目的:探讨基于临床资料、影像征象和影像组学特征构建的联合模型在术前对肺结节浸润程度的预测价值,并通过决策热图及Shapley算法对模型进行可视化分析.方法:回顾性搜集2018年1月—2022年3月在本院经病理确诊的179例肺结节患者的临床资料和术前CT图像(肺窗平扫).根据肺肿瘤新分类,分为腺体前驱病变组(78例)和浸润性肺腺癌组(101例).采用Deepwise软件,分别提取瘤灶、瘤周3 mm和5 mm区域的影像组学特征.使用单因素分析、相关性分析、Boruta算法和逐步logistic回归分析等特征筛选算法确定各区域的最佳组学特征,然后采用logistics方法分别构建3个单区域及2个多区域(肿瘤+瘤周3 mm及肿瘤+瘤周5 mm)共5个影像组学模型,分析各模型的预测效能并计算其影像组学评分(Radsocre).通过单因素和多因素logistic回归方法筛选相关临床指标和结节的主要CT征象,并采用XGBoost算法将筛选出的高危因素结合瘤灶+瘤周3 mm联合模型的影像组学得分构建临床影像联合模型.额外收集浙江省嘉兴市中医医院经病理证实的69例肺结节患者的临床和CT资料来完成联合模型的泛化性验证.利用决策热图和Shapley算法对模型分别进行可视化和特征贡献度分析.结果:相比单区域影像组学模型(训练集:AUC=0.740、0753、0.768;验证集:AUC=0.841、0.856、0.809),多区域影像组学模型在两个数据集中均显示出更高的预测效能(AUC=0.878和0.834).XGBoost联合模型的预测效能得到进一步地提高(AUC=0.948和0.886).Shap-ley分析显示影像组学得分、CT值和结节长度为预测肺结节浸润程度的最重要的3个特征.决策热图算法实现了对浸润性预测推演过程的可视化.结论:XGBoost模型对肺结节浸润性的评估具有较高的准确性和泛化性.决策热图实现了可解释机器学习算法的可视化从而保障了模型的实用性,为肺结节的临床处理及管理提供了一种无创性的辅助诊断工具.

目的:探讨基于多参数MRI的影像组学融合模型在乳腺癌术前预测腋窝淋巴结（ALN）转移的应用价值。方法:回顾性队列研究。纳入山西省肿瘤医院2020年8月—2021年9月经病理证实的272例乳腺癌患者的多参数MRI及临床病理资料。患者均为女性，年龄28~79（53.0±10.9）岁，其中ALN阳性107例、ALN阴性165例。按照7∶3的比例随机将患者分为训练组（191例）和验证组（81例）。从T 2加权像（T 2WI）、表观弥散系数（ADC）图和增强T 1加权像（cT 1WI）序列中提取影像组学特征。采用单因素逻辑回归、相关性分析和Boruta算法3个步骤进行特征选择，然后采用支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）3种机器学习方法构建影像组学模型，并基于最优模型计算每位患者的影像组学分数（Radscore）。同时，通过多因素逐步回归分析筛选乳腺癌ALN转移的独立危险因素并构建临床模型。最后，联合Radscore和临床独立危险因素构建融合模型，并绘制列线图。采用受试者操作特征曲线、校准曲线和决策曲线（DCA）来评价模型对乳腺癌ALN转移的预测性能及临床效益。 结果:训练组和验证组患者肿瘤位置比较，差异有统计学意义（ P<0.05）；训练组中ALN阳性与ALN阴性患者间的肿瘤位置、MRI评估淋巴结状态比较，验证组中ALN阳性与ALN阴性患者间的雌激素受体、分子亚型及MRI评估淋巴结状态比较，差异均有统计学意义（ P值均<0.05）。基于多参数MRI降维选择后，得到了6个与ALN转移呈显著相关的影像组学特征（ P值均<0.05）。在训练组和验证组中，SVM、RF和LR模型均表现出很好的预测能力，AUC分别为0.784、0.826、0.703和0.733、0.817、0.703，其中RF模型效能最高。单因素、多因素回归分析显示，MRI评估淋巴结状态是乳腺癌ALN转移的独立预测因子［比值比（95%可信区间）=10.909（5.210~24.511）， P<0.001］，采用这一指标构建临床模型。联合Radscore和MRI评估ALN状态的融合模型在训练组和验证组中均表现出更好的性能，AUC分别为0.867和0.866，且其诊断效能均优于上述3种机器学习模型和临床模型（AUC分别为0.719和0.700）。DCA显示，3种机器学习模型、临床模型和融合模型均有一定的临床效益，其中融合模型的净收益值最大。 结论:基于多参数MRI影像组学特征和联合MRI评估淋巴结状态的融合模型有助于术前准确预测乳腺癌ALN转移状态。

