张涵，毛宁，谢海柱，李天平，骆训容，李祥林*

作者单位：1.滨州医学院医学影像学院，烟台264003；2.烟台毓璜顶医院影像科，烟台264000

前列腺癌(prostate cancer,PCa)已成为男性最常见的恶性肿瘤之一[1]。非临床显著性前列腺癌(clinically insignificant prostate cancer,ciPCa)通常进展缓慢,不需要进行干预治疗,而临床显著性前列腺癌(clinically significant prostate cancer,csPCa)需要根据分期选择激素治疗、放疗、化疗、手术治疗等治疗方案［2］。因此对csPCa的早期明确诊断对于对患者进行及时有效地治疗具有重要意义。

随着医学影像检查技术的发展，MRI 已成为诊断csPCa 的重要方法之一［3-4］。然而常规影像诊断流程存在较明显的主观性，影响诊断结果的准确性。影像组学(radiomics)通过计算机算法从常规医学检查图像中高通量地提取大量可挖掘的数据，结合机器学习算法，辅助临床诊断、治疗等工作［5-7］。目前已经有学者运用影像组学预测csPCa［8-13］，然而这些研究的ROI仅局限于病变内部，忽略了病变的微环境内影像组学特征的诊断价值。所以，本研究建立基于病变周围及病变内部的影像组学特征的影像组学模型预测csPCa。

1 材料与方法

1.1 一般资料

本研究回顾性分析了烟台毓璜顶医院于2017年3 月至2019 年12 月进行前列腺磁共振扫描的病例。纳入标准：(1)磁共振检查图像至少包括T2 加权成像(T2 weighted imaging,T2WI)、ADC 序列；(2)磁共振检查前未进行过放疗、化疗、激素治疗等治疗；(3)前列腺病变的病变类型在磁共振检查后4 周内经前列腺穿刺或前列腺切除病理检查结果证实。排除标准：(1)图像未发现可疑病灶或可疑病变边缘模糊无法勾画病灶边缘；……