第一部分MR-T2WI影像组学区分不同病理类型子宫肌瘤的诊断价值　　背景：子宫肌瘤为良性肿瘤，好发于育龄期女性，可引起尿频、尿急、月经量增多、盆部疼痛等一系列症状，给女性患者带来较多的痛苦或不适。子宫肌瘤最常见的三种病理类型为富细胞型、退变型及普通型，术前子宫肌瘤的病理类型的准确区分决定其治疗决策和预后，具有重要的临床意义。MRI是子宫肌瘤治疗前最重要的无创性评估手段，不同病理类型的子宫肌瘤在MRI上存在一定的信号差异，根据磁共振T2WI和DWI信号值的差异可在一定程度上区分子宫肌瘤病理类型，但不同病理类型的子宫肌瘤T2WI及DWI信号有一定重叠。影像组学通过挖掘常规影像背后高通量数据来反映组织的异质性和生物学特征，目前已应用全身诸多脏器，体现出较高的临床价值。然而影像组学在子宫肌瘤病理分型的应用相对较少，值得进一步研究。　　目的：总结不同病理类型子宫肌瘤T2WI及DWI信号特点，探讨影像组学区分子宫肌瘤病理亚型的可行性，重点识别富细胞型子宫肌瘤。　　方法：收集2015年3月至2020年6月经手术病理证实的63例65个子宫肌瘤的临床和常规MR资料，其中普通型肌瘤20例21个，富细胞型肌瘤22例23个，退变型肌瘤21例21个，回顾性分析、总结不同病理类型子宫肌瘤的T2WI、DWI信号特点及构成比。然后使用图像分割软件（ITK-SNAP）在T2WI图像上对子宫肌瘤进行三维分割和A.K软件进行特征提取，对提取的影像组学特征应用Pearson、f-SBF（随机森林函数）和10重交叉验证抽样方法进行特征选择；再利用R语言Caret包中train函数对筛选后的训练集进行训练，建立条件推理树模型，用ROC曲线和混淆矩阵计算模型总体的诊断性能。最后将65例子宫肌瘤分为富细胞型子宫肌瘤和其它组两组，将两组间有统计学差异的常规MR特征和筛选出的具有重要诊断价值的影像组学特征纳入logistic模型，比较常规MRI、影像组学和两者联合诊断富细胞型子宫肌瘤的效能。　　结果：　　1.三种病理亚型的子宫肌瘤T2WI、DWI信号构成比存在统计差异，富细胞型子宫肌瘤呈T2WI均匀高信号的比率最多（65.2%），退变型子宫肌瘤在T2WI呈混杂高信号最多（61.9%），普通型子宫肌瘤在T2WI上均呈低信号，富细胞型子宫肌瘤DWI高信号比率大于退变型子宫肌瘤和普通型子宫肌瘤（Plt;0.001）；三组子宫肌瘤间年龄、发病部位、类型无明显统计学差异（F=1.17，P=0.317）。富细胞型子宫肌瘤和其它两种病理亚型子宫肌瘤T2WI及DWI信号构成比间也存在统计学差异（Plt;0.001）。　　2.每个病灶共提取828项特征，共筛选出12项在三类子宫肌瘤间最具有鉴别诊断价值的特征。以这些特征建立起来的条件推理树模型鉴别普通型、富细胞型和退变型子宫肌瘤训练组的AUC分别为0.97，0.82，0.91，敏感性分别为100%，70.6%，80%，特异性分别为93.8%，90%，90.6%，阳性预测值88.2%，80%，80%，阴性预测值分别为100%，84.4%，90.6%。验证组的AUC分别为0.92，0.73，0.78，敏感性分别为85.3%，50%、66.7%，特异性分别为100%，75%，75%，阳性预测值100%，50%，57.1%，阴性预测值分别为92.3%，75%，82%。3.单独的常规MR特征鉴别富细胞肌瘤和其它两类肌瘤的曲线下面积（AUC）=0.909（95%CI：0.812；0.966），正确性86.96%，敏感性82.61%，特异性95.24%，阳性预测值90.5%，阴性预测值90.9%；影像组学特征鉴别诊断的AUC=0.954（95%CI：0.872；0.991），正确性91.3%，敏感性91.3%，特异性97.62%，阳性预测值95.5%，阴性预测值95.3%；两者联合的AUC为0.997（95%CI：0.939；1），正确性95.65%，敏感性95.65%，特异性100%，阳性预测值100%，阴性预测值97.7%。　　结论：　　1.富细胞、退变型及普通型三类子宫肌瘤T2WI及DWI构成比不同，根据T2WI及DWI信号可以一定程度上识别不同类型子宫肌瘤，但不同病理亚型子宫肌瘤间MR信号之间存在重叠。　　2.