《临床放射学杂志》发表论文赏析

子宫内膜癌卵巢转移与原发卵巢癌原发灶的DCE-MRI血流动力学参数差异及机器鉴别诊断体系构建

来源:临床放射学杂志2026年第9期北京时间:

作者:秦粽园, 史汉明, 丁建峰, 王晋君

单位:044000 运城,山西医科大学附属运城市中心医院医学影像科

摘要:目的探讨子宫内膜癌卵巢转移(EC转移)与原发卵巢癌(原发OC)的动态对比增强磁共振成像(DCE-MRI)血流动力学参数差异,并基于DCE-MRI参数、影像组学特征及血清标志物构建多模态机器学习鉴别模型。方法回顾性选取310例卵巢肿瘤患者(168例EC转移,142例原发OC)。对所有患者行3.0 T DCE-MRI检查,定量计算K<sup>trans</sup>、V<sub>e</sub>、TTP参数并提取26个影像组学特征,联合血清标志物(CA125/HE4),通过LASSO回归-随机森林算法筛选变量,建立支持向量机(SVM)鉴别模型。采用时间独立测试集(<em>n</em>=62)和5折交叉验证的双重验证策略。结果EC转移组的K<sup>trans</sup>显著低于原发OC组[(0.28&#x000b1;0.09) min<sup>-1</sup> vs. (0.46&#x000b1;0.13) min<sup>-1</sup>,<em>P</em>&#x0003C;0.05],V<sub>e</sub>显著增高(0.71&#x000b1;0.19 vs. 0.53&#x000b1;0.21,<em>P</em>&#x0003C;0.05)。SVM模型在时间独立测试集的曲线下面积达0.90(95%CI:0.83~0.96),敏感度为87.1%,特异度为85.5%,显著优于单一参数模型。结论基于DCE-MRI血流动力学参数联合影像组学的机器学习模型可以有效区分EC转移与原发OC,为两者的术前无创鉴别诊断提供可靠工具。

关键词:子宫内膜癌,卵巢癌,动态对比增强磁共振成像,血流动力学,影像组学,机器学习

基金资助:本研究系山西省科协健康科普课题项目(编号:JKKP202115)

2026年9期其他文献查阅:

基于多参数MR视觉自注意力融合模型鉴别眼眶孤立性纤维瘤的价值

基于瘤内和瘤周CT影像组学特征的Lung-RADS 4X类肺结节良恶性预测模型构建与验证

基于临床-影像组学-深度学习多模态联合模型列线图预测肺腺癌侵袭性:一项多中心研究

基于临床与CT影像特征的LASSO回归模型鉴别纵隔良性与转移性淋巴结的价值

基于EOB-MRI多参数模型对肝胆期高信号HCC与FNH的鉴别诊断价值

CT扫描评估不同级别肾透明细胞癌患者假被膜完整性的价值

基于术前MRI放射组学预测淋巴脉管间隙浸润及联合MRI特征对宫颈鳞癌术后中危患者的风险分层研究

基于生境影像组学的列线图模型预测宫颈癌的淋巴血管间隙浸润

扩散-弛豫相关谱成像(DR-CSI)在鉴别前列腺增生与前列腺癌中的价值

腰椎骨髓质子密度脂肪分数对骨量减少与骨质疏松诊断准确性的系统评价与Meta分析

磁共振扩散张量成像及纤维束重建在神经根型颈椎病中的应用研究

3.0 T非增强三维相位对比磁共振血管成像评估糖尿病足远端小动脉狭窄的价值:与对比增强磁共振血管成像的对照研究

基于MRI列线图评估复发性胶质母细胞瘤贝伐珠单抗联合化疗的无进展生存

子宫内膜癌卵巢转移与原发卵巢癌原发灶的DCE-MRI血流动力学参数差异及机器鉴别诊断体系构建

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!