多模态影像组学模型胰腺癌早期复发风险评估系统
发布时间:2021-04-01 13:29
背景:胰腺癌恶性程度高,近半数的患者在手术切除后一年内复发,因为在胰腺癌中,迫切需要可以准确预测早期复发和确定复发风险的患者分层方法。本研究的目的是建立一种基于磁共振成像(MRI)的影像组学预测模型,评估患者早期复发风险。方法:我们从两个医疗中心回顾性收集了从2012年4月至2018年7月期间,303名患者的临床资料。并将患者分为早期复发组(无瘤生存期≤12个月)和非早期复发组(无瘤生存期>12个月)。来自第一个医疗中心的患者被分为训练组(n=123)和内部验证组(n=54)。来自第二个医学中心的患者被用作外部独立验证组(n=126)。通过LASSO回归选出最有价值的影像组学特征,并建立组学评分用于风险评估。将组学评分与术前临床因素纳入进行单因素、多因素回归分析,确定独立危险因素,并以此为基础建立最终的预测模型。C-index、校正曲线和DCA曲线被用来评估模型的准确性,并通过验证组进行测试。结果:影像组学评分的早期复发预测C-index值分别为0.80(训练队列)、0.81(内部验证队列)和0.78(外部验证队列)。多因素logistic回归分析表明,影像组学评分、CA19-9...
【文章来源】:浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
显示患者入选标准和研究设计的流程图
影像组学标签建立的工作流程
浙江大学硕士学位论文结果14图4纹理特征选择的LASSOlogistic回归方法。(a)在LASSO模型中,惩罚参数λ选择使用10倍交叉验证作为最小标准。针对部分似然偏差(y轴)绘制了对数(x轴)(x轴)。用最小准则和1-SE准则在最优值处绘制虚线。(b)对于57个纹理特征,显示了套索系数剖面。使用对数(λ)序列中的十倍交叉验证在所选值处绘制垂直线;还指示10个系数非零的特征。3.4影像组学评分的预测性能利用ROC曲线评估三个队列中影像组学评分(Rad-score)的预测性能(图5)。一般来说,出现早期复发(ER)的患者的rad评分值明显较高(训练组:0.179vs-1.44,P<0.001,内部验证组:0.743vs-1.39,P<0.001,外部验证组:-0.471vs-1.13,P<0.001。(图6)。训练队列的AUC值为0.802(95%置信区间:0.721–0.868)敏感性:0.824,特异性:0.681。内部验证队列的AUC值为0.807(95%置信区间:0.677–0.902)敏感性:0.625,特异性:0.867,外部验证队列的AUC值为0.781(95%置信区间:0.699–0.850),敏感性:0.732,特异性:0.727。影像组学评分(Rad-score)的预测性能的详细信息如表4所示。
【参考文献】:
期刊论文
[1]hENT1 expression is predictive of gemcitabine outcome in pancreatic cancer: A systematic review[J]. Stina Nordh,Daniel Ansari,Roland Andersson. World Journal of Gastroenterology. 2014(26)
[2]Vascular invasion in pancreatic cancer:Imaging modalities,preoperative diagnosis and surgical management[J]. Nicolas C Buchs,Michael Chilcott,Pierre-Alexandre Poletti,Leo H Buhler,Philippe Morel. World Journal of Gastroenterology. 2010(07)
本文编号:3113416
【文章来源】:浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】:69 页
【学位级别】:硕士
【部分图文】:
显示患者入选标准和研究设计的流程图
影像组学标签建立的工作流程
浙江大学硕士学位论文结果14图4纹理特征选择的LASSOlogistic回归方法。(a)在LASSO模型中,惩罚参数λ选择使用10倍交叉验证作为最小标准。针对部分似然偏差(y轴)绘制了对数(x轴)(x轴)。用最小准则和1-SE准则在最优值处绘制虚线。(b)对于57个纹理特征,显示了套索系数剖面。使用对数(λ)序列中的十倍交叉验证在所选值处绘制垂直线;还指示10个系数非零的特征。3.4影像组学评分的预测性能利用ROC曲线评估三个队列中影像组学评分(Rad-score)的预测性能(图5)。一般来说,出现早期复发(ER)的患者的rad评分值明显较高(训练组:0.179vs-1.44,P<0.001,内部验证组:0.743vs-1.39,P<0.001,外部验证组:-0.471vs-1.13,P<0.001。(图6)。训练队列的AUC值为0.802(95%置信区间:0.721–0.868)敏感性:0.824,特异性:0.681。内部验证队列的AUC值为0.807(95%置信区间:0.677–0.902)敏感性:0.625,特异性:0.867,外部验证队列的AUC值为0.781(95%置信区间:0.699–0.850),敏感性:0.732,特异性:0.727。影像组学评分(Rad-score)的预测性能的详细信息如表4所示。
【参考文献】:
期刊论文
[1]hENT1 expression is predictive of gemcitabine outcome in pancreatic cancer: A systematic review[J]. Stina Nordh,Daniel Ansari,Roland Andersson. World Journal of Gastroenterology. 2014(26)
[2]Vascular invasion in pancreatic cancer:Imaging modalities,preoperative diagnosis and surgical management[J]. Nicolas C Buchs,Michael Chilcott,Pierre-Alexandre Poletti,Leo H Buhler,Philippe Morel. World Journal of Gastroenterology. 2010(07)
本文编号:3113416
本文链接:https://www.wllwen.com/yixuelunwen/zlx/3113416.html