目的探讨基于多参数MRI的瘤内和瘤周影像组学特征术前预测临床淋巴结阴性乳腺癌淋巴血管浸润(LVI)的价值。资料与方法回顾性分析2017年1月—2021年5月河南省人民医院术后病理证实的280例乳腺癌临床病理及乳腺MRI资料,其中LVI阳性100例,...目的探讨基于多参数MRI的瘤内和瘤周影像组学特征术前预测临床淋巴结阴性乳腺癌淋巴血管浸润(LVI)的价值。资料与方法回顾性分析2017年1月—2021年5月河南省人民医院术后病理证实的280例乳腺癌临床病理及乳腺MRI资料,其中LVI阳性100例,阴性180例;并将其随机分为训练集和测试集。经Z分数归一化、Select K Best和最小绝对收缩与选择算子回归筛选特征,采用随机森林算法分别构建瘤内、瘤周及瘤内-瘤周影像组学模型预测LVI状态。以受试者工作特征曲线下面积(AUC)、校准曲线和决策曲线分析评估模型性能和临床应用价值。结果Ki-67高表达(≥20%)、腋窝淋巴结转移和扩散加权成像(DWI)边缘征阳性在LVI阳性组中比例较高(χ^(2)=5.959、18.316、20.554,P<0.05)。在测试集,动态对比增强(DCE)瘤内模型和DCE瘤内-瘤周模型预测LVI状态的AUC高于DWI序列,而DWI瘤周模型的AUC高于DCE序列。DWI联合DCE序列的瘤内-瘤周模型在训练集和测试集的AUC分别为0.836和0.818,其预测LVI状态的效能高于单序列瘤内-瘤周模型。决策曲线分析显示,DWI联合DCE序列的瘤内-瘤周模型在合理阈值范围内具有更高的临床净效益。结论基于多参数MRI瘤内及瘤周影像组学模型可有效预测临床淋巴结阴性乳腺癌LVI状态,为术前制订个体化治疗决策提供参考。展开更多
目的评估超分辨率重建技术是否能提高基于T2WI图像的深度学习预测子宫内膜癌淋巴脉管间隙浸润(lymphvascular space invasion,LVSI)的诊断效能。材料与方法回顾性纳入406例病例,按照8∶2随机划分为训练集(n=325例)和验证集(n=81例)。我...目的评估超分辨率重建技术是否能提高基于T2WI图像的深度学习预测子宫内膜癌淋巴脉管间隙浸润(lymphvascular space invasion,LVSI)的诊断效能。材料与方法回顾性纳入406例病例,按照8∶2随机划分为训练集(n=325例)和验证集(n=81例)。我们对常规盆腔矢状位T2WI图像进行超分辨率重建,得到超分辨率T2WI(super high resolution T2WI,SRT2)图像。分别基于常规T2WI及SRT2图像进行深度学习建模,以预测子宫内膜癌LVSI状态。随后,在验证集中对两组图像构建的模型进行验证,对比两个模型在训练集及验证集的诊断效能。以病理诊断为金标准,评估指标包括:曲线下面积(area under the curve,AUC),敏感度、特异度,并采用DeLong检验比较模型差异。结果在训练集及验证集中,基于常规T2WI图像的深度学习模型AUC(95%置信区间)分别为0.792(0.733~0.851)、0.759(0.649~0.870),敏感度分别为77.50%、68.18%,特异度分别为77.08%、80.67%;基于SRT2图像的深度学习模型AUC(95%置信区间)分别为0.897(0.852~0.943)、0.899(0.819~0.980),敏感度分别为87.80%、86.40%,特异度分别为88.45%、89.20%。两个模型在训练集及验证集中的差异均有统计学意义(P<0.05),基于SRT2的深度学习模型表现更优。结论超分辨率重建技术有望通过提高图像质量进而提升深度学习术前预测子宫内膜癌LVSI的诊断效能。展开更多
