基于强化CT的影像组学预测肾透明细胞癌Fuhrman分级和生存的临床价值
发布时间：2021-03-27 21:59
目的 探讨基于强化CT的影像组学术前预测肾透明细胞癌（ccRCC）Fuhrman分级的价值;建立并验证联合临床因素与影像组学的影像组学列线图预测ccRCC患者总生存期（OS）的价值,并评估影像组学对OS预测的增益价值。材料与方法 第一部分,纳入2012年5月至2014年12月127例有明确Fuhrman分级的ccRCC患者为训练集,2015年1月至2016年12月62例患者为验证集。在皮质期、实质期及排泄期逐层勾画肿瘤区域为ROI,提取强度、形状和大小、纹理及图像滤波在内共4227个影像组学特征。通过计算观察者间及观察者自身ICCs排除观察者勾画ROI的主观差异。采用LASSO-Logistic回归进行特征选择并建立三期联合的影像组学标签。利用选择特征的线性拟合计算每位患者的影像组学得分（Radscore）。单因素分析传统CT特征（肿瘤位置、最大径、形态不规则、坏死、肾周侵犯及瘤内动脉）在高、低级别ccRCC间有鉴别意义的特征,通过多因素Logistic回归分析构建CT特征模型。进一步联合单因素分析选择的CT特征和Rad-score通过多因素Logistic回归分析构建综合模型。通过R...
【文章来源】：青岛大学山东省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
训练集（A）和验证集（B）影像组学得分图
8表3训练集和验证集中各模型ROC曲线比较训练集验证集面积间差异(95%CI）ZP面积间差异(95%CI）ZPCT特征模型VS影像组学标签0.109(0.017-0201）2.3250.0200.117(0.023-0.211）2.4230.015CT特征模型VS综合模型0.105(0.012-0.199）2.2080.0270.121(0.025-0.217）2.4750.013影像组学标签VS综合模型0.004(-0.004-0.012）0.9190.3580.005(-0.006-0.016）0.8250.409图3验证集中CT特征模型、影像组学标签及综合模型鉴别ccRCCFuhrman分级的决策曲线
16AB图5训练集（A）Rad-score标记的高、低风险组的总生存期（OS）；验证集（B）Rad-score标记的高、低风险组的OS；两组log-rank检验均＜0.0012.3Rad-score评价小提琴图显示，在训练集和验证集中，3年或5年死亡组的中位Rad-score均高于3年或5年生存组（图6A,B,D和E），生存组与死亡组间Rad-score分布差异均具有统计学意义（P<0.001）。训练集与验证集中Rad-score鉴别3年生存与否的AUC（图6C）分别为0.902（95%CI:0.851-0.940）和0.857（95%CI:0.798-0.903）。在鉴别5年生存与否的训练集与验证集中AUC（6F）分别为0.904（95%CI:0.854-0.942）和0.850（95%CI:0.791-0.898）。
【参考文献】：
期刊论文
[1]肾透明细胞癌MSCT征象与Fuhrman分级相关性研究[J]. 张砚满,田浩,张青,张思琦,吴献华. 临床放射学杂志. 2019(06)
[2]基于T2加权图像的纹理分析:不同转移部位间肾癌纹理特征的对比[J]. 白旭,王海屹,叶慧义,许伟,张晓晶,黄庆波,刘震昊. 放射学实践. 2018(08)
[3]肾脏CT容积纹理分析及机器学习相结合的影像组学评价肾透明细胞癌病理分级的价值初探[J]. 李小虎,Cai Wenli,裴子璐,刘云鹏,邱本胜,刘斌,丰志强,林慧慧,梁晓,徐海,徐璐瑶,余永强. 中华放射学杂志. 2018 (05)
[4]影像组学中特征提取研究进展[J]. 谢凯,孙鸿飞,林涛,高留刚,眭建锋,倪昕晔. 中国医学影像技术. 2017(12)
[5]影像组学与大数据结合的研究现状[J]. 吴佩琪,刘再毅,何兰,黄燕琪,梁长虹. 中华放射学杂志. 2017 (07)
[6]影像组学研究浅见[J]. 刘再毅,梁长虹. 影像诊断与介入放射学. 2017(03)
本文编号：3104304
【文章来源】：青岛大学山东省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
训练集（A）和验证集（B）影像组学得分图
8表3训练集和验证集中各模型ROC曲线比较训练集验证集面积间差异(95%CI）ZP面积间差异(95%CI）ZPCT特征模型VS影像组学标签0.109(0.017-0201）2.3250.0200.117(0.023-0.211）2.4230.015CT特征模型VS综合模型0.105(0.012-0.199）2.2080.0270.121(0.025-0.217）2.4750.013影像组学标签VS综合模型0.004(-0.004-0.012）0.9190.3580.005(-0.006-0.016）0.8250.409图3验证集中CT特征模型、影像组学标签及综合模型鉴别ccRCCFuhrman分级的决策曲线
16AB图5训练集（A）Rad-score标记的高、低风险组的总生存期（OS）；验证集（B）Rad-score标记的高、低风险组的OS；两组log-rank检验均＜0.0012.3Rad-score评价小提琴图显示，在训练集和验证集中，3年或5年死亡组的中位Rad-score均高于3年或5年生存组（图6A,B,D和E），生存组与死亡组间Rad-score分布差异均具有统计学意义（P<0.001）。训练集与验证集中Rad-score鉴别3年生存与否的AUC（图6C）分别为0.902（95%CI:0.851-0.940）和0.857（95%CI:0.798-0.903）。在鉴别5年生存与否的训练集与验证集中AUC（6F）分别为0.904（95%CI:0.854-0.942）和0.850（95%CI:0.791-0.898）。
【参考文献】：
期刊论文
[1]肾透明细胞癌MSCT征象与Fuhrman分级相关性研究[J]. 张砚满,田浩,张青,张思琦,吴献华. 临床放射学杂志. 2019(06)
[2]基于T2加权图像的纹理分析:不同转移部位间肾癌纹理特征的对比[J]. 白旭,王海屹,叶慧义,许伟,张晓晶,黄庆波,刘震昊. 放射学实践. 2018(08)
[3]肾脏CT容积纹理分析及机器学习相结合的影像组学评价肾透明细胞癌病理分级的价值初探[J]. 李小虎,Cai Wenli,裴子璐,刘云鹏,邱本胜,刘斌,丰志强,林慧慧,梁晓,徐海,徐璐瑶,余永强. 中华放射学杂志. 2018 (05)
[4]影像组学中特征提取研究进展[J]. 谢凯,孙鸿飞,林涛,高留刚,眭建锋,倪昕晔. 中国医学影像技术. 2017(12)
[5]影像组学与大数据结合的研究现状[J]. 吴佩琪,刘再毅,何兰,黄燕琪,梁长虹. 中华放射学杂志. 2017 (07)
[6]影像组学研究浅见[J]. 刘再毅,梁长虹. 影像诊断与介入放射学. 2017(03)
本文编号：3104304
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3104304.html