条件推理树三分类模型可以有效区分子宫肌瘤的三种病理学亚型，其中鉴别普通型子宫肌瘤诊断效能最高，富细胞型最低。　　3.单独的影像组学特征或常规MRI特征法建立起有效的富细胞型子宫肌瘤鉴别诊断模型；影像组学和常规MRI联合则可以建立起具有较高的模型拟合度和准确性的鉴别诊断模型，两者联合的鉴别诊断价值依次高于影像组学特征和常规MRI。　　第二部分MR常规特征联合影像组学预测子宫肌瘤HIFU治疗难度　　背景：子宫肌瘤HIFU治疗前需对消融难度和投放剂量进行评估；能效因子(EEF)是对子宫肌瘤HIFU消融难度判断和肌瘤投放量化最重要的指标。以常规MRI为基础的EEF预测模型具有一定的临床应用价值，但常规MRI基于定性影像学，不同信号强度之间存在交叉，人眼常无法识别，具有一定局限性。影像组学则可以从常规影像学图像上挖掘海量数字信息以反映组织内部的细微差别，在EEF的预测方面具有潜在价值，值得进一步研究。　　目的：分别建立HIFU治疗子宫肌瘤所需EEF的常规MRI预测模型以及常规MRI、影像组学特征联合预测模型，探讨模型中EEF的影响因素，并对两种模型进行比较，进一步探索影像组学对常规MRI的附加价值。　　方法：收集2015年10月至2020年3月间216例行高强度超声消融术治疗的子宫肌瘤临床和常规MRI资料，记录术前基线临床资料、MRI相关参数和术后消融结果，根据以上结果计算出实际EEF。采用图像分割软件（ITK-SNP）和影像组学提取软件（A.K.）对子宫肌瘤横断位T2WI图像进行三维分割和特征提取，对提取的影像组学特征应用最大相关最小冗余（minimumredundancyandmaximumcorrelation,mRMR）方法进行筛选，保留20个与EEF具有较高相关性但是互相无冗余的特征。采用SPSS软件对常规MRI参数和常规MRI、影像组学联合参数分别建立多重线性回归模型，找出两种模型EEF相关参数值，并对两种模型预测效能进行统计学比较，最终模型的预测效能的验证采用预测EEF值和实际EEF值相关性分析。　　结果：　　1.常规MRI模型结果显示子宫肌瘤T1WI增强程度（X11：轻度=0，中度=1，重度=2）、T2WI信号强度（X9：低信号=0，等信号=1，高信号=2）；子宫肌瘤的位置（X4：前壁=0，后壁=1，侧壁=2）正向影响EEF，肌瘤大小(X2：用最大直径表示)负向影响EEF，回归方程为EEF=12.11+4.261X11﹣2.067X2+3.868X9+3.371X4。　　2.常规MRI和影像组学特征联合模型结果显示wavelet_HHH_firstorder_Skewness（X12）、T1WI强化程度（X11：轻度=0，中度=1，重度=2）、T2WI信号强度（X9：低信号=0，等信号=1，高信号=2）和DWI信号强度(X10：低=0，等=1，高=2)正向影响EEF，original_shape_Maximum2DDiameterSlice（X13）负向影响EEF，回归方程为：EEF=14.901+58.177X12+3.753X11﹣0.260X13+3.089X9+2.828×X10。　　3.常规MR模型调整后的R2为0.144，所拟合的模型具有统计学意义（F=19.176，Plt;0.05），模型的Durbin-Watson值为2.007。常规MRI和影像组学特征联合模型R2为0.297，模型具有统计学意义（F=9.739，Plt;0.05），Durbin-Watson值为1.958。联合模型预测的EEF值为9.61[3.60;15.22]J/mm3，实际EEF值为6.24[3.40;11.01]J/mm3，两者相关系数r=0.5。　　结论：　　1.常规MRI，常规MRI和影像组学特征联合均可建立合理的EEF预测模型。　　2.常规MR模型显示EEF与T1WI强化程度、T2WI信号强度和子宫肌瘤的位置正相关，与子宫肌瘤最大直径（Dmax）负相关。　　3.联合模型显示EEF与wavelet_HHH_firstorder_Skewness、子宫肌瘤T1WI强化程度、T2WI和DWI信号强度正相关，而与original_shape_Maximum2DDiameterSlice负相关。　　