目的 观察基于MR-T2WI的深度迁移学习(deep transfer learning,DTL)特征、影像组学特征及临床特征构建的联合模型(列线图)在术前预测宫颈癌淋巴脉管间隙浸润(lymph vascular space invasion,LVSI)的价值.材料与方法 回顾性分析178例经术后病理证实为宫颈癌的患者病例,其中70例LVSI(+)、108例LVSI(-),按照8∶2划分为训练集[142例,54例LVSI(+)、88例LVSI(-)]和测试集[36例,16例LVSI(+)、20例LVSI(-)].对临床因素行单因素logistic分析,筛选出LVSI(+)独立预测因素.使用DTL方法和传统影像组学方法提取矢状位T2WI图像中病灶的DTL特征和影像组学特征,构建DTL特征数据集、影像组学特征数据集和DTL特征与影像组学特征融合的数据集,分别以t检验、Pearson分析和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归对训练集各特征数据集进行特征降维,以其最佳者构建影像组学(radiomics,Rad)模型、DTL模型、融合模型(Rad+DTL模型),并筛选最佳影像组学模型;基于上述最佳影像组学模型评分与临床独立因子构建联合模型,并绘制列线图.以校准曲线评估模型校准度,以决策曲线分析评价模型的应用价值.结果 淋巴结转移、粒细胞比率均为LVSI(+)的独立预测因子(P<0.05).Rad+DTL模型为最佳影像组学

作者：林宝金；龙先凤；吴朝霞；梁莉莉；卢子红；甘武田；朱超华

来源：磁共振成像 2024 年 15卷 3期