【作 者】：网站采编
【关键词】：
【摘 要】：文章目录 1 资料与方法 1.1 一般资料 1.2 检查设备及方法 1.3 影像特征提取 1.4 统计学分析 2 结果 2.1 MRI影像组学特征筛选结果 2.2 基于MRI影像组学特征构建的预测模型及效能 3 讨论 文章摘

文章目录

1 资料与方法

1.1 一般资料

1.2 检查设备及方法

1.3 影像特征提取

1.4 统计学分析

2 结果

2.1 MRI影像组学特征筛选结果

2.2 基于MRI影像组学特征构建的预测模型及效能

3 讨论

文章摘要:目的探讨基于MRI影像组学特征构建膀胱尿路上皮癌病理分级预测模型的价值。方法搜集经手术病理证实的100例膀胱尿路上皮癌患者,其中低级别尿路上皮癌（LGUC）28例和高级别尿路上皮癌（HGUC）72例。通过随机分层抽样方法以7∶3的比例分为训练组及测试组。使用ITK-SNAP软件勾画T₂WI、扩散加权成像（DWI）、表观扩散系数（ADC）图的肿瘤三维容积感兴趣区（VOI）,然后导入A.K.软件提取影像组学特征。依次采用方差法、最小冗余最大相关法（mRMR）和最小绝对收缩选择算法（LASSO）进行特征筛选和降维。应用Logistic回归算法构建预测模型,绘制受试者工作特征曲线（ROC）评价模型效能,并在测试组中验证。结果通过Logistic回归算法构建4个影像组学的模型:T₂WI单序列预测模型、DWI单序列预测模型、ADC单序列预测模型及T₂WI+DWI+ADC联合预测模型。在基于MRI影像组学的单序列预测模型中,ADC单序列预测模型鉴别LGUC与HGUC的曲线下面积（AUC）值最高（训练组和测试组分别为0.825、0.818）,高于DWI单序列预测模型AUC值（训练组和测试组分别为0.794、0.750）与T₂WI单序列预测模型AUC值（训练组和测试组分别为0.811、0.739）。此外,相较于基于MRI影像组学的单序列预测模型,T₂WI+DWI+ADC联合预测模型具有更高的AUC值（训练组和测试组分别为0.912和0.824）,其在训练组鉴别LGUC与HGUC的敏感度、特异度、AUC分别为100%、80.0%、0.912,测试组分别为77.3%、87.5%及0.824。结论基于MRI影像组学特征的预测模型对鉴别LGUC与HGUC具有较大的应用价值,其中T₂WI+DWI+ADC联合预测模型较单序列预测模型显示出更高的预测效能。

文章关键词:

项目基金: