简介：摘要目的探讨CT影像组学定量特征在预测肺癌表皮生长因子受体（EGFR）突变中的价值。方法回顾性分析2013年9月至2018年10月在苏州大学附属第一医院确诊的144例有EGFR基因检测结果的肺癌患者的资料，男75例、女69例，中位年龄54（25~68）岁。其中，EGFR突变型81例，男39例、女42例，中位年龄52（25~64）岁；EGFR野生型63例，男36例、女27例，中位年龄56（32~68）岁。按照2∶1的比例随机分配为训练组和验证组。利用MaZda软件提取影像组学特征包括灰度直方图（GLH）、绝对梯度（GRA）、灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）、自回归模型（ARM）和小波变换（WAV）等特征。采用费希尔参数法（Fisher）、分类错误率联合平均相关系数法（POE+ACC）和相关信息测度法（MI）3种特征选择方法对提取的定量特征进行筛选，分别选择10个相关的最优特征，得到最优特征子集。然后用线性判别分析法（LDA）和非线性判别分析法（NDA）对三组最优特征子集进行分析，计算出其鉴别肺癌EGFR突变型与野生型的准确度、敏感度和特异度，利用人工神经网络（ANN）对训练组准确度最高的最优特征子集建立预测模型，并利用建立的预测模型，对验证组肺癌EGFR突变型与野生型进行鉴别诊断。结果MaZda软件提取训练组肺癌EGFR突变型与野生型图像定量特征，一共301个。Fisher-NDA和（POE+ACC）-NDA法选择的最优特征子集鉴别肺癌EGFR突变型与野生型的准确度最高，为93.8%。Fisher-NDA法最优特征子集预测模型鉴别验证组中肺癌EGFR突变型与野生型的准确度、敏感度和特异度分别为83.3%、86.7%和77.8%。结论CT影像组学最优特征子集在预测肺癌EGFR突变中有较高的准确度，为预测肺癌基因表达提供了一种新的方法。

简介：摘要目的通过基于扩散张量成像（DTI）的全肿瘤纹理分析建立放射组学模型，从而实现无创性预测异柠檬酸脱氢酶1（IDH1）突变。方法收集2016年2月至2019年6月苏州大学附属第一医院收治并经手术确诊星形细胞瘤患者的术前MRI图像，包括T1WI、T2WI、DTI和T1对比增强。最终共纳入38例患者，男20例、女18例，其中12例突变型，26例野生型，年龄（49±15）岁。使用MaZda软件在T2WI图像的每个层面上绘制感兴趣区（ROI）并将其复制到表观扩散系数（ADC）和各向异性分数（FA）图，提取肿瘤全体素的纹理特征参数。使用最小绝对值收敛和选择算子（LASSO）回归确定最佳放射性组学特征，计算放射组学分数，使用二元Logistic回归构建组学预测模型，绘制受试者工作特征（ROC）曲线分析诊断效能以及校正曲线评估模型预测性能。结果经LASSO回归最终确定了4个最有价值的放射组学特征，分别为ADC偏度3D、ADCPerc.01%3D、ADCPerc.50%3D和FAPerc.99%3D，随后基于放射组学特征建立每例患者的放射组学标签和Logistic回归模型。野生组和突变组的放射组学评分分别为2.3±0.3和1.8±0.4，组间差异有统计学意义（P<0.05），ROC曲线分析显示AUC为0.837，灵敏度和特异度分别为91.7%和61.5%。Logistic回归模型具有良好的预测性能，AUC为0.907，灵敏度和特异度分别为91.7%和84.6%。结论基于DTI的全肿瘤放射组学模型有助于预测胶质瘤IDH1突变。