摘要
目的:探讨基于CT双期增强影像组学模型对甲状腺乳头状癌(PTC)淋巴结转移的预测价值。方法:回顾性分析经手术病理证实的80例PTC患者的病例资料,共搜集173个淋巴结,其中转移性淋巴结89个、未转移性淋巴结84个。患者术前均行CT平扫和双期增强扫描。采用达尔文科研平台,分别在动脉期和静脉期CT图像上于淋巴结内勾画ROI并提取其纹理特征,共提取了8类1223个纹理参数,进行最小和最大值归一化预处理后,经最优特征筛选(个数)、迭代筛选和模型选择,分别筛选出动脉期和静脉期的最优纹理参数。将所有患者按照7∶3的比例分为训练组和验证组,分别基于动脉期和静脉期的最优纹理参数建立SVM模型并进行交叉验证。采用ROC曲线分析模型的诊断效能,并计算诊断敏感度、特异度和符合率。结果:转移组和未转移组间差异有统计学意义的纹理特征,在动脉期有6个,分别为粗糙度、依赖熵、短游程低灰度优势、游程长度不均匀性、低灰度级优势和区域大小不均匀归一化;静脉期有5个,分别为粗糙度、小面积低灰度优势、长游程高灰度优势、游程长度不均匀性和大依赖优势。训练组和验证组中基于动脉期和静脉期图像所建立的纹理特征诊断模型,诊断淋巴结转移的ROC曲线下面积分别为0.903、0.915、0.895和0.850,验证组中基于动脉期的纹理特征模型的诊断符合率为75.47%(40/53)、敏感度为88.00%、特异度为80.77%,基于静脉期的诊断符合率为71.69%(38/53)、敏感度为80.77%、特异度为81.48%。结论:基于CT双期增强的影像组学分析和机器学习对甲状腺乳头状癌的淋巴结转移情况有较好的诊断价值,基于动脉期的影像组学模型的诊断准确性更高。
-
单位大连医科大学附属第二医院; 扬州大学; 苏北人民医院