目的:探讨基于CT平扫的放射组学特征在胸腺瘤与其他前纵隔病变鉴别诊断中的价值。方法:回顾性分析2018年1月至2021年1月江苏大学附属医院收治的128例前纵隔病变患者资料。以病理结果为金标准，将患者分为胸腺瘤组（67例）、非胸腺瘤组（61例）。采用基于MATLAB平台的放射组学分析模块对CT平扫图像进行分析，提取整个病变的组学特征，依次采用组间差异分析、Boruta算法以及共线性检测进行特征筛选。根据最终被选择特征，绘制其单独及联合诊断胸腺瘤的受试者工作特征（ROC）曲线，并计算曲线下面积（AUC），分析所选特征的诊断效能。结果:共提取851个病变的组学特征。经过多步骤降维后，最终选择4个差异有统计学意义的组学特征，分别为鲁棒平均绝对偏差、灰度不均匀性、游程方差（小波-LLH）以及依赖不均匀性（小波-HLL）。ROC曲线分析显示，上述4个组学特征单独诊断时的AUC分别为0.712、0.634、0.660、0.699，特异度分别70.2%、61.2%、61.2%、61.2%，灵敏度分别为60.7%、60.6%、68.8%、70.5%；四者联合检测的AUC为0.881，灵敏度和特异度分别为75.4%、89.6%，诊断效能明显提升。结论:基于CT平扫的放射组学特征对于胸腺瘤及其他前纵隔病变的鉴别诊断有一定的价值及应用潜力。

目的:分析三级公立专科医院门诊患者就诊选择偏好，为优化医院门诊医疗资源配置，提升就医体验提供依据。方法:采用方便抽样方法，选取2022年1—9月某三级公立口腔医院门诊患者进行问卷调查，问卷内容包括性别、年龄、居住地、受教育程度和就诊需求等。采用Logistic回归模型和Boruta算法分析影响患者首选三级公立专科医院就诊的因素。结果:本研究共纳入19 255例患者，首选三级公立专科医院就诊的患者13 558例(70.41%)，其中，21～45岁者9 715例(71.65%)，本地患者10 015例(73.87%)，选择治疗类项目者8 278例(61.05%)，来院就诊原因为医保报销者6 442例(47.51%)。经Logistic回归分析，年龄、居住地、受教育程度、就诊需求、口腔保健习惯、口腔保健知识获取途径、互联网医院预问诊经历、月收入、家庭成员数和来院就诊原因是患者首选三级公立专科医院的影响因素；经Boruta算法分析，重要性排名前6位的因素分别为来院就诊原因(Z＝126.66)、口腔保健习惯(Z＝96.44)、口腔保健知识获取途径(Z＝66.91)、就诊需求(Z＝62.21)、年龄(Z＝57.54)和居住地(Z＝55.21)。结论:本地患者和中青年患者倾向选择三级公立专科医院就诊，治疗类项目是三级公立专科医院吸引患者的主要业务类型。患者首选三级公立专科医院就诊的影响因素较多，其中来院就诊原因、口腔保健习惯、口腔保健知识获取途径和就诊需求是影响患者就诊行为的重要因素。

