期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
增强MRI瘤内瘤周影像组学联合临床影像学特征评估肝细胞癌ki-67的表达
1
作者 蔡惠亮 张乾营 +7 位作者 黄莹 彭伟生 王成立 杨翠婷 邓娜 章思竹 徐妮娜 韩晓兵 《实用医学杂志》 北大核心 2025年第15期2311-2319,共9页
目的旨在基于增强磁共振成像(contrast enhanced magnetic resonance imaging,CEMRI)的动脉期相瘤内及瘤周影像组学特征,结合临床影像学特征构建预测肝细胞癌(hepatocellular carcinoma,HCC)ki-67表达的模型。方法回顾性纳入中国人民解... 目的旨在基于增强磁共振成像(contrast enhanced magnetic resonance imaging,CEMRI)的动脉期相瘤内及瘤周影像组学特征,结合临床影像学特征构建预测肝细胞癌(hepatocellular carcinoma,HCC)ki-67表达的模型。方法回顾性纳入中国人民解放军联勤保障部队第910医院2016年1月至2024年12月经手术切除病理证实为HCC,且符合纳入标准和排除标准的患者120例,按7∶3的比例随机划分为训练集(n=84例)和验证集(n=36)。使用ITK-SNAP软件在动脉期相MR图像上勾画HCC全域感兴趣区(region of interest,ROI),并针对所有患者的ROI,自动向外扩张2 mm,随后剔除瘤内及超出肝脏边缘的区域,以此获取瘤周ROI。利用PyRadiomics开源程序包在Python软件分别提取瘤内(intratumoral)、瘤周(peritumoral)1198个影像组学特征,并采用Spearman相关性分析、最大相关性-最小冗余(maximum relevance-minimum redundancy,mRMR)和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归进行数据降维并选择其最佳特征,然后构建逻辑回归(Logistic Regression,LR)机器学习算法的影像组学模型,再结合临床影像学特征,建立一个包含临床影像特征和影像组学特征的组合模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、精度(accuracy)、灵敏度(sensitivity)、特异性(specificity)、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、校正曲线(calibration curve)、决策曲线(decision curve analysis,DCA)评估瘤内瘤周影像组学特征联合临床影像学特征的组合模型预测HCC ki-67表达的价值。结果瘤内组学模型预测HCC ki-67表达能力的训练集的AUC值为0.817,验证集的AUC值为0.787;瘤周组学模型预测的AUC值在训练集为0.805,在验证集的AUC值为0.633;瘤内瘤周联合模型预测肝细胞癌ki-67效能最佳,在训练集和验证集AUC值分别为0.874、0.836。使用瘤内瘤周模型联合临床影像学特征构建组合模型,训练集和验证集的AUC值分别为0.877、0.849。DCA提示组合模型均具有良好的临床收益。结论基于CEMRI动脉期相的瘤内瘤周影像组学特征联合临床影像特征的组合模型,能准确预测HCC ki-67的表达,临床效益最佳。 展开更多
关键词 肝细胞癌 磁共振成像 瘤内 瘤周 影像组学 KI-67
在线阅读 下载PDF
基于多期相MRI影像组学联合不同机器学习模型预测肝细胞癌术前风险分层的研究
2
作者 韩晓兵 张纯瑜 +12 位作者 彭伟生 蔡惠亮 王成立 杨翠婷 邓娜 刘旭红 丁碧娇 王新达 章思竹 郑玉风 张亚兰 曾雅萍 张乾营 《磁共振成像》 北大核心 2025年第8期80-87,共8页
目的探索多期相MRI影像组学联合不同机器学习模型预测肝细胞癌(hepatocellular carcinoma,HCC)风险分层的价值。材料与方法回顾性分析我院2020年1月至2024年12月术后病理诊断为HCC,且符合纳入和排除标准的120例患者的临床和影像资料。依... 目的探索多期相MRI影像组学联合不同机器学习模型预测肝细胞癌(hepatocellular carcinoma,HCC)风险分层的价值。材料与方法回顾性分析我院2020年1月至2024年12月术后病理诊断为HCC,且符合纳入和排除标准的120例患者的临床和影像资料。依据Edmondson-Steiner分级(ES分级)划分为低级别(ESⅠ级、Ⅰ/Ⅱ级)组和高级别(ESⅡ级、Ⅱ/Ⅲ级、Ⅲ级、Ⅲ/Ⅳ级、Ⅳ级)组,其中高级别组91例、低级别组29例。然后按7∶3随机划分为训练集84例(高级别组60例、低级别组24例)和验证集36例(高级别组31例、低级别组5例)。使用ITK-SNAP软件在动脉期图像上勾画HCC全域感兴趣区(region of interest,ROI),然后以动脉期为模板,对门静脉和延迟期进行配准,共用动脉期勾画的ROI。基于PyRadiomics软件包共提取3396个组学特征,先后采用Spearman相关性分析、最大相关性-最小冗余(maximum relevance-minimum redundancy,mRMR)和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归进行数据降维并选择最佳特征,随后构建逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、朴素贝叶斯(naive Bayes,NB)和多层感知器(multilayer perceptron,MLP)五种机器学习算法的影像组学模型,选择最优模型,再结合临床影像特征,最终建立含有临床影像特征和影像组学特征的组合模型。使用受试者工作特性(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、准确度、敏感度、特异度、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、校准曲线、决策曲线分析(decision curve analysis,DCA)评估模型的性能。结果从三个期相分别提取1132个影像组学特征,经降维筛选后共纳入8个影像组学特征(动脉期2个、门静脉期3个和延迟期3个)构建影像组学模型,LR、SVM、RF、NB、MLP五种算法模型预测HCC病理分级训练集和验证集的AUC值分别为0.899、0.897、0.893、0.814、0.876和0.865、0.845、0.590、0.723、0.735,表明LR模型具有最好的性能和稳定性。单因素和多因素logistic回归分析发现年龄(P=0.046)和甲胎蛋白(P=0.031)是HCC病理分级的预测因子。年龄、甲胎蛋白与影像组学模型融合的组合模型在训练集AUC为0.929,验证集AUC为0.884。DeLong检验显示,训练集中临床模型与影像模型、组合模型之间差异具有统计学意义(P<0.05),影像模型与组合模型之间差异无统计学意义(P>0.05);验证集中三个模型之间差异均无统计学意义(P>0.05)。校准曲线表明组合模型在训练集和验证集的预测概率与实际概率更接近。DCA提示组合模型在合理的阈值概率范围内提供了更大的净收益。结论基于多期相动态增强MRI影像组学结合临床影像学特征的组合模型可准确预测HCC的风险分层。 展开更多
关键词 肝细胞癌 磁共振成像 影像组学 机器学习 病理分级
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部