4.联合模型对EEF预测效能显著大于常规MRI模型，影像组学对常规MR具有重要的补充价值，最终预测模型预测的EEF值和实际EEF具有中度相关性，具有一定推广价值。　　第三部分MR常规特征联合影像组学预测子宫肌瘤HIFU术后即刻消融率　　背景：子宫肌瘤HIFU消融术后的即刻消融率（NPVR）是评估疗效的重要参数，与长期预后密切相关。MRI是子宫肌瘤HIFU术前评估和病例筛选的最重要手段，目前临床术前常用常规MRI进行初步疗效预测和消融难度判断，并已有相关研究基于常规MRI建立了NPVR预测模型，结果显示常规MRI在预测子宫肌瘤术后NPVR方面具有重要价值。影像组学在识别组织的异质性和细微差别方面优于常规影像，已广泛应用在全身诸多脏器病变的诊断、鉴别诊断、疗效预测等方面，并显示了较好的临床价值，但目前尚未有影像组学特征应用于建立子宫肌瘤HIFU术后NPVR预测模型的报道，影像组学特征预测子宫肌瘤HIFU术后消融率的价值值得进一步探讨。　　目的：分别建立子宫肌瘤HIFU术后NPVR的常规MRI和常规MRI、影像组学特征联合预测模型，探讨模型中NPVR的影响因素，并对两种模型进行比较，进一步探索影像组学对常规MRI的附加价值。　　方法：收集2015年10月至2020年3月间216例行高强度超声消融术治疗的子宫肌瘤临床和MRI资料，记录术前临床资料和MR参数和术后消融结果，根据以上结果计算出NPVR。采用ITK-SNP和A.K.软件分别对子宫肌瘤横断位T2WI图像进行三维分割和特征提取，对提取的影像组学特征应用最大相关最小冗余（minimumredundancyandmaximumcorrelation,mRMR）方法进行筛选，保留20个与NPVR具有较高相关性但是互相无冗余的特征。采用SPSS软件对常规MR参数值和常规MR参数值、组学参数值分别建立多重线性回归模型，找出与两种模型NPVR相关参数值，并对两种模型预测效能进行统计学比较。最终模型的预测效能的验证采用预测NPVR值和实际NPVR值相关性分析。　　结果：1.常规MR模型结果显示子宫肌瘤HIFU术前T2WI信号强度（X9：低信号=0，等信号=1，高信号=2）、T1WI强化程度（X11：轻度=0，中度=1，重度=2）、子宫肌瘤的位置（X4：前壁=0，后壁=1，侧壁=2）均负向影响NPVR，回归方程为：NPVR=103.851－11.868X9﹣5.64X11－2.984X4。　　2.常规MR和影像组学特征联合模型结果显示HIFU术前子宫肌瘤T2WI信号强度（X9：低信号=0，等信号=1，高信号=2）、T1WI强化程度（X11：轻度=0，中度=1，重度=2）、子宫肌瘤的位置（X4：前壁=0，后壁=1，侧壁=2）、glszm_SizeZoneNonUniformity（X12）、wavelet_HHH_firstorder_Skewness（X13）均负向影响NPVR，回归方程为：NPVR=104.030﹣11.886X9﹣5.459X11﹣2.776X4﹣0.20X12﹣16.913X13。　　3.常规MR模型和联合模型调整后的R2分别为0.385、0.408，所拟合的模型具有统计学意义（Plt;0.05），各参数间不存在共线性问题，模型的Durbin-Watson值均接近标准值2。最终的联合预测模型所预测的NPVR值为81[71;91]%，实际NPVR值为89[77;97]%，两者相关系数为r=0.655(Plt;0.001)。　　结论：　　1.常规MRI，常规MRI和影像组学特征联合均可建立合理的EEF预测模型。　　2．常规MR模型显示HIFU术前子宫肌瘤T2WI信号强度、T1WI强化程度、子宫肌瘤的位置负向影响NPVR。　　3.联合模型显示HIFU术前T2WI信号强度、T1WI强化程度、子宫肌瘤的位置、glszm_SizeZoneNonUniformity、wavelet_HHH_firstorder_Skewness均负向影响NPVR。　　4.联合模型对子宫肌瘤HIFU术后NPVR预测效能稍大于常规MRI模型，提示影像组学对常规MRI有一定补充价值，但价值有限。联合模型预测NPVR和实际NPVR具有较好的相关性，具有一定临床价值。