目的:通过机器学习筛选肝细胞癌患者术前微血管侵犯(MVI)相关指标，构建预测MVI的logistic回归模型并评估。方法:回顾分析2018年1月至2023年3月宁夏医科大学总医院行根治性切除术的肝细胞癌患者临床资料。共入组437例患者，其中男性325例，女性112例，年龄(56.3±13.6)岁。437例患者通过计算机产生随机数按7∶3分为训练集( n＝305)和测试集( n＝132)，训练集用于构建logistic回归模型并通过五折交叉验证法内部验证(验证集)，测试集用于外部验证。通过Boruta算法和LASSO回归两种机器学习算法筛选MVI特征变量，并构建logistic回归模型。受试者工作特征(ROC)曲线、校准曲线、决策曲线评估模型，Shapley加法解释(SHAP)分析关键变量的重要性。 结果:取Boruta算法筛选的8个特征变量和LASSO回归筛选的8个变量的交集(5个变量)：天冬氨酸氨基转移酶/淋巴细胞比值(ALR)、肿瘤边缘、瘤内坏死、肿瘤数目、肿瘤最大径，构建logistic回归模型。该模型预测MVI的ROC曲线下面积为0.77(95% CI：0.70~0.82)(训练集)、0.76(95% CI：0.63~0.87)(验证集)、0.84(95% CI：0.78~0.91)(测试集)。校准曲线logistic回归模型的预测结果与实际结果接近，决策曲线分析提示模型具有较好的临床应用价值。按平均绝对SHAP值进行重要性递减排序依次为肿瘤边缘、肿瘤最大径、肿瘤数目、ALR、瘤内坏死。 结论:肿瘤边缘、肿瘤最大径、肿瘤数目、ALR、瘤内坏死是肝细胞癌伴有MVI的独立影响因素，基于上述因素构建的预测MVI的logistic回归模型预测效能良好。

目的:探讨基于多序列磁共振成像(MRI)影像组学和临床特征的模型对儿童髓母细胞瘤(MB)分子亚型的预测价值。方法:回顾性分析2011年1月至2020年1月郑州大学第一附属医院100例原发性MB患儿的MRI及临床资料，简单随机抽样选出50例患儿作为训练集，另外50例患儿作为测试集。训练集包括5例WNT激活型MB(WNT)，5例SHH激活型MB(SHH)，28例非WNT/SHH激活型Group3型MB(Group3)，12例非WNT/SHH激活型Group4型MB(Group4)，测试集包括11例WNT，3例SHH，24例Group3，12例Group4。从5 929个在人工勾画的肿瘤区域提取的三维影像组学特征中选择稳健、非冗余的特征，进一步采用Boruta算法选择最优特征，将筛选出的影像组学特征基于训练集(50例)建立随机森林预测模型，并在测试集(50例)进行评估。结合影像组学特征与临床特征，建立随机森林联合预测模、临床-影像组学模型。结果:包含13个最优影像组学特征的影像组学模型对分子亚型进行预测，在测试集中，WNT的受试者工作特征曲线下面积(AUC)值为0.923 1，SHH、Group3、Group4的AUC值分别为0.673 7、0.519 2、0.705 0，在加入临床特征后，测试集中WNT和SHH的AUC值提升至0.944 1和0.819 1。结论:多序列临床-影像组学模型对儿童MB WNT和SHH分子亚型具有较高的预测价值，可以为患儿个性化诊疗提供决策支持。

急性肾损伤（AKI）是脓毒症最常见、最严重的并发症，具有较高的病死率和疾病负担。AKI的早期预测是及时干预并最终改善预后的关键。脓毒症患者AKI的预测一直是危重病医学研究的热点。近年来，由于统计理论和计算机技术的发展，机器学习引起了临床医生的关注和认可。该研究旨在建立并验证基于新型机器学习算法的预测模型用于预测危重脓毒症患者的AKI发生。该研究从重症监护室医疗信息集Ⅲ（MIMIC-Ⅲ）数据库中提取脓毒症患者资料，使用Boruta算法进行特征选择，采用logistic回归、k-近邻算法（KNN）、支持向量机（SVM）、决策树、随机森林、极端梯度提升（XGBoost）和人工神经网络（ANN）等机器学习算法和十倍交叉验证的方法进行模型构建。分别从鉴别、校准和临床应用方面评估这些模型的性能。此外，比较基于机器学习模型与序贯器官衰竭评估（SOFA）模型和定制的简化急性生理机能评分Ⅱ（SAPSⅡ）模型的鉴别能力。共纳入3 176例脓毒症危重患者进行分析，其中2 397例（75.5%）在住院期间发生AKI，共选取36个变量进行模型构建，建立logistic回归、KNN、SVM、决策树、随机森林、ANN、XGBoost、SOFA和SAPSⅡ评分等模型，得到受试者工作特征曲线下面积分别为0.736、0.664、0.735、0.749、0.779、0.755、0.821、0.646和0.702。在所有模型中，XGBoost模型在鉴别、校准和临床应用方面的预测性能最好。因此，该研究认为机器学习模型是预测脓毒症患者AKI的可靠工具。其中，XGBoost模型具有最佳的预测性能，可用于协助临床医生识别高危患者并实施早期干预以降低死亡率。