目的 探讨影响具有高危因素的早期子宫内膜样腺癌的预后因素.方法 回顾性分析我院2000年1月-2011年8月76例具有高危因素的早期子宫内膜样腺癌患者的临床资料和随访情况.患者年龄（60.2±10.8）岁,随访时间（53.6±40.8）月.组...目的 探讨影响具有高危因素的早期子宫内膜样腺癌的预后因素.方法 回顾性分析我院2000年1月-2011年8月76例具有高危因素的早期子宫内膜样腺癌患者的临床资料和随访情况.患者年龄（60.2±10.8）岁,随访时间（53.6±40.8）月.组织学分级G3 23例（30.3%）,深肌层浸润53例（69.7%）,宫颈间质累及14例（18.4%）,淋巴血管间隙浸润（lymphovascular space invasion,LVSI）8例（10.5%）.结果 复发12例（15.8%）,死亡3例（3.9%）.术后无治疗17例中复发5例（29.4%）,单纯放疗41例中复发5例（12.2%）,联合放化疗18例中复发2例（11.1%）.5年疾病无进展生存率79.7%,5年总生存率93.5%.单因素分析显示LVSI是影响生存的重要因素,Cox多因素分析显示LVSI是影响生存的独立因素（疾病无进展生存率：RR=5.573,95% CI 1.419-21.892,P=0.014;总生存率：RR=29.435,95% CI 2.453-353 143,P=0.008）.结论 具有高危因素的早期子宫内膜样腺癌预后相对较差.LVSI是影响有高危因素的早期子宫内膜样腺癌患者生存的独立因素.展开更多
目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型预测宫颈癌(cervical cancer,CC)脉管浸润(lymphovascular space invasion,LVSI)和预后。材料与方法回顾分析125...目的基于治疗前多参数磁共振成像(multi-parametric magnetic resonance imaging,mpMRI)影像组学特征,结合临床变量构建模型预测宫颈癌(cervical cancer,CC)脉管浸润(lymphovascular space invasion,LVSI)和预后。材料与方法回顾分析125例CC患者病例,采集小视野高分辨率T2加权成像、表观扩散系数图、轴位T2加权成像(T2-weighted imaging,T2WI)压脂序列和矢状位T2WI、轴位和矢状位对比增强T1加权成像。勾画肿瘤区域后提取107个特征,通过最小绝对值压缩与选择算法等降维以建立影像组学分数(radiomics score,Rad-score),整合14个临床指标构建逐步逻辑回归模型,并重复20次3折交叉验证。根据预测的LVSI及随访结果进行分组及相应无进展生存期(progression-free survival,PFS)的生存曲线划分,观察模型在PFS分组的差异。结果形态学和异质性相关的影像组学特征是预测LVSI的主要因素。回归分析确定3个危险因素,Rad-score比鳞状细胞癌抗原和血红蛋白更重要[优势比(odds ratio,OR):2.626、1.061、0.982]。训练集的受试者工作特征曲线下面积为0.823。PFS在模型预测的LVSI组间明显不同(平均PFS:64.8、58.3个月)。结论mpMRI影像组学特征结合临床变量能预测CC患者的LVSI和临床结局,可能在新辅助和手术环境中显示出改善患者风险分层的效用。影像组学特征能够预测预后可能与其反映肿瘤组织的LVSI有潜在关联。展开更多
