《表3 联合序列影像组学标签和影像组学模型诊断效能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《MRI影像组学术前预测浸润性乳腺癌脉管侵犯的价值》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将临床资料、形态学特征、病理结果及影像组学标签，结合采用多因素Logistic回归建立影像组学预测模型，模型纳入的变量有毛刺、分叶征、ADC值、强化程度、HER2、淋巴结状态及影像组学标签，其中ADC值（OR=0.04，P=0.005）、分叶征（OR=16.2，P=0.001）与淋巴结状态（OR=4.0，P=0.001）为独立预测因子。影像组学预测模型在训练组和验证组中的AUC值分别为0.93、0.91，优于影像组学标签的诊断效能（表3）。因此，对影像组学模型绘制诺曼图（图4），训练组和验证组的校正曲线均显示了良好的校正性能（图5)，HosmerLemeshow检验该模型的拟合优度，得到一个不显著的统计学结果，表明模型未偏离完美的拟合。