CT常规特征及纹理特征预测胰腺神经内分泌肿瘤病理分级的价值

作者：刘群; 单海荣; 史红媛; 徐青^*

来源：临床放射学杂志, 2020, 39(11): 2232-2237.

DOI：10.13437/j.cnki.jcr.2020.11.021

• 体层摄影术,X线计算机
• 常规特征
• 纹理特征
• 胰腺
• 神经内分泌肿瘤
• 病理分级

目的探讨CT常规特征及纹理特征预测胰腺神经内分泌肿瘤(PNET)病理分级的应用价值。方法回顾性分析经手术病理证实的102例PNET患者的CT常规特征及纹理特征。观察测量肿瘤的最大径、钙化、囊变坏死、胰管扩张、强化方式及CT值等常规特征并进行相关计算,再采用ITK-SNAP软件勾画感兴趣区,A.K.软件提取纹理特征,并筛选出动、静脉期纹理特征。应用独立样本t检验及卡方检验等比较低级别组与高级别组患者CT特征的差异。采用二元Logistic回归筛选独立预测因素,绘制受试者工作特征曲线(ROC)比较两种特征预测病理分级的效能。结果本组102例,其中低级别组(G1)41例,高级别组(G2、G3)61例。不同组别间常规特征中最大径、强化方式、囊变及钙化的差异有统计学意义(P<0.05);静脉期相对强化程度值(PVP)及CT比值(VCR)差别有统计学意义(P<0.05)。纹理特征中动脉期的频率大小、协方差、体素数,静脉期的平均偏差、最小强度、协方差、频率大小、体素数、体素灰度值和,2组间差别有统计学意义(P<0.05)。二元Logistic回归分析表明,肿瘤最大径(P<0.05)为独立预测因素。基于CT常规特征的模型(模型1),曲线下面积(AUC)为0.797,敏感度为61%,特异度为92.5%;基于纹理特征的模型(模型2),AUC值为0.784,敏感度为61%,特异度为90%;联合模型1+2,AUC值为0.917,敏感度为83.1%,特异度为90%。结论肿瘤最大径为预测PNET病理分级的独立预测因素。CT常规特征及纹理特征都可用于预测PNET的病理分级,联合两种特征共同分析可提高诊断效能。

• 单位
  江苏大学; 江苏省人民医院; 南京医科大学第一附属医院