论文部分内容阅读
第一部分 MRI影像组学对垂体微腺瘤的诊断价值目的:探讨MRI影像组学在诊断垂体微腺瘤中的应用价值。方法:回顾性收集皖南医学院弋矶山医院2015年1月-2020年12月经诊断性治疗、临床随访及病理确诊的95例垂体微腺瘤患者和60例正常垂体的完整资料。将受试者按7:3的比例随机分为训练组（109例）、验证组（46例）。所有受试者均行垂体平扫和动态增强扫描。使用ITK-SNAP软件分别对T1WI、T2WI平扫及T1WI增强序列的冠状位扫描图像逐层手动勾画ROI并进行三维融合,采用AK软件提取纹理特征,利用m RMR和LASSO回归方法对纹理特征降维,建立影像组学标签。对临床因素及MRI特征中的连续变量采用独立样本t检验或Mann-Whiney U检验,对分类变量采用卡方检验或fisher精确检验;采用多因素logistic回归构建包含影像组学标签和MRI特征的个性化模型。Hosmer-Lemeshow检验模型的拟合效果,绘制受试者工作曲线ROC评价MRI特征模型、影像组学模型及个性化模型在诊断垂体微腺瘤中的效能。采用Delong检验比较各模型ROC曲线AUC。通过决策曲线评价其临床应用价值。结果:1、最大上升斜率、达峰时间、T1WI信号强度比值、T2WI信号强度比值及T1WI增强信号强度比值在训练组和验证组中差异有统计学意义（P﹤0.05）。最大强化率在训练组差异有统计学意义（P=0.03）,在验证组差异无统计学意义（P=0.08）。年龄在训练组和验证组中差异均无统计学意义（P值分别为0.99、0.92）。联合最大强化率、最大上升斜率、达峰时间、T1WI信号强度比值、T2WI信号强度比值及T1WI增强信号强度比值变量构建的MRI特征模型在训练组和验证组AUC分别为0.95（95%可信区间为0.90～1.00）和0.93（95%可信区间为0.85～1.00）。2、经m RMR去冗余,再经LASSO回归降维后分别从T1WI、T2WI、T1WI增强和联合序列中筛选出14、13、15、15个纹理特征。将这些特征所对应加权系数乘积的线性组合得到每个患者的组学标签得分（radscore）,分别建立T1WI、T2WI、T1WI增强和联合序列影像组学模型。经ROC分析,联合序列影像组学模型对于诊断垂体微腺瘤的效能最高,在训练组和验证组AUC分别为0.90（95%可信区间为0.83～0.96）和0.79（95%可信区间为0.62～0.95）。T1WI影像组学模型在训练组和验证组AUC分别为0.82（95%可信区间为0.72～0.91）和0.77（95%可信区间为0.60～0.94）。T2WI影像组学模型在训练组和验证组AUC分别为0.79（95%可信区间为0.69～0.91）和0.78（95%可信区间为0.59～0.97）。T1WI增强影像组学模型在训练组和验证组AUC分别为0.81（95%可信区间为0.71～0.91）和0.78（95%可信区间为0.60～0.96）。3、将MRI特征和联合序列影像组学标签结合构建个性化模型,经ROC分析,模型在训练组和验证组AUC分别为0.98（95%可信区间为0.96～1.00）和0.99（95%可信区间为0.98～1.00）。最大强化率、最大上升斜率、达峰时间、T1WI信号强度比值、T2WI信号强度比值、T1WI增强信号强度比值和联合序列影像组学标签为诊断垂体微腺瘤的独立危险因子。经Hosmer-Lemeshow检验,模型在两组拟合优度均较好（p>0.05）。经Delong检验,个性化模型与MRI特征模型及联合序列影像组学模型AUC差异有统计学意义（P<0.05）。决策曲线分析表明个性化模型具有较好的临床收益。结论:1、最大强化率、最大上升斜率、达峰时间、T1WI信号强度比值、T2WI信号强度比值及T1WI增强信号强度比值对垂体微腺瘤诊断具有意义,构建的MRI特征模型具有很高诊断价值。