目的:探讨基于多参数MRI影像组学模型术前预测子宫内膜样腺癌患者微卫星不稳定（MSI）状态的应用价值。方法:回顾性队列研究。纳入2017年1月—2021年12月山西省肿瘤医院经病理证实为子宫内膜样腺癌的患者225例。患者年龄29~78（55.1±7.5）岁，均行全子宫+双附件切除术，并于术前行盆腔多参数MRI检查。将225例患者按7∶3的比例随机分为训练集（158例）和验证集（67例），根据手术标本病理免疫组织化学检查结果分为高度微卫星不稳定（MSI-H）组58例和低度微卫星不稳定/微卫星稳定（MSI-L/MSS）组167例。对每例患者的快速自旋回波压脂序列T 2加权像、增强T 1加权像、表观弥散系数（ADC）3个序列进行图像分割和特征提取，在训练集中采用组内相关系数（ICC）、Mann-Whitney U检验、Spearman相关及Boruta算法进行图像特征筛选，并使用朴素贝叶斯（NB）、随机森林（RF）及支持向量机（SVM）3种分类器构建影像组学模型。在训练集、验证集中分别采用受试者工作特征（ROC）曲线、Delong检验、决策分析曲线（DCA）评估并验证3种模型对MSI状态的诊断性能、预测性能、净收益。将筛选出的影像组学特征纳入诊断效能较高的最佳模型中，对每例患者进行影像组学评分，分别在训练集、验证集中评估MSI-H组和MSI-L/MSS组影像组学评分的分布情况。 结果:训练集与验证集间比较，患者肿瘤分化程度差异有统计学意义（ χ 2=8.40， P=0.015），患者年龄、体质量指数、国际妇产科联盟分期，以及肌层浸润深度等临床病理资料差异均无统计学意义（ P值均>0.05）。在训练集中，MSI-H组与MSI-L/MSS组比较，患者是否绝经2组间差异有统计学意义（ χ 2=4.56， P=0.033），其他临床病理资料2组间差异均无统计学意义（ P值均>0.05）；在验证集中，2组间各临床病理差异均无统计学意义（ P值均>0.05）。多参数MRI图像经特征提取后，每例患者获得4 245个影像组学特征，在训练集中筛选出6个关键特征构建模型。在训练集中NB模型、RF模型及SVM模型预测子宫内膜样腺癌患者MSI状态的ROC曲线下面积（AUC）分别为0.764［95%可信区间（ CI）0.682～0.846］、0.821（95% CI 0.751~0.892）和0.905（95% CI 0.848~0.961），验证集中AUC分别为0.712（95% CI 0.568～0.856）、0.812（95% CI 0.710~0.915）、0.875（95% CI 0.762~0.988），结果表明SVM模型的诊断性能最佳。Delong检验结果显示，训练集中SVM模型与NB模型、RF模型AUC间差异均有统计学意义（ Z=-3.45、-2.33， P值均<0.05），而在验证集中AUC差异均无统计学意义（ P值均>0.05）。DCA曲线显示，在训练集和验证集中，SVM模型预测MSI状态的净收益均优于NB模型、RF模型，也优于将所有患者MSI状态都看作MSI-H或MSI-L/MSS。采用最佳模型SVM模型对每例患者进行影像组学评分，训练集及验证集中MSI-H组与MSI-L/MSS组影像组学评分分布有明显差异。 结论:基于多参数MRI的SVM模型对于子宫内膜样腺癌患者MSI状态具有一定的术前预测价值。

