目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic str...目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic stroke,AIS)患者的临床及影像学资料,通过影像储存和传输系统(picture archiving and communication systems,PACS)收集患者MRI-DWI图像,使用深度神经网络提取患者图像特征。我们将数据集1(医院1)随机分为训练集(70%)和测试集(30%),建立基于临床特征(模型A)和MRI-DWI影像组学特征(模型B)的传统机器学习模型,基于MRI-DWI深度学习特征的深度学习模型(模型C)以及结合临床特征和深度学习特征的组合模型(模型D),预测AIS患者接受静脉溶栓治疗后90天预后[通过评估改良Rankin评分(modified Rankin Scale,mRS),评分<2分表示预后良好]。数据集2(医院2)用于外部验证。通过受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)评估模型的预测性能。为了比较不同模型的AUC值差异是否有统计学意义,进一步采用DeLong检验进行统计分析,评估各模型之间AUC差异的显著性。结果基于临床特征和DWI-MRI影像组学特征的机器学习模型A和模型B以及深度学习模型C的AUC分别为0.705[95%置信区间(confidence interval,CI):0.613~0.792]、0.846(95%CI:0.777~0.906)和0.877(95%CI:0.811~0.934)。结合临床和深度学习特征的组合模型D在预测AIS患者静脉溶栓后90天预后方面表现出显著优势,其AUC值为0.930(95%CI:0.890~0.963)。此外,深度学习模型在外部验证数据集中同样显示出良好的性能,模型C和模型D的AUC分别为0.887(95%CI:0.798~0.960)和0.947(95%CI:0.891~0.984)。结论基于MRI-DWI的影像组学特征在预测接受静脉溶栓治疗的AIS患者的90天预后中发挥重要作用。深度学习方法在AIS溶栓治疗预后的预测模型中优于传统机器学习方法。结合临床特征和MRI-DWI特征的深度学习模型可为临床个性化评估AIS患者预后及制订治疗方案提供有力工具。展开更多
目的探讨扩散加权成像(DWI)、灌注加权成像(PWI)以及两者联合对幕上毛细胞型星形细胞瘤(PA)与WHO 2级多形性黄色星形细胞瘤(PXA WHO 2级)的鉴别诊断价值。资料与方法回顾性分析2010年1月—2022年2月于福建医科大学附属第一医院经手术和...目的探讨扩散加权成像(DWI)、灌注加权成像(PWI)以及两者联合对幕上毛细胞型星形细胞瘤(PA)与WHO 2级多形性黄色星形细胞瘤(PXA WHO 2级)的鉴别诊断价值。资料与方法回顾性分析2010年1月—2022年2月于福建医科大学附属第一医院经手术和病理证实的23例幕上PA及11例PXA WHO 2级的常规MRI、DWI及PWI资料,并将幕上PA根据病灶部位进一步分为脑叶型PA与非脑叶型PA,对比两组基本资料(性别、年龄、囊变、均匀强化、病灶大小和是否累及脑膜)、最小表观扩散系数、相对表观扩散系数及相对最大脑血容量。结果PXA WHO 2级出现软脑膜受累的概率(36.3%)高于幕上PA(4.3%,P=0.029);PXA WHO 2级分别与幕上PA、脑叶型PA相比,最小表观扩散系数、相对表观扩散系数均较低,相对最大脑血容量较高(t=-4.398~5.828,P均<0.05)。最小表观扩散系数鉴别幕上PA与PXA WHO 2级的阈值为1.09×10^(-3) mm^(2)/s,敏感度、特异度和曲线下面积分别为90.91%、83.33%和0.947;当相对最大脑血容量的鉴别诊断阈值为1.79时,敏感度、特异度和曲线下面积分别为90.00%、100.00%和0.950。DWI联合PWI的曲线下面积为0.993,与单独使用DWI及PWI对比,均未提高诊断效能(Z=1.371、0.928,P均>0.05)。亚组分析中,脑叶型PA与PXA中DWI联合PWI的曲线下面积为0.988,分别与DWI及PWI对比,均未提高诊断效能(Z=1.322、0.882,P均>0.05)。结论DWI、PWI均有助于PXA WHO 2级与幕上PA、脑叶型PA的鉴别诊断,但DWI联合PWI未显著提高鉴别诊断效能。展开更多
