1、“.....在宏观图像和分子水列线图的临床应用价值。结果患者年龄病灶所在区域以及筛选出的影像组学特征与前列腺结节的良恶性鉴别显著相关。影像组学模型对前列腺良恶性结节有较好的鉴别效能，训练集验证集，。影像组学列线图结合了双参数图像的影像组学特征和独立的临床危险因素，在训练集，和验证集，中表现出更好的鉴别效能和病理符合率，决策曲线展示了临床影像组学结合模型的临床应用价值。结论结合双参数影像组学特征和临床危险因临床影像组学列线图鉴别前列腺良恶性结节的应用价值影像研究临床影像组学列线图提供了种易于使用可量化和个体化的筛查前列腺癌的工具，有助于避免对前列腺癌患者进行不必要的治疗和侵入性检查，并防止及推迟了低级别前列腺癌的进展。影像组学特征在前列腺非癌组织与癌组织之间以及移行带外周带肿瘤之间均有显著差异存在。等对例患者的图像进行全病灶纹理分析......”。

2、“.....图上的肿瘤能量和熵与格里森得分相关。摘要目的建立基于双参数的临床影提出的将复杂分区简化的区理论，即前列腺的内侧部分移行区和外侧部分周围区和中央区，主要见于中央区，而前列腺癌多见于周围区，与本研究结果致。在本研究中，病灶体积与前列腺良恶性结节鉴别的相关性并不显著。临床影像组学列线图鉴别前列腺良恶性结节的应用价值影像研究。表临床影像组学及联合模型鉴别前列腺良恶性结节的结果图回归模型的建立图组学模型中使用的特征以及影像组学标签图临床影像组学列线图讨论影像组学近年来在肿瘤研究中得到了广泛最适合鉴别前列腺上皮内瘤变和前列腺癌。用加权和训练的实现了与临床前列腺成像报告和数据系统评估类似的性能。影像组学特征的诊断效率高于临床独立危险因素......”。

3、“.....因此，影像组学方法可以通过我们现有的图像结合简易的临床指标无创地量化肿瘤的异质性。多元回归分析显示影像组学特征和年龄及病灶所在区域可作为前列腺良恶性鉴别的独立预测因素。年龄和评分相关，影像组学列线图的构建多元回归分析用于筛选与前列腺结节良恶性鉴别的独立预测因素，其中包括潜在的预测因素，如影像组学特征和临床危险因素。为了给临床医生提供个体化鉴别良恶性结节的定量工具，我们在多元回归模型的基础上构建了兼具影像组学和临床特征的影像组学列线图。影像组学列线图的性能和验证量化影像组学列线图的鉴别性能，使用从训练数据导出的公式计算验证数据中每个患者的，同时除计算外，亦进行了校准和相同，则选择直径最大的病变勾画病灶，对于活检病理证实的非癌前列腺区域的患者，勾画感兴趣区的直径不小于。采用组内和组间相关系数评价影像组学特征提取的重复性......”。

4、“.....病理结果对他们盲化。首先，两位医生随机分析了张图片，以评估组间的重复性。周后，医生重复了同样的程序，大于，其余的图像分割由医生执行。图像预处理及特征计算使用软的预测准确性通过受试者操作特征曲线下的面积来量化。临床影像组学列线图鉴别前列腺良恶性结节的应用价值影像研究。表临床因素单变量和多变量分析结果影像组学模型共从感兴趣区中提取了个影像性特征。在观察者内和观察者间致性检验中，所有特征的均大于。使用算法和倍交叉验证将所有特征精简为个潜在的预测因子，这些预测因子基于训练队列中的名患者，运用这些预测因子来建立回归模型图。模型中使用的特征及影像学标签如图所评分最高的病变勾画感兴趣区，如果相同，则选择直径最大的病变勾画病灶......”。

5、“.....勾画感兴趣区的直径不小于。采用组内和组间相关系数评价影像组学特征提取的重复性。两位在前列腺癌诊断方面有年医生和年医生经验的影像科医生在和图像上手动将病灶感兴趣区分割出来，病理结果对他们盲化。首先，两位医生随机分析了张图片，以评估组间的重复性。周后，医生重复了同样的程序，大于，其余的病灶体积与前列腺良恶性结节鉴别的相关性并不显著。影像组学列线图的构建多元回归分析用于筛选与前列腺结节良恶性鉴别的独立预测因素，其中包括潜在的预测因素，如影像组学特征和临床危险因素。为了给临床医生提供个体化鉴别良恶性结节的定量工具，我们在多元回归模型的基础上构建了兼具影像组学和临床特征的影像组学列线图。影像组学列线图的性能和验证量化影像组学列线图的鉴别性能......”。

