基于MRI影像组学的胎盘植入性疾病分型诊断

徐春琪; 寇秀梅; 李菊菊; 刘瑞莱; 刘伟; 闫锐

doi:null

您当前的位置：

首页 >

文章列表页 >

基于MRI影像组学的胎盘植入性疾病分型诊断

更新时间：2025-11-18

- 基于MRI影像组学的胎盘植入性疾病分型诊断
- Diagnosis of placenta accreta spectrum disorder subtypes based on MRI radiomics
- 重庆医科大学学报 2025年页码：1-9
- 作者机构：
  
  1.西安医学院附属西北妇女儿童医院医学影像中心，西安 710068
  2.西安邮电大学计算机学院，西安 710121
  3.西北妇女儿童医院医学影像中心，西安 710061
- 作者简介：
  
  徐春琪，Email：591858887@qq.com，研究方向：胎盘植入性疾病。
  闫　锐，Email：ruiyan01@sina.com。
- 基金信息：
  
  陕西省重点研发计划资助项目(2024SF-YBXM-239)
- DOI：
  中图分类号： R714.2
- 收稿：2025-09-024，
  
  网络出版：2025-11-18，
- 稿件说明：
移动端阅览
徐春琪,寇秀梅,李菊菊等.基于MRI影像组学的胎盘植入性疾病分型诊断[J].重庆医科大学学报,

Xu chunqi,Kou xiume,Li juju,et al.Diagnosis of placenta accreta spectrum disorder subtypes based on MRI radiomics[J].Journal of Chongqing Medical University,
徐春琪,寇秀梅,李菊菊等.基于MRI影像组学的胎盘植入性疾病分型诊断[J].重庆医科大学学报, DOI：10.13406/j.cnki.cyxb..

Xu chunqi,Kou xiume,Li juju,et al.Diagnosis of placenta accreta spectrum disorder subtypes based on MRI radiomics[J].Journal of Chongqing Medical University, DOI：10.13406/j.cnki.cyxb..

摘要

目的

基于核磁共振成像（magnetic resonance imaging，MRI）影像组学对胎盘植入性疾病的分型诊断的研究。

方法

回顾性分析127例胎盘植入性疾病患者（粘连性胎盘 52例、植入性胎盘54例、穿透性21例）的临床及MRI资料。通过3D Slicer手动勾画感兴趣区，使用Pyradiomics提取影像组学特征，LightGBM重要性排序和皮尔逊相关性分析筛选特征变量，应用逻辑回归方法构建临床模型、MRI特征模型、影像组学模型及医师诊断模型，采用留一法交叉验证，绘制受试者工作特征曲线（receiver operating characteristic，ROC）评价模型的效能。

结果

剖宫产次数、怀孕次数、宫颈管长度及胎盘厚度是胎盘植入性疾病（placenta accreta spectrum disorders，PAS）分型诊断的危险因素，其中胎盘厚度及宫颈管长度是植入性胎盘的独立危险因素；胎盘厚度是穿透性胎盘的独立危险因素。从 T2加权成像（T2-weighted imaging，T2WI）图像中提取并筛选出20个影像组学特征，用于构建影像组学模型。PAS分型诊断影像组学模型预测粘连性胎盘、植入性胎盘、穿透性胎盘的曲线下面积（area under the curve，AUC）分别为0.90、0.94及0.84，均优于临床指标模型、MRI影像特征模型及医师经验诊断模型。

结论

基于MRI影像组学模型预测PAS分型诊断效能较高，有助于产前明确PAS的不同植入程度。

Abstract

Objective

To investigate magnetic resonance imaging（MRI ） radiomics-based subtype identification of placenta accreta spectrum disorder.

Methods

52 cases of placenta accreta，54 cases of placenta increta，and 21 cases of placenta percreta were among the 127 patients with placenta accreta spectrum disorder（PAS） whose clinical and MRI data were retrospectively analyzed. 3D Slicer was used to manually outline regions of interest. Pyradiomics was used to extractradiomic characteristics. LightGBM significance ranking and Pearson correlation analysis were used to screen feature variables. Clinical models，MRI feature models，radiomic models，and physician diagnosis models were all built using logistic regression. To assess the models' performance，receiver operating characteristic （ROC） curves were plotted and leave-one-out cross-validation was employed.

