基于CT平扫的影像组学模型鉴别肺炎性肌纤维母细胞瘤和周围型肺癌的研究

作者：金利; 俞霞; 张涛; 徐霖; 陈文^*

来源：影像诊断与介入放射学, 2021, 30(01): 39-43.

• 肺炎性肌纤维母细胞瘤
• 周围型肺癌
• 影像组学
• 机器学习
• 体层摄影术,X线计算机

目的探讨基于CT平扫的影像组学在鉴别肺炎性肌纤维母细胞瘤(IMT)和周围型肺癌(PLC)的价值。方法回顾性收集经我院及外院手术后病理证实的72例肺IMT及79例PLC的资料。使用A.K(Artificial Intelligence Kit)软件从CT平扫图像中提取高通量数据,对其进行特征筛选及降维,去除了重复性差、冗余度高的特征。将数据按照7∶3∶3比例分为训练集、验证集及测试集,其中外院数据作为测试集。采用逻辑回归、支持向量机、随机森林机器算法对所提取较优特征建立分类预测模型,绘制受试者操作曲线(ROC),计算受试者操作曲线下面积(AUC),评估模型的诊断预测效能,采用Delong检验比较模型间的效能差异。采用测试集对三种机器学习模型进行评估,并绘制ROC曲线。结果共提取396纹理特征,通过特征选择及降维获得12个较优的纹理特征,三种分类模型符合率分别为77.1%、62.9%、82.9%,特异度分别为61.1%、55.6%、83.3%,敏感度分别为94.1%、70.6%、72.4%,AUC值分别为0.791、0.748、0.859,Delong检验比较模型间ROC-AUC值无统计学意义,随机森林符合率(82.9%)更高。测试集三种模型AUC值分别为0.807、0.739、0.781。结论基于CT平扫建立的影像组学特征模型有助于区分肺IMT和PLC,为临床准确诊断和个体化治疗提供客观依据。

• 单位
  十堰市太和医院; 锦州医科大学