CT影像与纹理特征联合模型在甲状腺良恶性结节鉴别中的价值

作者：彭铮堃; 彭云; 吴娜珊; 吴若岱

来源：中国ct和mri杂志, 2022, 20(05): 1-3+25.

DOI：10.3969/j.issn.1672-5131.2022.05.001

• 甲状腺癌
• Logistic回归模型
• CT影像
• 纹理分析

目的 比较甲状腺良恶性结节CT影像征象及纹理特征差异，构建两者鉴别诊断模型。方法 回顾性分析110例经手术病理证实分类甲状腺结节患者的125个结节，其中良性组66个，恶性组59个，提取每个结节CT征象与平扫、动脉期及静脉期3个期相的纹理特征。采用χ2检验筛选良恶性结节有差异的影像特征，进一步采用Logistic回归分析构建单纯影像模型。对结节纹理特征筛选、降维，建立剩余纹理参数的受试者工作特征曲线(ROC)，获取ROC曲线下面积(AUC)。使用筛选后的常规影像特征及纹理特征组合建立联合Logistic回归模型并获得相应AUC。结果 影像模型的AUC为0.821，灵敏度为66.10%，特异度为81.82%。纹理特征中，静脉期方差具有最高鉴别效能，其AUC为0.696。由以上4个特征构建的联合模型AUC为0.845，灵敏度为76.27%、特异度为83.33%。联合模型的AUC、灵敏度及特异度均高于影像模型。结论 综合CT影像特征及纹理特征的基础上建立联合模型，有助于甲状腺良恶性结节鉴别诊断。

• 单位
  南昌大学第二附属医院; 深圳大学总医院