2、MRI影像组学模型中,联合序列影像组学模型优于3个单序列影像组学模型,具有较高诊断价值,但不及MRI特征模型诊断效能高。3、MRI特征和联合序列影像组学标签结合构建个性化模型优于联合序列影像组学模型及MRI特征模型,均具有较好的临床收益。第二部分 MRI影像组学在鉴别泌乳素型微腺瘤与非泌乳素型微腺瘤中的价值目的:探讨MRI影像组学在鉴别泌乳素型微腺瘤与非泌乳素型微腺瘤中的应用价值。方法:回顾性分析2015年1月至2020年12月在我院经临床随访、病理及诊断性治疗确诊为垂体微腺瘤的95例患者,其中泌乳素型微腺瘤62例,非泌乳素型微腺瘤33例;将患者按7:3的比例随机分为训练组（68例）、验证组（27例）。所有患者均行垂体常规和动态增强扫描,使用ITK-SNAP软件对T1WI、T2WI平扫及T1WI增强序列的冠状位扫描图像逐层手动勾画ROI并进行三维融合,采用AK软件提取纹理特征,利用m RMR和LASSO回归方法对纹理特征降维,建立影像组学标签;对临床因素及MRI特征中的连续变量采用独立样本t检验或Mann-Whiney U检验,对分类变量采用卡方检验或fisher精确检验;采用多因素logistic回归构建包含影像组学标签和临床因素的个性化模型,Hosmer-Lemeshow检验模型的拟合效果,绘制ROC曲线评价模型的诊断效能。采用Delong检验比较各模型ROC曲线AUC。决策曲线评价模型的临床应用价值。结果:1、年龄在训练组差异有统计学意义（P=0.03）,在验证组差异无统计学意义（P=0.71）。年龄在训练组和验证组AUC分别为0.79（95%可信区间为0.680.90）和0.59（95%可信区间为0.330.85）。2、经m RMR去冗余,再经LASSO回归降维后分别从T1WI、T2WI、增强T1WI和联合序列中筛选出13、15、14、13个纹理特征,将这些特征所对应加权系数乘积的线性组合得到每个患者的组学标签得分（rad-score）,分别建立T1WI、T2WI、增强T1WI和联合序列影像组学模型。经ROC分析T1WI影像组学模型对于鉴别泌乳素型微腺瘤的效能最高,在训练组和验证组AUC分别为0.90（95%可信区间为0.830.97）和0.78（95%可信区间为0.600.97）。T2WI影像组学模型在训练组和验证组AUC分别为0.88（95%可信区间为0.800.96）和0.77（95%可信区间为0.590.95）。T1WI增强影像组学模型在训练组和验证组AUC分别为0.75（95%可信区间为0.630.87）和0.72（95%可信区间为0.510.92）。联合序列影像组学模型在训练组和验证组AUC分别为0.88（95%可信区间为0.810.96）和0.69（95%可信区间为0.480.89）。3、结合年龄和T1WI影像组学标签构建的个性化模型诊断效能最高,在训练组和验证组AUC分别为0.93（95%可信区间为0.870.99）和0.79（95%可信区间为0.610.97）。年龄和T1WI影像组学标签为诊断垂体微腺瘤的独立危险因子。经Hosmer-Lemeshow检验模型在两组拟合优度均较好（p>0.05）。经Delong检验,个性化模型与T1WI影像组学模型AUC差异无统计学意义（P>0.05）。决策曲线分析表明个性化模型具有较好的临床收益,,优于T1WI影像组学模型。结论:1、肿瘤最大径、半定量参数（最大上升斜率、达峰时间、最大强化率）及各序列信号强度比值（T1WI信号强度比值、T2WI信号强度比值及T1WI增强信号强度比值）均不能鉴别泌乳素型微腺瘤与非泌乳素型微腺瘤,年龄有一定的鉴别作用。2、MRI影像组学模型中,T1WI影像组学模型的诊断价值优于T2WI、T1WI增强及联合序列影像组学模型。3、临床因素（年龄）和T1WI影像组学标签结合构建个性化模型诊断效能优于T1WI影像组学模型,个性化模型具有较好的临床收益。