。临床模型在训练集和测试集的C-index分别为0.751(95% CI：0.655～0.846)和0.753(95% CI：0.630～0.877)。联合临床因素和影像组学标签建模后，影像-临床联合模型的C-index最高，分别为0.782(95% CI：0.679～0.874)和0.801(95% CI：0.677～0.915)。 结论:基于bpMRI构建的影像组学模型可以预测老年前列腺癌患者RP术后BCR的发生，联合临床因素和影像组学标签建模可以提高预测效能。

目的:基于胃充盈超声造影下的影像组学构建胃间质瘤美国国立卫生研究院(NIH)危险度分级的预测模型，包括临床超声模型、超声影像组学模型以及两者的联合模型，分别探讨三种模型对胃间质瘤NIH危险度分级的预测效果。方法:回顾性分析2021年6月至2022年6月于天津医科大学肿瘤医院接受手术治疗且病理证实为胃间质瘤的患者共204例，收集其临床及超声影像资料，其中NIH危险度分级为高危险度及中危险度的患者共101例，纳入高危组；NIH危险度分级为低危险度及极低危险度的患者共103例，纳入低危组。通过ITK-SNAP软件对胃间质瘤最大径线的超声图像进行手动分割，应用Python 3.8.7中的Pyradiomics(v3.0.1)模块对所分割的感兴趣区(ROI)图像进行影像组学特征提取。将患者按照7∶3的比例随机分为训练集和测试集。应用Sklearn模块，通过XGBoost算法构建临床超声模型、超声影像组学模型以及两者的联合模型，评估ROC曲线下面积(AUC)、敏感性、特异性及准确性；通过Delong检验比较三种模型的预测能力；应用校准曲线评价模型性能，应用临床决策曲线确定患者的净获益。结果:从ROI中共提取578个影像组学特征，经回归降维处理，最终保留8个超声影像组学特征用于建模。最终，测试结果显示临床超声模型、超声影像组学模型以及联合模型的AUC、敏感性、特异性及准确性分别为0.75、69.3%、68.9%、69.1%，0.87、79.2%、81.6%、80.4%，0.91、80.2%、83.5%、81.9%。Delong检验结果显示，对于胃间质瘤NIH危险度分级预测的ROC曲线，超声影像组学模型与临床超声模型AUC间的差异有统计学意义( Z＝2.698， P<0.001)，联合模型明显优于临床超声模型( Z＝4.062， P<0.001)及超声影像组学模型( Z＝2.225， P＝0.026)。校准曲线显示出联合模型具备较高性能，决策曲线同样显示出联合模型具有优越的临床实用性。 结论:基于胃充盈超声造影下的影像组学构建胃间质瘤NIH危险度分级的预测模型具有可行性，结合临床和超声特征的联合模型预测性能更具优势，在一定程度上可帮助临床术前预测胃间质瘤NIH危险度分级，在个性化医疗时代可以辅助医生选择最佳的管理方案。

目的:探讨基于治疗前超声图像的乳腺癌原发灶瘤内及瘤周影像组学特征联合临床病理因素构建的列线图预测模型对乳腺癌新辅助化疗(NAC)疗效的预测价值。方法:回顾性选取2018年9月至2023年6月于滨州医学院附属医院接受NAC的乳腺癌患者166例，按照7∶3比例随机分为训练集和验证集，根据术后病理结果分为病理完全缓解组和非病理完全缓解组。使用3D Slicer软件手动勾画超声图像中的病灶作为瘤内区域，半自动分割外扩5 mm获得瘤周区域；使用Pyradiomics提取影像组学特征；采用最小冗余最大相关(mRMR)与最小绝对收缩和选择算子(LASSO)回归筛选最优影像组学特征；通过随机森林算法分别构建瘤内、瘤周、瘤内＋瘤周3种影像组学模型并获得影像组学评分。通过单因素及多因素Logistic回归分析从临床病理指标中筛选NAC效果的独立预测因素并构建临床模型。选择效能最高的影像组学评分和临床独立预测因素构建联合模型并绘制列线图。采用ROC曲线下面积(AUC)评估各模型的预测效能。结果:最终分别筛选出11、6、9个最优影像组学特征构建瘤内、瘤周、瘤内＋瘤周影像组学模型，3种模型在训练集和验证集的AUC分别为0.820、0.754，0.778、0.701，0.852、0.804。将ER、HER-2、Ki-67作为独立预测因素构建临床模型，训练集和验证集的AUC分别为0.802、0.855。瘤内＋瘤周影像组学评分联合ER、HER-2、Ki-67构建了列线图预测模型，训练集和验证集AUC分别提高至0.908、0.883。Delong检验显示，列线图模型AUC优于3种影像组学模型和临床模型(均 P<0.05)，预测效能最佳。 结论:基于治疗前超声图像的乳腺癌原发灶瘤内＋瘤周影像组学评分联合ER、HER-2、Ki-67临床病理因素构建的列线图预测模型对乳腺癌NAC疗效具有较好的预测价值，有望指导临床决策。