《临床放射学杂志》发表论文赏析
作者:张瑾, 孙中琪, 吴琼, 粱田, 姜慧杰
单位:150086 哈尔滨医科大学附属第二医院影像科
摘要:目的 探索基于CT门静脉期的影像组学模型结合腹部脂肪面积参数构建的联合模型对肝细胞癌(HCC)微血管侵犯(MVI)的预测价值。方法 回顾性搜集134例经病理证实是否存在MVI的HCC患者的平扫及增强CT图像。根据随机分层抽样的原则将患者以7∶3的比例划分为训练集(n=93)和测试集(n=41),在CT平扫图像上测量所有患者的腹部脂肪面积,通过单因素及多因素逻辑回归构建脂肪模型。通过自动化特征提取算法提取门静脉期肿瘤的影像组学特征,采用Spearman相关性分析和最小绝对收缩和选择算子(LASSO)进行特征筛选,并分别构建六种机器学习模型,将性能较优模型联合腹部脂肪面积参数构建联合模型。采用受试者工作特征曲线(ROC)曲线下面积(AUC)来评估模型的预测效能,校准曲线来验证校准能力,决策曲线用于分析和比较模型的临床实用性,Delong检验评估各模型之间预测效能的差异。结果 单因素及多因素逻辑回归提示内脏及皮下脂肪面积参数均为HCC-MVI的独立危险因素,以此构建的脂肪模型在训练集和测试集的AUC值为0.747(0.648~0.845)和0.696(0.536~0.857)。基于门静脉期肿瘤提取的影像组学特征经过逐层特征筛选及降维方法后得到10个影像组学特征用于六种机器学习模型的构建,其中支持向量机(SVM)模型的预测性能较好,在训练集和测试集中的AUC值分别为0.904(0.844~0.965)和0.838 (0.717~0.959),与腹部脂肪参数联合后构建联合模型,并用列线图对其进行可视化。结果显示,联合模型在训练集中的性能0.925(0.872~0.978)显著高于影像组学模型(P=0.029)和脂肪模型(P=0.0054),测试集中该模型性能0.877(0.772~0.983)显著高于脂肪模型(P=0.0165),高于影像组学模型(P=0.207),校准曲线显示模型拟合良好,决策曲线提示联合模型较其他模型具有较好的临床实用价值。结论 基于CT门静脉期的影像组学特征联合腹部脂肪面积构建的联合模型对HCC-MVI具有较高的预测价值。
关键词:CT,影像组学,肝细胞癌,微血管侵犯
2024年5期其他文献查阅:
基于DCE定量和半定量参数分析胶质母细胞瘤环壁强化类型与炎症的相关性研究
Pipeline Flex治疗颈内动脉颅内段中小型动脉瘤的疗效及安全性分析
脑梗死后交叉性小脑神经机能联系不能与运动损伤的全脑CTP研究
不同管腔上皮类型乳腺癌的X线和MRI特征及其对乳腺癌前哨淋巴结转移的预测
基于CT、MRI增强门静脉期的影像组学和临床指标预测模型预测单发肝细胞癌切除术后早期复发的价值
深度学习图像重组算法对提高薄层增强CT胰腺癌图像质量及肿瘤显著性的价值
细胞外体积分数联合临床指标构建的列线图预测结直肠癌p53表达
光谱CT细胞外体积分数术前诊断结直肠癌病理T分期及组织学分级的价值
PD-1抗体联合安罗替尼及125I粒子链置入治疗肝门部胆管癌的疗效初探(附3例分析)
CT定量特征在鉴别长径<3 cm的胃间质瘤与异位胰腺中的价值