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
文摘目的构建基于MRI扩散加权成像(diffusion-weighted imaging,DWI)的深度学习模型,讨论其对急性缺血性卒中静脉溶栓治疗患者90天预后的预测价值。材料与方法回顾性分析了2家医院进行静脉溶栓治疗的677名急性缺血性卒中(acute ischemic stroke,AIS)患者的临床及影像学资料,通过影像储存和传输系统(picture archiving and communication systems,PACS)收集患者MRI-DWI图像,使用深度神经网络提取患者图像特征。我们将数据集1(医院1)随机分为训练集(70%)和测试集(30%),建立基于临床特征(模型A)和MRI-DWI影像组学特征(模型B)的传统机器学习模型,基于MRI-DWI深度学习特征的深度学习模型(模型C)以及结合临床特征和深度学习特征的组合模型(模型D),预测AIS患者接受静脉溶栓治疗后90天预后[通过评估改良Rankin评分(modified Rankin Scale,mRS),评分<2分表示预后良好]。数据集2(医院2)用于外部验证。通过受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)评估模型的预测性能。为了比较不同模型的AUC值差异是否有统计学意义,进一步采用DeLong检验进行统计分析,评估各模型之间AUC差异的显著性。结果基于临床特征和DWI-MRI影像组学特征的机器学习模型A和模型B以及深度学习模型C的AUC分别为0.705[95%置信区间(confidence interval,CI):0.613~0.792]、0.846(95%CI:0.777~0.906)和0.877(95%CI:0.811~0.934)。结合临床和深度学习特征的组合模型D在预测AIS患者静脉溶栓后90天预后方面表现出显著优势,其AUC值为0.930(95%CI:0.890~0.963)。此外,深度学习模型在外部验证数据集中同样显示出良好的性能,模型C和模型D的AUC分别为0.887(95%CI:0.798~0.960)和0.947(95%CI:0.891~0.984)。结论基于MRI-DWI的影像组学特征在预测接受静脉溶栓治疗的AIS患者的90天预后中发挥重要作用。深度学习方法在AIS溶栓治疗预后的预测模型中优于传统机器学习方法。结合临床特征和MRI-DWI特征的深度学习模型可为临床个性化评估AIS患者预后及制订治疗方案提供有力工具。
文摘目的探讨扩散加权成像(DWI)、灌注加权成像(PWI)以及两者联合对幕上毛细胞型星形细胞瘤(PA)与WHO 2级多形性黄色星形细胞瘤(PXA WHO 2级)的鉴别诊断价值。资料与方法回顾性分析2010年1月—2022年2月于福建医科大学附属第一医院经手术和病理证实的23例幕上PA及11例PXA WHO 2级的常规MRI、DWI及PWI资料,并将幕上PA根据病灶部位进一步分为脑叶型PA与非脑叶型PA,对比两组基本资料(性别、年龄、囊变、均匀强化、病灶大小和是否累及脑膜)、最小表观扩散系数、相对表观扩散系数及相对最大脑血容量。结果PXA WHO 2级出现软脑膜受累的概率(36.3%)高于幕上PA(4.3%,P=0.029);PXA WHO 2级分别与幕上PA、脑叶型PA相比,最小表观扩散系数、相对表观扩散系数均较低,相对最大脑血容量较高(t=-4.398~5.828,P均<0.05)。最小表观扩散系数鉴别幕上PA与PXA WHO 2级的阈值为1.09×10^(-3) mm^(2)/s,敏感度、特异度和曲线下面积分别为90.91%、83.33%和0.947;当相对最大脑血容量的鉴别诊断阈值为1.79时,敏感度、特异度和曲线下面积分别为90.00%、100.00%和0.950。DWI联合PWI的曲线下面积为0.993,与单独使用DWI及PWI对比,均未提高诊断效能(Z=1.371、0.928,P均>0.05)。亚组分析中,脑叶型PA与PXA中DWI联合PWI的曲线下面积为0.988,分别与DWI及PWI对比,均未提高诊断效能(Z=1.322、0.882,P均>0.05)。结论DWI、PWI均有助于PXA WHO 2级与幕上PA、脑叶型PA的鉴别诊断,但DWI联合PWI未显著提高鉴别诊断效能。
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。