目的:探讨磁共振成像（MRI）纹理分析评价移植肾功能损伤的价值。方法:回顾性分析2013年11月至2016年12月在常州市第一人民医院行异体肾移植术的66例患者资料[男42例，女24例，年龄22~63（40±10）岁]。根据患者MRI检查当日的估算肾小球滤过率（eGFR）分为移植肾功能良好（nRAF）组（15例）、移植肾功能轻中度损伤（mRAI）组（18例）、移植肾功能重度损伤（sRAI）组（33例）。所有患者术后1年内行常规T2加权像（T 2WI）、磁敏感加权成像（SWI）、血氧水平依赖（BOLD）MRI扫描（一次检查完成所有MRI扫描），提取移植肾MRI纹理特征，分别筛选出与eGFR相关系数| r|≥0.3（ P<0.05）且Boruta算法 Z值最高的T 2WI、SWI、BOLD纹理特征。采用受试者工作特征（ROC）曲线分析MRI纹理特征鉴别nRAF组、mRAI组、sRAI组的诊断效能。 结果:筛选出与eGFR相关系数| r|≥0.3（ P<0.05）且Boruta算法 Z值最高的MRI纹理特征为T 2WI_Perc.50%、SWI_Perc.01%、BOLD_S（4,4）Contrast、BOLD_S（5,5）Correlat。T 2WI_Perc.50%、SWI_Perc.01%、BOLD_S（5,5）Correlat鉴别nRAF组与mRAI组的ROC曲线下面积（AUC）分别为0.785、0.720、0.700。T 2WI_Perc.50%、SWI_Perc.01%、BOLD_S（4,4）Contrast、BOLD_S（5,5）Correlat鉴别nRAF组与sRAI组的AUC分别为0.687、0.733、0.784、0.737。BOLD_S（4,4）Contrast鉴别mRAI组与sRAI组的AUC为0.667。 结论:MRI纹理分析能够为评估移植肾功能损伤提供有价值的信息。

目的:探讨基于MRI图像构建多参数影像组学模型对成人型弥漫性胶质瘤异柠檬酸脱氢酶(IDH)突变型、IDH野生型、IDH突变1p/19q共缺失型分子亚型的预测价值。方法:回顾性收集2011年1月至2021年9月郑州大学第一附属医院神经外科(数据集1：465例)和河南省人民医院神经外科(数据集2：137例)行肿瘤切除且术后病理学诊断为成人型弥漫性胶质瘤患者的临床及术前影像学资料。提取并筛选出最优的影像组学特征，使用Boruta软件包、随机森林等组合算法构建影像组学模型。将数据集1按7 ∶3的比例随机分为训练集与内部验证集进行机器学习，并对数据集2行独立外部验证(外部验证集)。绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC)，以评估多参数影像组学模型对成人型弥漫性胶质瘤分子亚型的预测效能。结果:数据集1中训练集332例，内部验证集133例，两者的性别、年龄、胶质瘤分子亚型、世界卫生组织分级等临床资料的差异均无统计学意义(均 P>0.05)；数据集1与数据集2患者上述临床资料的差异均无统计学意义(均 P>0.05)。影像组学共筛选出8个纹理特征和13个强度特征与成人型弥漫性胶质瘤的分子亚型具有显著相关性。内部验证集中，IDH突变型、IDH野生型、IDH突变1p/19q共缺失型胶质瘤的AUC分别为0.81、0.86、0.85，灵敏度分别为89.5%、69.4%、75.0%，特异度分别为63.2%、91.4%、82.9%；外部验证集中，IDH突变型、IDH野生型、IDH突变1p/19q共缺失型胶质瘤的AUC分别为0.76、0.82、0.81，灵敏度分别为75.0%、67.3%、72.2%，特异度分别为64.6%、78.6%、79.8%。 结论:多参数影像组学模型对成人型弥漫性胶质瘤分子亚型的分类具有较高的预测价值。