基于数据挖掘方法的甲状腺结节良恶性CT分类模型的建立

作者：梁红琴; 朱立强; 王健^*

来源：中国医学影像学杂志, 2019, 27(10): 740-744.

• 甲状腺结节
• 体层摄影术,X线计算机
• 病理学,外科
• 数据挖掘
• 算法
• 诊断,鉴别

目的根据甲状腺结节CT特征指标建立分类模型,以病理结果作为"金标准",预测甲状腺结节的性质。资料与方法回顾性分析143例甲状腺结节患者的临床和影像学资料,按照病理结果分为良性组(n=56)及恶性组(n=87),分别采用Fisher线性判别方法和非条件Logistic回归算法建立数据挖掘模型,采用受试者工作特征(ROC)曲线下面积比较两个模型的诊断效能。另选取55例甲状腺结节患者进行数据验证。结果两组患者的年龄、结节大小、淋巴结显示及增强强化后CT值比较,差异均有统计学意义(P<0.05)。Fisher判别方法的敏感度为96.6%,特异度91.1%,约登指数为94.4%。非条件Logistic回归法的敏感度为95.4%,特异度为92.9%,约登指数为94.4%。两个模型的ROC曲线下面积比较,差异无统计学意义(Z=0.3,P=0.765)。使用55例甲状腺结节患者进行验证,Fisher判别及非条件Logistic回归敏感度均为66.7%,特异度均为92.3%,约登指数为72.7%,但对具体样本的判别结果有所差异。结论建立的两种模型对甲状腺结节性质的判断结果均较为理想,判别模型与非条件Logistic回归的泛化能力一致。

• 单位
  中国人民解放军陆军军医大学; 第一附属医院放射科