典型文献
基于MRI-T2WI影像组学列线图鉴别卵巢交界性与恶性上皮源性肿瘤
文献摘要：
目的 建立基于MRI-T2WI影像组学列线图并评价其鉴别卵巢交界性上皮源性肿瘤(boderline epithelial ovarian tumors,BEOTs)及恶性上皮源性肿瘤(malignant epithelial ovarian tumors,MEOTs)的效能及临床应用价值.材料与方法 回顾性分析2016年1月至2021年5月间南京医科大学附属淮安第一医院经病理证实的上皮源性卵巢肿瘤患者的临床及影像资料,共计192例,其中BEOTs 72例,MEOTs 120例,按8:2比例随机分为训练集(n=153)及测试集(n=39),从每个患者的轴位T2WI图像中手动勾画感兴趣区并提取影像组学特征.使用Mann-Whitney U检验、相关性分析及最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)回归进行特征选择,并构建影像组学模型及计算影像组学评分Radscore.结合临床因素及Radscore,采用多元logistic回归模型构建影像组学列线图模型.最后通过ROC曲线、校准曲线及决策曲线分析评价列线图模型的临床应用价值.结果 经特征筛选后最终保留10个影像组学特征.结合HE4和Radscore的影像组学列线图在训练集及测试集中的曲线下面积值(area under the cure,AUC)(训练集:0.947,测试集:0.914)均大于单一的影像组学模型(训练集:0.925,测试集:0.819).ROC曲线及决策曲线分析结果 显示,影像组学列线图模型更具优势.结论 结合MRI-T2WI影像组学特征和临床因素的影像组学列线图模型可直观、准确地鉴别BEOTs及MEOTs,并为下一步的临床决策提供指导.
文献关键词：
卵巢肿瘤;影像组学;机器学习;列线图;磁共振成像;T2加权成像
中图分类号：
作者姓名：
丁聪;魏明翔;贾建业;周围;柏根基
作者机构：
南京医科大学附属淮安第一医院影像科,淮安 223000;南京医科大学附属苏州医院影像科,苏州 215000
文献出处：
引用格式：
[1]丁聪;魏明翔;贾建业;周围;柏根基-.基于MRI-T2WI影像组学列线图鉴别卵巢交界性与恶性上皮源性肿瘤)[J].磁共振成像,2022(07):55-60
A类：
boderline,BEOTs,MEOTs
B类：
T2WI,图鉴,epithelial,ovarian,tumors,malignant,临床应用价值,材料与方法,南京医科大学,淮安,卵巢肿瘤,肿瘤患者,影像资料,训练集,测试集,轴位,手动勾画,感兴趣区,影像组学特征,Mann,Whitney,选择算子,least,absolute,shrinkage,selection,operator,LASSO,特征选择,影像组学评分,Radscore,结合临床,临床因素,logistic,列线图模型,校准曲线,决策曲线分析,特征筛选,HE4,area,under,cure,临床决策,磁共振成像,加权成像
AB值：
0.263315
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。
