基于T2WI、表观扩散系数图的纹理分析鉴别低、高级别前列腺癌的价值

作者：谢金珂; 闵祥德; 李拔森; 冯朝燕; 张配配; 蔡威; 游慧娟; 范婵媛; 王良^*

来源：中华放射学杂志, 2020, 54(12): 1191-1196.

DOI：10.3760/cma.j.cn112149-20191210-00974

• 前列腺肿瘤
• 磁共振成像
• 纹理分析

目的探讨基于T2WI和表观扩散系数(ADC)图的纹理分析鉴别低、高级别前列腺癌(PCa)的价值。方法回顾性分析2017年6月至2019年9月术后病理证实为PCa且根治术前在华中科技大学同济医学院附属同济医院放射科行MRI检查的患者, 包括常规T1WI、T2WI、扩散加权成像(DWI)序列。采用MaZda软件的3D数据分析模式在T2WI和ADC图上手动逐层绘制感兴趣区(ROI), 并生成全肿瘤感兴趣容积(VOI)。通过MaZda软件提取188个纹理特征。采用独立样本t检验或Mann-Whitney U检验初步筛选出鉴别低、高级别PCa组间差异有统计学意义的纹理特征。采用Lasso回归模型筛选出鉴别低、高级别PCa的最佳纹理特征组合, 并建模。采用受试者操作特征(ROC)曲线评估训练组和验证组模型诊断效能。结果 Lasso回归模型筛选出的最佳纹理特征组合为T2WI的S(1, 0, 0)correlation和ADC图的S(1, 0, 0)correlation、S(1, -1, 0)sum entropy以及vertical-run length nonuniformity。构建的模型于训练组鉴别低、高级别PCa的ROC曲线下面积(AUC)为0.823, 灵敏度和特异度分别为70.4%和80.8%, 优于单一纹理特征。模型于验证组鉴别低、高级别PCa的AUC为0.714, 稍小于训练组。结论基于T2WI、ADC图的纹理分析对鉴别低、高级别PCa有一定价值。

• 单位
  华中科技大学同济医学院附属同济医院