简介:【摘要】目的: 探讨影像组学在甲状腺结节良恶性鉴别中的应用价值。方法:回顾性分析我院经病理证实的100例甲状腺结节患者,其中良性结节72例,恶性结节28例。应用纹理分析软件 MaZad 对甲状腺 CT 扫描的静脉期图像进行分析,在结节最大层面手动勾画感兴趣区(ROI),通过分析得出 300 多个纹理参数。对所得出的纹理参数使用 Fisher 系数、分类误差概率与平均相关系数(POE+ACC)及互信息(M I)等三种降维方式进行处理,得到 10 个鉴别最佳的纹理参数。采用Mazad自带的 B11 软件进行纹理参数的判别,对每种降维方式分别进行原始数据分析(RDA)、主成分分析(PCA)、线性判别分析(LDA)及非线性判别分析(NDA)等四种分析,分别获得不同模型对甲状腺结节鉴别诊断的准确度、特异度和灵敏度。结果:三种降维方法分别提取出 10 个鉴别能力较强的纹理参数,相关度 S(2,-2)在三种降维算法中均被筛选出来。使用 B11 分析模块分析出的错误率。其中 Fisher/NDA法在各组中错误率最低,只有7.00%(7/100)。结节良恶性预测结果中,其中灵敏度最高的是Fisher/NDA 法,为90.00%;特异度最高的是MI/NDA法,特异度为98.00%,而预测准确率最好的是Fisher/NDA 法,预测准确率为 92.00%。结论:利用影像组学的方法可以可靠的鉴别出甲状腺结节的良恶性,为临床进一步的诊断和治疗提供帮助。
简介:摘要目的探讨冠状动脉慢血流(SCF)患者与健康人群的差异基因及SCF发病涉及的信号通路和蛋白相互关系。方法收集2018年住院的SCF患者和同期健康体检者各43例,记录患者一般资料,采集血液测定糖代谢、脂代谢和肾脏代谢相关指标。血液单核细胞中提取RNA,通过RNA测序获得差异基因表达谱。并进行GO功能注释、KEGG通路富集和蛋白相互作用网络分析及表型分析。ELISA检测SCF患者和对照组炎症细胞因子的水平,实时荧光定量PCR(qPCR)验证差异基因。结果SCF组男性27例(63%),女性16例(37%),年龄(54.3±8.8)岁,对照组男性29例(67%),女性14例(33%),年龄(57.2±8.3)岁。SCF组有吸烟史、空腹血糖异常、血脂异常的比例及体重指数高于对照组(P<0.05)。SCF组和对照组存在117个差异基因,其中上调基因73个,下调基因44个。GO功能注释和KEGG通路分析发现,差异基因主要与抗原处理和呈递、细胞吞噬、免疫球蛋白A的肠道免疫网络、辅助型T细胞1(Th1)、Th2和Th17细胞分化通路相关。与对照组相比,SCF组炎症细胞因子白细胞介素-6、白细胞介素-10、肿瘤坏死因子-α和干扰素-γ的表达水平升高(P<0.05)。2组差异最显著的前12个基因中,11个qPCR分析与转录组结果一致,蛋白相互作用网络分析表明甲酰化多肽受体-2(FPR2)和凝血酶致敏因子3(THBS3)蛋白位于整个蛋白作用网络的核心位置。结论SCF患者与健康人群的基因存在差异。FPR2和THBS3等基因可能通过抗原处理和呈递以及Th17细胞分化等免疫相关通路影响SCF的发生和发展。
简介:摘要多模态CT检查技术和影像组学等方法已在胃癌筛查、诊断与鉴别诊断、分期分级、疗效评估、治疗后再分期及随访监测等方面显示出较大的优势,为个性化精准诊疗提供了关键信息和依据,是胃癌的一线影像学评估手段,与此同时,也面临巨大挑战。只有以患者为中心和以解决临床问题为原则设计好不同成像模式下的CT检查技术和影像组学研究方案,充分发挥不同成像模式检查的优势,结合影像组学在临床实际应用中发挥的作用,才能真正实现源于临床、用于临床和高于临床的目标,真正推进医学影像人工智能的健康发展,更好地为患者服务。
简介:摘要影像组学已在急性胰腺炎(AP)的诊断上显示出了明显的优势,包括预测AP的严重程度、胰腺周围坏死、复发等,对比传统临床评分与传统临床模型提升了预测效能,为临床对AP的诊疗提供了更加精准的指导信息。在未来的研究中,开发基于机器学习的感兴趣区自动勾画软件,纳入多中心的影像数据,为提取影像组学特征提供泛化的标准,将推进机器学习的高速发展;针对临床实际问题,更加科学地设计研究方案,是发挥影像组学深层辅助诊断作用的关键所在;建立标准化、结构化、智能化的多维数据来源的胰腺炎专病数据库和多维(组学)模型,对提高我国对AP的早期预防和精准诊疗水平都有极其重要的意义。
简介:摘要目的探讨基于MR影像组学预测遗忘型轻度认知障碍(aMCI)转化为阿尔茨海默病(AD)的效能。方法回顾性分析2018年12月至2020年12月在山西医科大学第一医院确诊为aMCI的30例患者及来源于公共数据库的190例aMCI患者的临床和影像资料,男120例、女110例,年龄50~80岁,其中进展为AD 39例,未进展为AD 181例。以7∶3随机分为训练集(154例)和验证集(66例)。在患者的横断面、冠状面、矢状面T1WI三维磁化强度预备梯度回波序列图像上手动逐层勾画双侧海马边缘,得到三维图像,然后分别提取左侧海马、右侧海马、联合双侧海马的影像组学特征,并进行影像组学特征筛选,最后构建影像组学标签。采用受试者操作特征(ROC)曲线评估各影像组学标签的性能。选取最优影像组学标签计算影像组学分数(Rad-score),并构建影像组学(R)列线图。根据最优影像组学标签的Rad-score阈值,区分aMCI转化为AD的高风险组和低风险组,并绘制Kaplan-Meier生存曲线。通过单因素logistic回归分析确定影响aMCI患者进展的临床特征,建立临床特征(C)列线图,最后建立影像组学+临床特征的列线图(R+C)。用C指数评估R列线图、C列线图、R+C列线图预测aMCI患者3年、5年进展为AD的效能。最后绘制决策曲线评估R列线图、C列线图、R+C列线图在临床诊断中的应用价值。结果ROC曲线显示右侧海马影像组学标签预测aMCI转化为AD的效能最好(曲线下面积训练集为0.989,验证集为0.897)。以右侧海马影像组学标签的Rad-score=21.374为阈值,训练集中高风险组70例、低风险组84例,验证集中高风险组34例、低风险组32例。训练集中右侧海马影像组学标签预测低风险组、高风险组aMCI患者的转化为AD平均时间分别为42.5、25.0个月,验证集中分别为41.3、22.4个月。列线图和决策曲线均表明R+C列线图较R列线图、C列线图预测aMCI转化为AD显示出更大益处。结论右侧海马影像组学标签预测aMCI患者是否进展为AD的效能较好;右侧海马影像组学标签结合临床特征的列线图可以用于进展为AD的aMCI患者预测,更好地帮助临床医师决策提供信息。