第一部分基于影像组学和传统影像语义学特征的肺癌CT诊断预测模型对比:病例对照研究目的:随着多排螺旋CT薄层重建的广泛应用,肺结节的发现日益增多,其诊断与治疗也成为临床日常诊疗工作的重点。对于肺癌CT筛查项目或偶然通过CT检查发现的肺结节,初次影像学检查很难完全明确诊断,通常需要进一步影像学随访或采用侵入性穿刺检查或手术进行明确诊断,因此肺结节的过度诊疗成为临床上常见问题。除了依赖临床经验诊断初次发现的肺结节,近年来有些研究利用临床及传统影像学定性或定量参数建立预测模型进而对不同病人的肺癌诊断进行个性化评估,随着影像组学的研究与应用推广,更多的影像定量特征可以从图像中得到挖掘。本研究旨在比较基于影像组学的定量纹理分析参数和传统影像语义学特征的诊断预测模型对于肺癌病例的诊断能力。方法:121例非小细胞肺癌病例及117例良性对照病例被纳入该回顾性研究。传统影像语义学特征包括肺气肿程度,肺纤维化程度,肺结节数目,大小,位置,密度,形态以及邻近组织侵犯,淋巴结肿大状况等通过阅读CT扫描图像进行定性、定量评估,同时利用图像后处理软件对肺结节进行全容积轮廓勾勒,并提取42个影像组学定量纹理分析参数。利用LASSO逻辑回归建立三组预测模型:1)CS模型,整合研究对象的基础临床参数以及传统影像语义学特征;2)T模型,整合42个影像组学定量纹理分析参数;3)CST模型,整合所有基础临床参数,传统影像学特征以及影像组学定量纹理分析参数。对各组模型进行独立100次5折交叉验证后,计算ROC曲线下面积均值(AUCcv)(含95%置信区间)以评估各组模型对肺癌诊断预测的效能。结果:T模型,CS模型以及CST模型对应的AUCcv(含95%置信区间)分别为0.85(0.71-0.96),0.88(0.77-0.96)和0.88(0.77-0.97)。将所有研究对象根据CT图像有无增强扫描分为平扫组、增强组及混合组后,T模型对应的ROC曲线下面积均为0.86。结论:基于影像组学的定量纹理分析参数和传统影像语义学特征的诊断预测模型对于良恶性肺结节诊断的曲线下面积在交叉验证后处于0.85到0.88之间,这些模型有助于肺结节,肺癌的诊疗。模型CS以及CST的交叉验证曲线下面积(0.88)稍高于模型T的交叉验证曲线下面积0.85,但三个模型的95%置信区间显示ROC曲线大部分重合,也表明了三组模型相似的预测能力。第二部分全容积磁共振动态对比增强直方图分析在肺部病变鉴别诊断的初步探究及与传统定量参数的比较目的:研究相对于传统的磁共振动态对比增强定量诊断指标,全容积磁共振动态对比增强直方图分布对不确定的肺部病变鉴别诊断价值。方法:该回顾性研究纳入49例诊断为不确定性肺部病变患者。所有患者均进行了术前的磁共振动态增强扫描,随后并获取了病理组织学诊断。由有经验的放射科医生定义磁共振增强图像的感兴趣区,从标注出的感兴趣区中,我们提取出两类参数:第一类参数是传统磁共振动态增强的定量诊断参数,包括最大增强比,达峰时间以及斜率;第二类参数是包括体积,积分值,最大、最小值,中位数值,方差系数,偏度和峰度这8个信号直方图参数。我们用邦费罗尼校正的维尔克松秩和检验来对良性组以及恶性组的以上所有参数进行比较分析。我们分别通过单因素以及多因素的逻辑回归来研究各个参数与恶性度的相关性并通过比值比来对上述参数与恶性病变发生的关系进行归纳总结。同时,我们还尝试LOOCV交叉验证的逻辑回归,决策树,随机森林,自适应增强以及支持向量机这五种机器学习的算法来比较基于传统定量参数与直方图分布参数的模型诊断效能。结果:根据组织病理分析,49例患者中,33例患者诊断为恶性病变,16例患者诊断为良性病变。通过比较我们发现,更小的方差系数(相对于一个标准差的比值比=0.2,p值为0.0006),更小的达峰时间(相对于一个标准差的比值比=0.4,p值为0.005)以及更陡峭的斜率(相对于一个标准差的比值比=2.4,p值为0.010),与恶性病变的发生有较强的相关性。经过多因素分析,我们发现在经达峰时间校正后(相对于一个标准差的比值比=0.3,p值为0.007),或斜率校正后(相对于一个标准差的比值比=0.3,p值为0.011)或者两者叠加校正(相对于一个标准差的比值比=0.2,p值为0.005)之后,方差系数仍然与恶性病变有很高的独立相关性。经五种不同的机器学习算法验证,基于直方图分布的参数模型最后可达平均诊断准确率77%,而基于传统参数的模型平均诊断率为65%。结论:该研究发现,基于全容积磁共振动态增强扫描信号直方图提取的方差系数与恶性肺部病变独立相关。方差系数有潜力辅助诊断不确定的肺部病变,并且对传统磁共振动态增强定量参数起到补充作用。后续有必要进行大样本量的验证研究进一步挖掘和证实全容积磁共振动态增强直方图分析的价值。