论文部分内容阅读
第一部分 基于胃癌病灶双能CT影像组学构建淋巴结转移预测模型[目 的]探讨胃癌(Gastric cancer,GC)患者的肿瘤标志物、双能CT(Dual-energy CT,DECT)动脉期和静脉期GC病灶的定量碘浓度(Iodine concentration,IC)及影像组学特征预测淋巴结转移(Lymph node metastasis,LNM)的价值。[方 法]收集昆明医科大学第三附属医院177例术前接受DECT扫描并经术后病理证实为GC患者的资料,包括患者术前血清肿瘤标志物(CA125、CA199、CEA),测量动脉期(Arterial phase,AP)及静脉期(Venous phase,VP)GC 病灶的IC和标准化碘浓度(Normalized iodine concentration,nIC)。根据病理结果将患者分为淋巴结转移组与淋巴结未转移组。采用Wilcoxon秩和检验比较两组GC病灶的各肿瘤标志物及IC、nIC等参数值,并绘制ROC曲线,评价其预测LNM的效能。采用西门子syngo.via Frontier Radiomics软件提取影像组学特征,利用Python Scikit-learn软件构建随机森林(random forest,RF)模型,将所有患者按7:3的比例随机分成训练集和测试集预测LNM,利用ROC曲线评价RF模型训练集和测试集的诊断效能;联合上述筛选出来的独立预测因素,利用R语言3.5.2构建Nomogram图,按7:3比例随机分为训练集和测试集,利用ROC曲线评价其诊断效能;采用校准曲线检验Nomogram图的准确度,通过临床决策曲线(Decision Curve Analysis,DCA)评价RF模型和Nomogram图的临床价值。[结 果]177例GC患者中,淋巴结转移组83例,淋巴结未转移组94例。患者术前CA125、CA199和CEA血清肿瘤标志物参数对于预测是否有LNM有统计学意义(P<0.05)。转移组AP及VP的IC分别为2.63(2.3,3.00)mg/ml、3.60(3.23,4.03)mg/ml,AUC 曲线下面积分别为 0.83、0.91;nIC 分别为 0.18(0.15,0.21)mg/ml、0.78(0.65,0.86)mg/ml,AUC 曲线下面积分别为 0.79、0.87。转移组无论是IC还是nIC均高于未转移组(P<0.05)。利用GC病灶提取影像组学特征建立随机森林(Random forest,RF)模型预测GC淋巴结是否有转移有较高的诊断价值,训练集和测试集AUC值分别为0.959、0.977;Nomogram图训练集和测试集预测LNM的AUC值分别为0.996、0.976。[结 论]基于GC患者术前血清肿瘤标志物(CA125、CA199和CEA)参数、病灶的定量DECT参数值(动脉期及静脉期IC、nIC)、影像组学特征建立的模型对预测LNM有较高的诊断价值,且联合多参数构建的Nomogram图诊断效能更高,可为术前评估LNM提供可靠依据。第二部分 基于胃癌淋巴结双能CT影像组学构建淋巴结转移评估模型[目 的]探讨胃癌(Gastric cancer,GC)患者双能 CT(Dual-energy CT,DECT)扫描动脉期和静脉期淋巴结的定量碘浓度(iodine concentration,IC)及影像组学特征预测胃癌淋巴结转移的价值。[方 法]收集昆明医科大学第三附属医院265枚术前接受DECT扫描并经术后病理证实其性质的淋巴结,测量动脉期(Arterial phase,AP)和静脉期(Venous phase,VP)淋巴结的 IC 及标准化碘浓度(Normalized iodine concentration,nIC)、收集常规影像学参数。根据病理结果将其分为转移组与未转移组。采用Wilcoxon秩和检验比较两组淋巴结的IC、nIC及常规影像学参数(长径、短径、短长比)等,并绘制ROC曲线,评价其鉴别GC淋巴结性质的效能。采用西门子syngo.via Frontier Radiomics软件提取影像组学特征,利用Python Scikit-learn软件构建随机森林(random forest,RF)模型,将所有患者按7:3的比例随机分成训练集和测试集鉴别GC淋巴结性质,利用ROC曲线评价RF模型训练集和测试集的诊断效能;联合上述筛选出来的独立预测因素,利用R语言3.5.2构建Nomogram图,按7:3比例随机分为训练集和测试集,利用ROC曲线评价其诊断效能;采用校准曲线检验Nomogram图的准确度,通过临床决策曲线(Decision Curve Analysis,DCA)评价RF模型和Nomogram图的临床价值。[结 果]265枚淋巴结中,转移组128枚,未转移组137枚。常规影像学参数(长径、短径、短长比)对于鉴别GC淋巴结性质有统计学意义(P<0.05)。转移组动脉期及静脉期 IC 分别为 2.48(2.00,3.06)mg/ml、3.20(2.74,3.57)mg/ml,AUC 曲线下面积分别为 0.619、0.751;nIC 分别为 0.18(0.14,2.22)mg/ml、0.64(0.54,0.74)mg/ml,AUC曲线下面积分别为0.576、0.677。转移组淋巴结无论是IC还是nIC均高于未转移组(P<0.05)。利用淋巴结影像组学特征鉴别其性质有较高的诊断价值,随机森林(RF)模型训练集和测试集预测胃癌淋巴结转移的AUC值分别为0.918、0.977;Nomogram图训练集和测试集预测胃癌淋巴结转移的AUC值分别为0.991、0.936。[结 论]GC淋巴结常规影像学参数(长径、短径、短长比)、定量DECT参数值(能谱曲线斜率、动脉期及静脉期IC、nIC)、影像组学特征对鉴别淋巴结性质具有一定的诊断价值但诊断效能不高,基于GC淋巴结的影像学特征、联合多参数构建的Nomogram图能够明显提高诊断效能,可为术前淋巴结性质的判定提供依据。