6、“.....。图病灶分割影像组学特征选择与标签构建采用适用于高维数据回归的最小绝对收缩选择算子回归算法，从训练集中选取与前列腺良恶性结节鉴别最相关的非零系数特征，并对所选特征各自的系数加权进行线性组合，为每个患者计算影像组学评分，以量化影像组学特征。在训练集和验证集中，影像组学特征的预测准确性通过受试者操作特征曲线下的面积来量。影像组学分析病灶分割和特征提取预处理后的和图像中成像层面应保持匹配，上所描绘的感兴趣区要与病理描述的位臵相致，外周带病变勾画以图为主，移行带病变勾画以为主。选择病灶最大截面，沿着病灶边界勾画感兴趣区，如图所示，以获得维数据，对于多灶前列腺癌病灶，选择评分最高的病变勾画感兴趣区，如果独立危险因素，表明影像组学方法比传统的临床特征更能反映前列腺恶性结节存在的风险。因此......”。

7、“.....多元回归分析显示影像组学特征和年龄及病灶所在区域可作为前列腺良恶性鉴别的独立预测因素。年龄和评分相关，年龄越大，组织学不良的风险越高。大于岁与岁以下的男性相比，前列腺组织学预后较差的和分别为和，本研究表明，年龄与更具侵袭性的前列腺癌有关。筛。这些选中的特征被用来计算影像组学评分，是由构建模型的特征乘以各自对应的系数之和所得到，公式为常数。加权特征如下所示图像分割由医生执行。图像预处理及特征计算使用软件，。图病灶分割影像组学特征选择与标签构建采用适用于高维数据回归的最小绝对收缩选择算子回归算法，从训练集中选取与前列腺良恶性结节鉴别最相关的非零系数特征，并对所选特征各自的系数加权进行线性组合，为每个患者计算影像组学评分，以量化影像组学特征。在训练集和验证集中，影像组学特，同时除计算外......”。

8、“.....通过量化不同阈值概率下联合模型训练集和验证集的净效益，进行决策曲线分析。影像组学分析病灶分割和特征提取预处理后的和图像中成像层面应保持匹配，上所描绘的感兴趣区要与病理描述的位臵相致，外周带病变勾画以图为主，移行带病变勾画以为主。选择病灶最大截面，沿着病灶边界勾画感兴趣区，如图所示，以获得维数据，对于多灶前列腺癌病灶，选可以发现分化良好的前列腺癌，通常使男性致命的低分化癌却很少被发现，事实上，些分化最差最致命的前列腺癌患者水平有时亦可以保持正常，由于病人筛选入组的缘故，本研究中与病灶良恶性的鉴别明显相关。难以可靠地将移行区与中央区分开，所以当前从不同角度研究前列腺疾病时，常应用提出的将复杂分区简化的区理论，即前列腺的内侧部分移行区和外侧部分周围区和中央区，主要见于中央区，而前列腺癌多见于周围区，与本研究结果致。在本研究中......”。

9、“.....右侧为验证集图种模型预测前列腺良恶性结节的受试者操作特征曲线左侧为训练集，右侧为验证集图种模型的临床决策曲线等对例前列腺全切患者术前的影像研究发现，高值图像在鉴别良性前列腺增生和前列腺癌方面优于，而最适合鉴别前列腺上皮内瘤变和前列腺癌。用加权和训练的实现了与临床前列腺成像报告和数据系统评估类似的性能。影像组学特征的诊断效率高于临的基因或蛋白质变化中识别肿瘤的异质性，目前已被广泛用于对头颈部肿瘤肺癌和结直肠癌等病变的检测分类治疗反应评估及预测，影像组学具有无创快速可重复性强和低成本的特点，以磁共振成像为基础的影像组学作为个发展趋势和前景广阔的研究领域，已被广泛应用于肿瘤异质性的评价，并取得了较高的诊断效率。在本研究中......”。