Results

The length of the cervical canal，the thickness of the placenta，the number of pregnancies，and the number of cesarean sections were risk factors for the diagnosis of the PAS subtype. For placenta increta，the placenta's thickness and the cervical canal's length were independent risk factors； for placenta percreta，the placenta's thickness was an independent risk factor. To build a radiomic model to predict PAS subtypes，19 radiomic characteristics were taken from T2WI pictures and screened. With AUC values of 0.90，0.84，and 0.94，respectively，the radiomic model outperformed the clinical model，MRI feature model，radiomic model，and physician diagnosis model when it came to diagnosing PAS subtypes.

Conclusion

In order to elucidate the various levels of placental invasion prior to delivery，the MRI-based radiomic model provides a comparatively excellent diagnostic performance for predicting PAS subtypes.

关键词

Keywords

references

Brown LA ， Menendez-Bobseine M . Placenta accreta spectrum [J ] . J Midwifery Women’s Health ， 2021 ， 66 （ 2 ）： 265 - 269 ．

Jauniaux E ， Collins S ， Burton GJ . Placenta accreta spectrum： pathophysiology and evidence-based anatomy for prenatal ultrasound imaging [J ] . Am J Obstet Gynecol ， 2018 ， 218 （ 1 ）： 75 - 87 ．

王　霞，赵福敏，李雅倩，等 . 《腹部放射学会和欧洲泌尿生殖放射学会关于胎盘植入性疾病MRI检查的联合共识声明》要点解读 [J/OL ] . 中华妇幼临床医学杂志（电子版）， 2020 ， 16 （ 2 ）： 161 - 170 ．

Wang X ， Zhao FM ， Li YQ ， et al . Interpretation of society of abdominal radiology and European society of urogenital radiology joint consensus statement for MR imaging of placenta accreta spectrum disorders [J/OL ] . Chin J Obstet Gynecol Pediatr Electron Ed ， 2020 ， 16 （ 2 ）： 161 - 170 ．

Jauniaux E ， Ayres-de-Campos D ， Langhoff-Roos J ， et al . FIGO classification for the clinical diagnosis of placenta accreta spectrum disorders [J ] . Int J Gynaecol Obstet ， 2019 ， 146 （ 1 ）： 20 - 24 ．

Jauniaux E ， Jurkovic D . Placenta accreta： pathogenesis of a 20th century iatrogenic uterine disease [J ] . Placenta ， 2012 ， 33 （ 4 ）： 244 - 251 ．

Jauniaux E ， Chantraine F ， Silver RM ， et al . FIGO consensus guidelines on placenta accreta spectrum disorders： Epidemiology [J ] . Int J Gynaecol Obstet ， 2018 ， 140 （ 3 ）： 265 - 273 ．

Zhang HJ ， Dou RC ， Yang HX ， et al . Maternal and neonatal outcomes of placenta increta and percreta from a multicenter study in China [J ] . J Matern Fetal Neonatal Med ， 2019 ， 32 （ 16 ）： 2622 - 2627 ．

Kayem G ， Seco A ， Beucher G ， et al . Clinical profiles of placenta accreta spectrum： the PACCRETA population-based study [J ] . BJOG ， 2021 ， 128 （ 10 ）： 1646 - 1655 ．

陈洪琴，周　容 . 胎盘植入性疾病的分类及诊断 [J ] . 实用妇产科杂志， 2021 ， 37 （ 1 ）： 6 - 9 ．

Chen HQ ， Zhou R . Classification and diagnosis of placenta accreta diseases [J ] . J Pract Obstet Gynecol ， 2021 ， 37 （ 1 ）： 6 - 9 ．

张靖霄，尹　鑫，张家颖，等 . 胎盘植入性疾病分型及危险因素和妊娠结局分析 [J ] . 青岛大学学报（医学版）， 2024 ， 60 （ 5 ）： 738 - 742 ．

Zhang JX ， Yin X ， Zhang JY ， et al . Placenta accreta spectrum disorders： Typing，risk factors，and pregnancy outcome [J ] . J QingDao Univ Med Sci ， 2024 ， 60 （ 5 ）： 738 - 742 ．

韩长宏 . 超声联合磁共振成像在胎盘植入性疾病分型的价值研究 [D ] . 成都：成都医学院， 2023 ．

Han C H . Diagnostic value of ultrasound combined with magnetic resonance imaging in the classification of placenta accreta spectrum disorders [D ] . Chengdu : Chengdu Medical College ， 2023 .

