首站-论文投稿智能助手
典型文献
基线磁共振T2WI纹理预测晚期直肠癌转化治疗原发灶疗效的应用研究
文献摘要:
目的 探讨基线磁共振成像(magnetic resonance imaging,MRI)T2WI图像纹理分析在晚期直肠癌转化治疗原发灶疗效的预测价值.材料与方法 回顾性分析临床及病理证实为晚期直肠癌的患者66例,基线行盆腔MRI平扫、增强及扩散加权成像(diffusion weighted imaging,DWI)检查.根据平扫及增强图像明确肿瘤的部位及范围,运用Mazda软件提取T2WI图像感兴趣区(region of interest,ROI)纹理,分别运用线性判别分析(linear discriminant analysis,LDA)、非线性判别分析(nonlinear discriminant analysis,NDA)和主要成分分析(principal component analysis,PCA)3种提取方法 进行判别分类,筛选出最优方法 进行纹理提取.结合术后病理,比较晚期直肠癌患者原发灶疗效敏感组与不敏感组基线形态学特征,比较两组T2WI序列图像纹理特征,构建疗效预测模型.结果 66例晚期直肠癌患者原发灶术后病理肿瘤退缩分级(pathological tumor regression grade,pTRG)显示:pTRG 0级9例,pTRG 1级8例,pTRG 2级35例,pTRG 3级14例,其中敏感组(pTRG 0~2级)52例和不敏感组(pTRG 3级)14例.两组患者原发灶累及肠段、与腹膜反折关系、纵向累及长度、占肠腔环周比例、斜轴位最大厚度、肿瘤下缘距肛缘的距离差异均无统计学意义(P均>0.05);Fisher纹理特征提取法下的NDA分类方法 误判率最低,故运用该方法 提取图像纹理.晚期直肠癌转化治疗原发灶不同疗效组别各纹理特征单因素分析显示:第一百分位数(Percentile,Perc 1%)、S(2,0)DifEntrp、S(3,0)InvDfMom、S(3,-3)SumAverg、S(4,0)InvDfMom、S(4,-4)SumAverg、S(5,0)InvDfMom、S(5,-5)SumAverg、S(2,2)SumVarnc各指标差异均有统计学意义(P均<0.05),S(2,2)SumVarnc、S(3,0)DifEntrp差异无统计学意义(P=0.05、0.052);将单因素分析差异有统计学意义的指标纳入Logistic模型进行多因素分析显示:Perc 1%、S(5,0)InvDfMom为晚期直肠癌原发灶转化治疗不敏感的独立预测因子,运用上述因子构建晚期直肠癌原发灶转化治疗不敏感预测模型曲线下面积(area under the curve,AUC)为0.812,敏感度为92.90%,特异度为60.80%.结论 基于MRI Fisher提取法所提取的T2WI图像纹理特征有助于预测晚期直肠癌原发灶转化治疗疗效,为患者个体化治疗方案的制定提供有价值的参考信息.
文献关键词:
晚期直肠癌;磁共振成像;转化治疗;病理分级;纹理分析;疗效预测
作者姓名:
王铮;孟令候;李强;李丽娅;田连芬;梁彬玲;周传集
作者机构:
广西医科大学附属肿瘤医院,南宁 530021;广西影像医学临床医学研究中心,南宁 530021;广西临床重点专科(医学影像科),南宁 530021;广西医科大学研究生学院,南宁 530021
文献出处:
引用格式:
[1]王铮;孟令候;李强;李丽娅;田连芬;梁彬玲;周传集-.基线磁共振T2WI纹理预测晚期直肠癌转化治疗原发灶疗效的应用研究)[J].磁共振成像,2022(01):42-47,53
A类:
pTRG,DifEntrp,InvDfMom,SumAverg,SumVarnc
B类:
T2WI,晚期直肠癌,转化治疗,原发灶,磁共振成像,magnetic,resonance,imaging,图像纹理分析,预测价值,材料与方法,临床及病理,盆腔,平扫,扩散加权成像,diffusion,weighted,DWI,增强图像,Mazda,感兴趣区,region,interest,ROI,线性判别分析,discriminant,analysis,LDA,nonlinear,NDA,principal,component,纹理提取,术后病理,不敏,线形,形态学特征,序列图像,图像纹理特征,疗效预测,肿瘤退缩分级,pathological,tumor,regression,grade,肠段,腹膜,反折,斜轴,轴位,大厚度,下缘,离差,Fisher,纹理特征提取,提取法,分类方法,误判率,组别,第一百,一百分,百分位数,Percentile,多因素分析,预测因子,area,under,curve,治疗疗效,个体化治疗方案,考信,病理分级
AB值:
0.269278
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。