文摘目的探讨基于多参数MRI的瘤内和瘤周影像组学特征术前预测临床淋巴结阴性乳腺癌淋巴血管浸润(LVI)的价值。资料与方法回顾性分析2017年1月—2021年5月河南省人民医院术后病理证实的280例乳腺癌临床病理及乳腺MRI资料,其中LVI阳性100例,阴性180例;并将其随机分为训练集和测试集。经Z分数归一化、Select K Best和最小绝对收缩与选择算子回归筛选特征,采用随机森林算法分别构建瘤内、瘤周及瘤内-瘤周影像组学模型预测LVI状态。以受试者工作特征曲线下面积(AUC)、校准曲线和决策曲线分析评估模型性能和临床应用价值。结果Ki-67高表达(≥20%)、腋窝淋巴结转移和扩散加权成像(DWI)边缘征阳性在LVI阳性组中比例较高(χ^(2)=5.959、18.316、20.554,P<0.05)。在测试集,动态对比增强(DCE)瘤内模型和DCE瘤内-瘤周模型预测LVI状态的AUC高于DWI序列,而DWI瘤周模型的AUC高于DCE序列。DWI联合DCE序列的瘤内-瘤周模型在训练集和测试集的AUC分别为0.836和0.818,其预测LVI状态的效能高于单序列瘤内-瘤周模型。决策曲线分析显示,DWI联合DCE序列的瘤内-瘤周模型在合理阈值范围内具有更高的临床净效益。结论基于多参数MRI瘤内及瘤周影像组学模型可有效预测临床淋巴结阴性乳腺癌LVI状态,为术前制订个体化治疗决策提供参考。
文摘目的评估超分辨率重建技术是否能提高基于T2WI图像的深度学习预测子宫内膜癌淋巴脉管间隙浸润(lymphvascular space invasion,LVSI)的诊断效能。材料与方法回顾性纳入406例病例,按照8∶2随机划分为训练集(n=325例)和验证集(n=81例)。我们对常规盆腔矢状位T2WI图像进行超分辨率重建,得到超分辨率T2WI(super high resolution T2WI,SRT2)图像。分别基于常规T2WI及SRT2图像进行深度学习建模,以预测子宫内膜癌LVSI状态。随后,在验证集中对两组图像构建的模型进行验证,对比两个模型在训练集及验证集的诊断效能。以病理诊断为金标准,评估指标包括:曲线下面积(area under the curve,AUC),敏感度、特异度,并采用DeLong检验比较模型差异。结果在训练集及验证集中,基于常规T2WI图像的深度学习模型AUC(95%置信区间)分别为0.792(0.733~0.851)、0.759(0.649~0.870),敏感度分别为77.50%、68.18%,特异度分别为77.08%、80.67%;基于SRT2图像的深度学习模型AUC(95%置信区间)分别为0.897(0.852~0.943)、0.899(0.819~0.980),敏感度分别为87.80%、86.40%,特异度分别为88.45%、89.20%。两个模型在训练集及验证集中的差异均有统计学意义(P<0.05),基于SRT2的深度学习模型表现更优。结论超分辨率重建技术有望通过提高图像质量进而提升深度学习术前预测子宫内膜癌LVSI的诊断效能。
文摘目的 探讨影响具有高危因素的早期子宫内膜样腺癌的预后因素.方法 回顾性分析我院2000年1月-2011年8月76例具有高危因素的早期子宫内膜样腺癌患者的临床资料和随访情况.患者年龄（60.2±10.8）岁,随访时间（53.6±40.8）月.组织学分级G3 23例（30.3%）,深肌层浸润53例（69.7%）,宫颈间质累及14例（18.4%）,淋巴血管间隙浸润（lymphovascular space invasion,LVSI）8例（10.5%）.结果 复发12例（15.8%）,死亡3例（3.9%）.术后无治疗17例中复发5例（29.4%）,单纯放疗41例中复发5例（12.2%）,联合放化疗18例中复发2例（11.1%）.5年疾病无进展生存率79.7%,5年总生存率93.5%.单因素分析显示LVSI是影响生存的重要因素,Cox多因素分析显示LVSI是影响生存的独立因素（疾病无进展生存率：RR=5.573,95% CI 1.419-21.892,P=0.014;总生存率：RR=29.435,95% CI 2.453-353 143,P=0.008）.结论 具有高危因素的早期子宫内膜样腺癌预后相对较差.LVSI是影响有高危因素的早期子宫内膜样腺癌患者生存的独立因素.
