基于MRI及US影像组学-临床联合模型诊断非酒精性脂肪性肝病

摘要

目的 探讨基于MRI及US影像组学-临床联合模型诊断非酒精性脂肪性肝病（NAFLD）的价值。方法 回顾性分析2021年3月～2023年9月川北医学院附属医院207例患者的MRI及US图像，包括89例NAFLD患者和118例非NAFLD患者，按8:2比例随机分为训练集(n=165,NAFLD 71例、非NAFLD 94例)和测试集(n=42,NAFLD18例、非NAFLD 24例)。通过单因素及多因素Logistic回归分析筛选NAFLD的独立临床预测因子，建立临床模型。基于MRI中OP-IP序列及US图像提取并筛选影像组学特征，建立影像组学模型，分别为MRI影像组学模型、US影像组学模型及MRI-US影像组学联合模型。联合临床特征及影像组学特征，分别建立MRI影像组学-临床联合模型、US影像组学-临床联合模型、MRI-US影像组学-临床联合模型；采用受试者ROC曲线评估各模型诊断NAFLD的效能，运用决策曲线分析评价各模型的临床价值。结果 甲胎蛋白、极低密度脂蛋白胆固醇和精神病分别为NAFLD的临床独立预测因子，用于建立临床模型。基于MRI及US图像分别筛选出19、16个最佳影像组学特征，用于建立MRI影像组学模型、US影像组学模型及MRI-US影像组学联合模型。联合临床特征及影像组学最佳特征，分别建立MRI影像组学-临床联合模型、US影像组学-临床联合模型、MRI-US影像组学-临床联合模型。训练集中，临床模型、MRI影像组学模型、US影像组学模型、MRI-US影像组学联合模型、MRI影像组学-临床联合模型、US影像组学-临床联合模型、MRIUS影像组学-临床联合模型诊断NAFLD阳性的AUC分别为0.99、1.00、0.99、1.00、1.00、0.99、1.00，在测试集中分别为0.94、1.00、0.89、0.99、1.00、0.98、1.00。决策曲线分析结果显示训练集和测试集中，MRI-US影像组学-临床联合模型的效能最高。结论基于MRI及US影像组学-临床联合模型对NAFLD具有较高的诊断价值。

关键词

影像组学 / 深度学习 / 非酒精性脂肪性肝病 / 磁共振成像 / 超声成像 / 诊断