《临床放射学杂志》发表论文赏析
作者:罗童, 李慕贞, 李爰莹, 孙晓川, 陈伟彬
单位:063000 唐山,华北理工大学附属医院医学影像中心罗 童、李慕贞、李爰莹、陈伟彬;华北理工大学人工智能学院孙晓川
摘要:目的建立一种3D超分辨率重组双参数MRI(bp-MRI)影像组学特征、临床特征相结合的联合模型,评价其术前预测前列腺癌(PCa)的价值。方法回顾性分析436例疑似PCa而进行MRI检查和病理检查的患者资料。搜集其临床及影像资料,经单、多因素Logistic回归分析筛选出临床特征,采用基于深度学习生成对抗网络(GAN)的3D超分辨率重组技术,将MRI图像空间分辨率提高4倍,提取并筛选DWI(b=800 s/mm<sup>2</sup>)和ADC图像中的影像组学特征,采用极端随机树分类器构建临床模型、DWI模型、ADC模型、bp-MRI模型(DWI特征+ADC特征)及联合模型(临床特征+DWI特征+ADC特征)。应用受试者工作特征(ROC)曲线、校准曲线、临床决策(DCA)曲线、DeLong检验评估并比较各模型预测PCa的效能。基于最优模型,采用SHAP-Value分析可视化特征在模型中的贡献,并建立列线图。结果结合临床特征(年龄、tPSA)与3D超分辨率重组bp-MRI影像组学特征构建的联合模型,在训练集和测试集中AUC值(0.933,0.932)、准确度(86.2%,87.8%)等方面均表现优异。结合ROC曲线及DeLong检验结果显示,训练集和测试集中联合模型的AUC值较临床模型(0.827,0.868)和ADC模型(0.891,0.816)均有显著的提升(均P<0.05)。在校准曲线中,联合模型预测的概率与实际观察结果紧密吻合,显示出极佳的校准性能。DCA曲线显示联合模型在训练集约0.05~0.95的阈值拥有与DWI模型相当,且优于其他3个模型的净收益,在测试集约0.05~0.75、0.80~0.95阈值内拥有较其他模型更高的临床净收益。联合模型的特征在SHAP-Value图中展现出良好的独立性。结论基于3D超分辨率重组bp-MRI影像组学与临床特征构建的术前PCa预测模型,有助于精准识别PCa,减少不必要的侵入性活检。
关键词:前列腺癌,磁共振成像,影像组学,3D超分辨率重组
基金资助:本研究系2023年度唐山市人才资助项目(编号:C202303027)
2025年5期其他文献查阅:
基于临床与CT影像特征的可解释性机器学习模型预测脑出血早期血肿扩大的价值
基于灰、白质自发神经活动改变研究视神经脊髓炎患者认知损害的变化
基于乳腺动态对比增强MRI深度学习与影像组学联合临床特征预测乳腺浸润性导管癌脉管浸润状态
IVIM-DWI定量参数与乳腺癌缺氧诱导因子1α表达的相关性研究
乳腺钼靶影像组学结合深度学习预测乳腺癌HER-2三种表达状态的价值
基于临床影像学指标的CT引导下经皮肺穿刺活检术后肺部并发症风险预测模型构建
基于CT影像组学联合临床指标预测中晚期肝细胞癌靶免联合治疗疗效
基于多参数MRI影像组学的列线图预测肾透明细胞癌同时远处转移的研究
MRI平扫联合DWI对宫颈癌术前病理分期及宫旁浸润的评估价值分析
学龄前孤独症谱系障碍儿童胼胝体的微结构改变:一项扩散峰度成像研究
3D打印联合Smart Mask技术在小型颅内动脉瘤介入治疗中的应用
双层探测器光谱CT运动补偿重组技术在改善冠状动脉CTA图像质量的应用