Jha P ， Pōder L ， Bourgioti C ， et al . Society of Abdominal Radiology （SAR） and European Society of Urogenital Radiology （ESUR） joint consensus statement for MR imaging of placenta accreta spectrum disorders [J ] . Eur Radiol ， 2020 ， 30 （ 5 ）： 2604 - 2615 ．

吴柄钢，姚　强 . 胎盘植入诊断国内外指南解读 [J ] . 现代妇产科进展， 2020 ， 29 （ 1 ）： 71 - 73 ．

Wu BG ， Yao Q . Interpretation of domestic and foreign guidelines for diagnosis of placenta accreta [J ] . Prog Obstet Gynecol ， 2020 ， 29 （ 1 ）： 71 - 73 ．

Silver RM ， Landon MB ， Rouse DJ ， et al . Maternal morbidity associated with multiple repeat cesarean deliveries [J ] . Obstet Gynecol ， 2006 ， 107 （ 6 ）： 1226 - 1232 ．

Gupta S ， Sibia P ， Kaur S ， et al . Emerging role of prenatal magnetic resonance imaging in the diagnosis of placental adhesion disorders and its relation with intraoperative findings- a cross-sectional study [J ] . J Clin Diagn Res ， 2021 ： 201 - 210 ．

Klar M ， Michels KB . Cesarean section and placental disorders in subsequent pregnancies： a meta-analysis [J ] . J Perinat Med ， 2014 ， 42 （ 5 ）： 571 - 583 ．

Jauniaux E ， Burton GJ . Pathophysiology of placenta accreta spectrum disorders： a review of current findings [J ] . Clin Obstet Gynecol ， 2018 ， 61 （ 4 ）： 743 - 754 ．

Thurn L ， Lindqvist PG ， Jakobsson M ， et al . Abnormally invasive placenta-prevalence，risk factors and antenatal suspicion： results from a large population-based pregnancy cohort study in the Nordic countries [J ] . BJOG ， 2016 ， 123 （ 8 ）： 1348 - 1355 ．

Wu XF ， Yang H ， Yu XY ， et al . The prenatal diagnostic indicators of placenta accreta spectrum disorders [J ] . Heliyon ， 2023 ， 9 （ 5 ）： e16241 ．

Rac MWF ， McIntire DD ， Wells CE ， et al . Cervical length in patients at risk for placenta accreta [J ] . J Ultrasound Med ， 2017 ， 36 （ 7 ）： 1431 - 1436 ．

Li Y ， Choi HH ， Goldstein R ， et al . Placental thickness correlates with placenta accreta spectrum （PAS） disorder in women with placenta previa [J ] . Abdom Radiol ， 2021 ， 46 （ 6 ）： 2722 - 2728 ．

Bhide A ， Laoreti A ， Kaelin Agten A ， et al . Lower uterine segment placental thickness in women with abnormally invasive placenta [J ] . Acta Obstet Gynecol Scand ， 2019 ， 98 （ 1 ）： 95 - 100 ．

Lu T ， Wang YS ， Guo AW ， et al . Correlation of placental thickness and PAS disorders： findings from MRI [J ] . Abdom Radiol ， 2022 ， 47 （ 3 ）： 1150 - 1156 ．

Chen DJ ， Xu JF ， Ye PF ， et al . Risk scoring system with MRI for intraoperative massive hemorrhage in placenta previa and accreta [J ] . J Magn Reson Imaging ， 2020 ， 51 （ 3 ）： 947 - 958 ．

Jauniaux E ， Alfirevic Z ， Bhide AG ， et al . Placenta praevia and placenta accreta： diagnosis and management： green-top guideline No. 27a [J ] . BJOG ， 2019 ， 126 （ 1 ）： e1 - e48 ．

