期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多序列MRI影像组学构建联合模型术前预测卵巢肿瘤良恶性的价值 被引量：1
1
作者 张晓红 王晋君 +7 位作者 武志峰 全帅 王翔 王鹏飞 王煊 崔碧 秦粽园 赵丹 《中华解剖与临床杂志》 2024年第6期371-378,共8页
目的探讨基于多序列MRI影像组学构建联合模型术前预测卵巢肿瘤良恶性的价值。方法回顾性队列研究。纳入2019年1月—2023年5月山西医科大学附属运城市中心医院经术后病理确诊的卵巢肿瘤患者237例。患者年龄13~79(52.9±12.7)岁,其中... 目的探讨基于多序列MRI影像组学构建联合模型术前预测卵巢肿瘤良恶性的价值。方法回顾性队列研究。纳入2019年1月—2023年5月山西医科大学附属运城市中心医院经术后病理确诊的卵巢肿瘤患者237例。患者年龄13~79(52.9±12.7)岁,其中卵巢良性肿瘤90例、恶性肿瘤147例,术前均行多序列盆腔MR扫描。以7∶3的比例将患者随机分为训练组166例和验证组71例。在T_(2)加权像(T_(2)WI)、T_(1)WI、弥散加权成像(DWI)、表观弥散系数(ADC)图像中,对肿瘤进行逐层手动分割勾画感兴趣区,得到三维感兴趣区,并提取影像组学特征。以卵巢肿瘤的良恶性为研究标签,对训练组患者采用最小冗余最大相关(mRMR)算法进行影像组学特征去冗除杂,继而采用最小绝对收缩与选择算子回归为主的三步降维法筛选特征,并构建基于上述4个序列MRI的单一序列以及4个序列联合的多序列影像组学模型。多因素logistic回归用于筛选卵巢肿瘤良恶性的独立预测因子,结合多序列影像学模型,使用R语言建立联合模型并绘制列线图。采用受试者操作特征(ROC)曲线、校正曲线、决策分析曲线评估列线图的预测效能及临床效益。结果训练组和验证组良恶性肿瘤间比较,肿瘤的性状、侧向性特征差异均有统计学意义(P值均<0.05)。基于ADC、DWI、T_(1)WI、T_(2)WI序列的MRI上提取影像组学特征,经特征筛选后得到10个与卵巢肿瘤良恶性相关的关键特征(P值均<0.05)构建影像组学模型。训练组单一序列构建的影像组学模型预测卵巢肿瘤良恶性的ROC曲线下面积(AUC)分别为0.798、0.802、0.819、0.818,验证组AUC分别为0.792、0.798、0.803、0.806。4个序列联合的多序列影像组学模型AUC(训练组:0.839,验证组:0.833)大于4个单一序列的影像组学模型。单因素与多因素logistic回归分析显示,肿瘤性状(OR=0.421,95%CI:0.293~0.605)和肿瘤侧向性(OR=0.229,95%CI:0.104~0.503)是患者良恶性的独立预测因子(P值均<0.001)。多序列影像组学模型与肿瘤性状、侧向性特征构建的联合模型在训练组与验证组中的AUC分别为0.864、0.855,校正曲线显示出列线图有良好的校正性能,决策曲线表明当风险阈值概率范围在0.1~0.8时,采用联合模型预测卵巢肿瘤良恶性的净收益优于单一序列影像组学模型。结论基于多序列MRI影像组学特征与临床特征的联合模型对卵巢肿瘤良恶性具有良好的预测价值。 展开更多
关键词 卵巢肿瘤 磁共振成像 影像组学 预测模型
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部