登录    注册    忘记密码

期刊文章详细信息

多参数MRI的影像组学融合模型在术前预测宫颈癌淋巴结转移的应用价值    

Multiparametric magnetic resonance imaging-based radiomics model for the preoperative prediction of lymph node metastasis in cervical cancer

  

文献类型:期刊文章

作  者:侯丽娜[1] 崔艳芬[1] 郭凌云[1] 任嘉粱[2] 李丹丹[3]

Hou Lina;Cui Yanfen;Guo Lingyun;Ren Jialiang;Li Dandan(Department of Radiology,Shanxi Province Tumor Hospital,Taiyuan 030000,China;GE Healthcare China,Beijing 100000,China;Department of Medical Imaging,Shanxi Medical University,Taiyuan 030000,China)

机构地区:[1]山西省肿瘤医院影像科,太原030013 [2]北京通用电气公司,北京100000 [3]山西医科大学医学影像学系,太原030000

出  处:《中华解剖与临床杂志》

基  金:山西省重点研发(社会发展)计划(201803D31168)。

年  份:2020

卷  号:25

期  号:3

起止页码:213-220

语  种:中文

收录情况:ZGKJHX、普通刊

摘  要:目的探讨基于多参数MRI及临床特征的融合模型在术前预测宫颈癌患者淋巴结转移的价值。方法回顾性分析山西省肿瘤医院2016年6月—2019年3月经病理证实为宫颈鳞癌并于术前行MRI检查的168例患者的资料。按照7∶3的比例,采用完全随机法将所有患者分为训练组115例和验证组53例。由两名影像科医师在MRI图像上手动勾画三维容积感兴趣区(VOI),并进行一致性分析。根据临床手术病理结果将所有患者分为淋巴结转移阴性(LN-)和阳性(LN+),临床及影像资料也对应分组。分别基于每例患者的T2WI、表观扩散系数(ADC)和增强T1WI(cT1WI)序列图像上均提取3111个影像组学特征,然后对训练组采用以最大相关最小冗余(MRMR)和最小绝对收缩与选择(LASSO)回归为主的四步法进行特征选择和影像组学标签的构建,并进行分层分析。通过多变量逻辑回归筛选独立临床危险因素并联合影像组学标签构建影像组学融合模型,并制作列线图。采用ROC曲线、校正曲线、决策分析曲线(DCA)评估列线图的预测性能及临床效益。结果训练组和验证组患者基线资料差异均无统计学意义(P值均>0.05)。基于T2WI、ADC和cT1WI合并特征降维后共得到6个影像组学特征(P值均<0.05),其中包括3个小波类特征参数和3个LoG类特征参数,均与淋巴结转移显著相关。单序列影像组学标签在训练组中ROC曲线下面积(AUC)值为0.763和0.829,显示具有良好的预测效能,合并上述序列构建的影像组学标签对应的AUC值0.859,其诊断效能优于其中任意单一序列,并在验证组得到验证。联合影像组学标签和MRI评价淋巴结状态构建的列线图在训练组和验证组中均显示出良好的鉴别能力和校正性能,对应的AUC分别为0.865和0.861。在独立验证组中的决策曲线示,当风险阈值>10%时,采用影像组学方法预测LN+的净收益优于将所有患者都看作LN+或LN-,也优于MRI评价

关 键 词:磁共振成像  影像组学  宫颈肿瘤 淋巴结转移

分 类 号:R737.33] R445.2[临床医学类]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心