基于动态对比增强磁共振成像的影像组学模型预测软组织肿瘤生物学行为的系列研究.pdfVIP

基于动态对比增强磁共振成像的影像组学模型预测软组织肿瘤生物学

行为的系列研究

摘要

第一部分基于动态对比增强磁共振成像的影像组学鉴别良性和恶性软

组织肿瘤

目的开发和测试基于动态对比增强磁共振成像（DynamicContrastEnhanced

MagneticResonanceImaging,DCE-MRI）的影像组学列线图，用于鉴别良性和恶性软

组织肿瘤（SoftTissueTumor，STT）。

方法纳入97例经病理证实的STT患者（训练集，67例；验证集，30例），采用西

门子工作站后处理并采用Tofts-Kety模型分析DCE-MRI数据，获取体积传递常数

（Ktrans）、微血管渗透性反流常数（Kep）和每组织体积单位分布体积（Ve）参数值

和参数图。然后从这些参数图中提取影像组学特征，并通过最小冗余最大相关性

（maximumRelevanceMinimumRedundancy，mRMR）和最小绝对收缩和选择算子

（LeastAbsoluteShrinkageSelectionOperator，LASSO）回归分析对特征进行筛选。

基于筛选的特征，构建4个影像组学标签，包括Ktrans标签、Kep标签、Ve标签和

组合标签。此外，对临床因素和MRI形态学特征中分类变量分析采用卡方检验或

Fisher精确检验，连续变量评价采用独立t检验或Mann-WhitneyU检验；对临床因

素、MRI形态学特征及三种定量参数值进行单因素逻辑回归分析，P＜0.05被认为具

有统计学意义。并通过多因素逻辑回归分析构建临床模型及参数值模型。最后，将

重要的危险因素和影像组学标签一起纳入，建立列线图。通过曲线下面积（AreaUnder

Curve，AUC）及准确度等指标评估模型效能；用校准曲线评价列线图的拟合优度；

通过决策曲线分析（DecisionCurveAnalysis，DCA）来评估列线图的临床价值。

结果验证集中Ktrans、Kep、Ve和组合标签的AUC值分别为0.651、0.703、0.847

和0.809，准确度分别为69.2%、76.9%、86.5%、75.0%。验证集中临床模型和参数

值模型的AUC值分别为0.732和0.632，准确度分别为75%和73%。影像组学列线

图的AUC值分别为0.948（训练集）和0.861（验证集），且具有较好的拟合优度和

临床应用价值。

结论基于DCE-MRI参数图的影像组学列线图可以准确、有效、无创地鉴别STT的

良恶性。

I

第二部分基于动态对比增强磁共振成像的影像组学及参数值与软组织

肉瘤HIF-1α表达水平相关性研究

目的探索软组织肉瘤（SoftTissueSarcoma，STS）中DCE-MRI参数特征与缺氧诱

导因子-1α（HypoxiaInducibleFactor-1α，HIF-1α）表达水平的相关性，开发和测试

基于DCE-MRI的影像组学模型，用于预测STS中HIF-1α的表达水平。

方法纳入73例经病理证实的STS患者（训练集，50例；验证集，23例），采用西

门子工作站后处理并采用Tofts-Kety模型分析DCE-MRI数据，获取体积传递常数

（Ktrans）、微血管渗透性反流常数（Kep）和每组织体积单位分布体积（Ve）参数

图，并计算参数值。将73例已知HIF-1α表达状态的STS患者按阳性细胞率和染色

强度综合评价分为4组（无表达组、低表达组、中等表达组及高表达组）。此外，从

所有参数图中提取影像组学特征，并通过最小冗余最大相关性（mRMR）和最小绝

对收缩和选择算子（LASSO）回归分析对特征进行筛选。基于筛选的特征，构建影

像组学标签（RadiomicsSignature，RS）。此外，对临床因素和MRI形态学特征中分

类变量分析采用卡方检验或Fisher精确检验，连续变量评价采用独立t检验或Mann-

WhitneyU