目的观察CT影像组学机器学习(ML)模型预测泌尿系结石经逆行输尿管软镜碎石术(RIRS)后清石率(SFR)的价值。方法 回顾性纳入216例接受RIRS的泌尿系结石患者并将其分为残余组(n=73)及无残余组(n=143)。以单因素及多因素logistic回归分析临...目的观察CT影像组学机器学习(ML)模型预测泌尿系结石经逆行输尿管软镜碎石术(RIRS)后清石率(SFR)的价值。方法 回顾性纳入216例接受RIRS的泌尿系结石患者并将其分为残余组(n=73)及无残余组(n=143)。以单因素及多因素logistic回归分析临床资料及结石CT表现,筛选RIRS后SFR独立预测因素。分别利用窗宽窗位归一化联合最大最小归一化(记为方法 a)、最大最小归一化(记为方法 b)、窗宽窗位归一化(记为方法 c)及无归一化(记为方法 d)对RIRS前腹部CT进行预处理,基于结石最佳影像组学特征建立ML模型[包括支持向量机(SVM)、逻辑回归(LR)和随机梯度下降(SGD)模型]并筛选其中最佳者;行RUSS及改良S. T. O. N. E评分预测RIRS后泌尿系结石SFR;联合独立预测因素及最佳ML模型构建联合模型。评估各模型及评分系统的预测效能。结果 结石数量、最大结石CT值及体积均为RIRS后SFR的独立预测因素(P均<0.05)。以方法 b预处理后图像构建SVM模型的曲线下面积(AUC)最高(0.861),高于RUSS及改良S. T. O. N. E总评分(AUC=0.750、0.759,P均<0.05)而与联合模型的AUC差异无统计学意义(AUC=0.853,P=0.775)。结论 基于最大最小归一化法预处理CT图像构建的影像组学SVM模型可有效预测泌尿系结石经RIRS后SFR。展开更多
目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的10...目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的100例盆腔占位患者病例及影像资料,共计附件肿块126例,所有占位的O-RADS MRI评分均为3~5分。以手术病理或至少1年的随访结果为诊断标准。所有患者均在3.0 T MRI扫描仪上进行盆腔MRI扫描,包括syMRI及扩散加权成像(diffusion-weighted imaging,DWI)序列。在附件区病灶的实性成分的最大层面勾画感兴趣区,以获得syMRI定量参数[T1、质子密度(proton density,PD)、T2^(*)、R2^(*)]及表观扩散系数(apparent diffusion coefficient,ADC)值。采用独立样本t检验或Mann-Whitney U检验比较各参数的差异,通过logistic回归分析建立syMRI及syMRI+ADC诊断模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线比较各参数及模型的诊断效能,DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异。结果入组100例患者共126个病灶,其中良性55例,恶性71例。T1、T2^(*)、R2^(*)及ADC值在两组间差异有统计学意义(P<0.05),其鉴别卵巢附件良恶性病变的AUC分别为0.739[95%置信区间(confidence interval,CI):0.652~0.826]、0.780(95%CI:0.698~0.862)、0.783(95%CI:0.699~0.866)及0.674(95%CI:0.576~0.772)。syMRI及syMRI+ADC模型的AUC分别为0.860(95%CI:0.791~0.929)及0.879(95%CI:0.818~0.940),二者之间差异无统计学意义,均高于ADC值(P<0.05)。结论syMRI在鉴别O-RADS MRI 3~5分卵巢附件病变的良恶性中具有很好的效能。展开更多
文摘目的观察CT影像组学机器学习(ML)模型预测泌尿系结石经逆行输尿管软镜碎石术(RIRS)后清石率(SFR)的价值。方法 回顾性纳入216例接受RIRS的泌尿系结石患者并将其分为残余组(n=73)及无残余组(n=143)。以单因素及多因素logistic回归分析临床资料及结石CT表现,筛选RIRS后SFR独立预测因素。分别利用窗宽窗位归一化联合最大最小归一化(记为方法 a)、最大最小归一化(记为方法 b)、窗宽窗位归一化(记为方法 c)及无归一化(记为方法 d)对RIRS前腹部CT进行预处理,基于结石最佳影像组学特征建立ML模型[包括支持向量机(SVM)、逻辑回归(LR)和随机梯度下降(SGD)模型]并筛选其中最佳者;行RUSS及改良S. T. O. N. E评分预测RIRS后泌尿系结石SFR;联合独立预测因素及最佳ML模型构建联合模型。评估各模型及评分系统的预测效能。结果 结石数量、最大结石CT值及体积均为RIRS后SFR的独立预测因素(P均<0.05)。以方法 b预处理后图像构建SVM模型的曲线下面积(AUC)最高(0.861),高于RUSS及改良S. T. O. N. E总评分(AUC=0.750、0.759,P均<0.05)而与联合模型的AUC差异无统计学意义(AUC=0.853,P=0.775)。结论 基于最大最小归一化法预处理CT图像构建的影像组学SVM模型可有效预测泌尿系结石经RIRS后SFR。
文摘目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的100例盆腔占位患者病例及影像资料,共计附件肿块126例,所有占位的O-RADS MRI评分均为3~5分。以手术病理或至少1年的随访结果为诊断标准。所有患者均在3.0 T MRI扫描仪上进行盆腔MRI扫描,包括syMRI及扩散加权成像(diffusion-weighted imaging,DWI)序列。在附件区病灶的实性成分的最大层面勾画感兴趣区,以获得syMRI定量参数[T1、质子密度(proton density,PD)、T2^(*)、R2^(*)]及表观扩散系数(apparent diffusion coefficient,ADC)值。采用独立样本t检验或Mann-Whitney U检验比较各参数的差异,通过logistic回归分析建立syMRI及syMRI+ADC诊断模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线比较各参数及模型的诊断效能,DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异。结果入组100例患者共126个病灶,其中良性55例,恶性71例。T1、T2^(*)、R2^(*)及ADC值在两组间差异有统计学意义(P<0.05),其鉴别卵巢附件良恶性病变的AUC分别为0.739[95%置信区间(confidence interval,CI):0.652~0.826]、0.780(95%CI:0.698~0.862)、0.783(95%CI:0.699~0.866)及0.674(95%CI:0.576~0.772)。syMRI及syMRI+ADC模型的AUC分别为0.860(95%CI:0.791~0.929)及0.879(95%CI:0.818~0.940),二者之间差异无统计学意义,均高于ADC值(P<0.05)。结论syMRI在鉴别O-RADS MRI 3~5分卵巢附件病变的良恶性中具有很好的效能。