D’Antonio F ， Iacovella C ， Palacios-Jaraquemada J ， et al . Prenatal identification of invasive placentation using magnetic resonance imaging： systematic review and meta-analysis [J ] . Ultrasound Obstet Gynecol ， 2014 ， 44 （ 1 ）： 8 - 16 ．

Ueno Y ， Kitajima K ， Kawakami F ， et al . Novel MRI finding for diagnosis of invasive placenta praevia： evaluation of findings for 65 patients using clinical and histopathological correlations [J ] . Eur Radiol ， 2014 ， 24 （ 4 ）： 881 - 888 ．

Goergen SK ， Posma E ， Wrede D ， et al . Interobserver agreement and diagnostic performance of individual MRI criteria for diagnosis of placental adhesion disorders [J ] . Clin Radiol ， 2018 ， 73 （ 10 ）： 908. e1 - 908 . e9．

Jha P ， Rabban J ， Chen LM ， et al . Placenta accreta spectrum： value of placental bulge as a sign of myometrial invasion on MR imaging [J ] . Abdom Radiol ， 2019 ， 44 （ 7 ）： 2572 - 2581 ．

Pain FA ， Dohan A ， Grange G ， et al . Percreta score to differentiate between placenta accreta and placenta percreta with ultrasound and MR imaging [J ] . Acta Obstet Gynecol Scand ， 2022 ， 101 （ 10 ）： 1135 - 1145 ．

邹锦莉，胡振远，王新莲，等 . 基于磁共振T2WI影像组学模型对胎盘植入性疾病进行产前诊断及分型 [J ] . 磁共振成像， 2024 ， 15 （ 1 ）： 137 - 144 ．

Zou J L ， Hu Z Y ， Wang X L ， et al . Prenatal diagnosis and classification of placenta accreta spectrum disorders based on magnetic resonance T2WI radiomics model [J ] . Chinese Journal of Magnetic Resonance Imaging ， 2024 ， 15 ( 1 ): 137 - 144 .

孙冬雪，顾长青，李　陆，等 . MRI检查对于胎盘植入及其植入深度的诊断价值 [J ] . 临床放射学杂志， 2022 ， 41 （ 11 ）： 2087 - 2090 ．

Sun DX ， Gu CQ ， Li L . The diagnostic value of MRI for placenta implantation and its implantation depth [J ] . J Clin Radiol ， 2022 ， 41 （ 11 ）： 2087 - 2090 ．

Sun HQ ， Qu HB ， Chen L ， et al . Identification of suspicious invasive placentation based on clinical MRI data using textural features and automated machine learning [J ] . Eur Radiol ， 2019 ， 29 （ 11 ）： 6152 - 6162 ．

Chen E ， Mar WA ， Horowitz JM ， et al . Texture analysis of placental MRI： can it aid in the prenatal diagnosis of placenta accreta spectrum? [J ] . Abdom Radiol ， 2019 ， 44 （ 9 ）： 3175 - 3184 ．

李　倩，廖　蔚，戢兰蝶，等 . 基于深度学习的MRI图像自动分割技术在胎盘植入性疾病预测中的应用 [J ] . 实用医院临床杂志， 2024 ， 21 （ 6 ）： 120 - 123 ．

Li Q ， Liao W ， Ji LD ， et al . Application of automatic segmentation technology of MRI images based on deep learning inthe prediction of placenta accreta disease [J ] . Pract J Clin Med ， 2024 ， 21 （ 6 ）： 120 - 123 ．

夏建峰，胡永任，邓世财，等 . 基于MRI征象及临床因素的评分系统预测胎盘植入性疾病的价值 [J ] . 放射学实践， 2024 ， 39 （ 1 ）： 97 - 102 ．

Xia JF ， Hu YR ， Deng SC ， et al . Value of a scoring system based on MRI features and clinical factors in the prediction of placenta accreta spectrum disorder [J ] . Radiol Pract ， 2024 ， 39 （ 1 ）： 97 - 102 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超声结合影像组学与AI在胃肠间质瘤诊断及预后评估中的应用进展

基于腹部CT平扫图像对急性阑尾炎的诊断：影像组学研究

机器学习结合CT影像组学预测2型糖尿病患者椎体脆性骨折

人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展