CT纹理组学联合机器学习预测肺腺癌淋巴结转移

作者：徐圆; 段钰; 曹正业; 沈力; 王丽娟; 叶靖; 吴晶涛^*

来源：临床放射学杂志, 2020, 39(04): 691-695.

DOI：10.13437/j.cnki.jcr.2020.04.015

• 肺腺癌
• 纹理分析
• 体层摄影术,X线计算机

目的基于胸部CT增强图像,进行纹理分析技术预测肺腺癌患者淋巴结转移的可行性研究。方法回顾性分析60例行术前常规胸部CT增强检查,并于2周内进行手术切除及系统性淋巴结清扫术,经病理证实的肺腺癌。根据术后病理将其分为两组,无淋巴结转移者25例及有淋巴结转移者35例。选取癌灶最大单幅层面,基于Mazda软件勾画感兴趣区。利用Fisher系数提取、交互信息提取(MI)、分类错误联合平均相关系数提取(POE+ACC)、三者联合提取(FPM)及1-NN最近邻算法,联合B11软件包提供的原始数据分析(RDA)、主要成分分析(PCA)、线性分类分析(LDA)及非线性分类分析(NDA)4种机器学习算法进行分析,结果以正确率显示。选取在5种提取方法中出现3次或3次以上的纹理参数行差异性检验,绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC)。结果 RDA、PCA、LDA、NDA算法的正确率范围分别为:71.67%～91.67%、66.67%～91.67%、68.33%～86.68%、88.33%～93.33%,其中NDA正确率最高。并且MI及FPM提取特征参数的NDA分析法正确率最高,达到93.33%,分类效果最好。腺癌淋巴结转移组的Mean、Perc.01%、Perc.10%、S(0,1)DifEntrp、S(1,-1)DifEntrp大于无淋巴结转移组,仅S(0,4)Correlat值小于无淋巴结转移组,均具有统计学差异。6个纹理参数均具有诊断效能,且S(0,1)DifEntrp诊断效能最好,AUC值达0.840,最佳阈值为1.36,敏感性及特异性分别为92.0%、74.3%。结论基于胸部增强CT纹理分析,MI及FPM特征提取联合NDA分析正确率最高,有助于预测肺腺癌淋巴结转移。

• 单位
  江苏省苏北人民医院; 扬州大学