简介:目的:探讨基于影像组学的肺结节恶性程度预测。方法:对肺部图像影像数据库(TheLungImageDatabaseConsortium,LIDC)-IDRI(ImageDatabaseResourceInitiative)中604例肺结节患者的CT图像进行分析,其中含肺结节的CT图像共2803幅,医师手工勾画肺结节轮廓。根据肺结节诊断标准,共提取96个灰度、形态和纹理高通量特征,输入基于随机森林的多类分类器进行恶性程度预测。恶性程度分为5级,以数字1~5表示。随机选取1000幅CT图像作为训练样本,剩余的1803幅CT图像作为测试样本,实验重复10次。结果:对于单个肺结节,5类恶性程度的平均预测准确率为77.85%。对于每一类预测,曲线下面积(areaundercurve,AUC)均在0.94以上。对于每例患者,肺结节恶性程度的预测准确率为75.16%。结论:该研究提出的基于影像组学的方法对肺结节恶性程度的预测性能良好,可为临床诊断提供可靠的辅助信息,以利于早期发现病灶。
简介:目的:探讨超声影像组学定量特征对浸润性乳腺癌激素受体表达的预测价值。方法:回顾性分析204例浸润性乳腺癌患者的术前超声图像及术后病理结果。根据雌激素受体(estrogenreceptor,ER)、孕激素受体(progesteronereceptor,PR)及人表皮生长因子受体2(humanepidermalgrowthfactorreceptor2,HER-2)表达,将患者分为两组:激素受体阳性组(ER+、PR+、HER-2-),激素受体阴性组(ER-、PR-、HER-2-)。两名具有5年以上临床经验的超声科医师对乳腺癌肿块超声图像进行回顾性特征分析与评估,评估内容包括肿块的形态、边缘、内部回声、后方回声改变及钙化。然后,对同一个肿块利用基于相位信息的动态轮廓模型进行边缘分割。通过t检验,筛选出与激素受体相关性最强的特征参数,通过支持向量机分类器,运用径向基核函数进行分析与研究。为减少偏倚,采用留一法对分类性能进行验证。结果:激素受体阳性组与阴性组在形态、边缘毛刺成角、内部回声及后方回声改变等二维特征方面存在显著统计学差异(P<0.05)。定量分析选出54个定量特征,对激素受体表达具有较高准确率(准确率67.7%,曲线下面积73.2%)。此外,边缘、内部回声、后方回声及钙化等定量特征在激素受体阳性与阴性组之间均存在显著统计学差异(P<0.05)。结论:超声影像组学定量特征分析降低了传统超声影像的主观性,在预测浸润性乳腺癌激素受体表达方面具有较大优势,其在提高超声影像学特征对乳腺癌精准诊断及生物学行为预测方面的价值仍需进一步研究。