目的基于MRI平扫T2WI和增强T1WI的影像组学特征值,探讨机器学习模型随机森林(random forest,RF)对子宫内膜癌肌层浸润深度预测价值。材料与方法回顾性分析行盆腔MRI平扫及增强检查并经手术病理证实为子宫内膜癌患者的影像资料114例(ⅠA期86例,ⅠB期28例),以4∶1的比例通过分层抽样的方法分为训练集和测试集。采用ITK-SNAP软件分别在矢状面平扫T2WI图像及多期增强T1WI图像第二时相进行手动逐层勾画ROI,分别对T2WI和增强T1WI数据集进行影像组学特征值提取(https://github.com/Radiomics/pyradiomics),并对随机森林模型进行训练和测试(http://scikit-learn.org/),采用ROC曲线评价预测效能。结果基于平扫T2WI图像特征值建立的RF模型预测子宫内膜癌肌层浸润深度在测试集的曲线下面积(AUC)为0.938,其准确度、敏感度、特异度分别为91.3%、87.5%、93.3%,模型中重要性排名前3位的特征分别为形状平坦度(shape flatness,SF)、灰度级带矩阵区域方差(GLSZMzonevariance,GLSZM-ZV)、灰度级长矩阵运行方差(GLRLM run variance,GLRLM-RV);基于增强T1WI图像建立的RF模型在测试集的AUC为0.818,准确度、敏感度、特异度分别为81.8%、100%、75.0%,模型中重要性排名前3位的特征分别为SF、灰度相关矩阵高灰度依赖程度(GLDM large dependencehighgraylevelemphasis,GLDM-LDHGLE)、灰度共生矩阵相关性(GLCM correlation)。结论基于MRI影像组学的随机森林模型在预测子宫内膜癌肌层浸润深度中具有较大应用潜力,其中基于平扫T2WI图像建立模型较增强T1WI显示出更大的诊断价值。
目的探讨基于第2版前列腺影像报告和数据系统(prostate imaging-reporting and data system version 2,PI-RADS V2)多参数磁共振成像(multiparametric magnetic resonance imaging,mp-MRI)对临床显著性移行带前列腺癌(transition zone prostate cancer,TZ-PCa)的诊断价值。材料与方法回顾性分析经病理证实的105例前列腺病变(前列腺癌41例,良性前列腺增生64例)的病例资料,所有患者行mp-MRI检查,包括T1WI、T2WI常规序列及扩散加权成像(diffusion weighted imaging,DWI)、动态增强MRI (dynamic constrast-enhanced MRI,DCE-MRI)功能成像。两位医师依据PI-RADS V2对T2WI、DWI、DCE-MRI各独立序列及mp-MRI (T2WI+DWI)联合技术评分,以病理结果为金标准绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算曲线下面积(area under curve,AUC),分析各方案对前列腺癌的诊断价值。结果两位医师PI-RADS评分具有较好的一致性(Kappa值=0.83)。T2WI、DWI、DCE-MRI及mp-MRI诊断移行带前列腺癌的AUC分别为0.914、0.887、0.773、0.927。经Medcalc分析,T2WI与mpMRI间AUC差异无统计学意义(P=0.107),余其他扫描方案间差异均有统计学意义(P<0.05),4种扫描方案诊断灵敏度、特异度分别为85.4%、84.4%,78.0%、81.3%,78.0%、76.6%,92.7%、83.9%。结论基于PI-RADS V2的mp-MRI对临床显著性移行带前列腺癌的诊断具有重要指导意义。
