论文部分内容阅读
目的:探讨基于平扫CT图像的纹理分析技术在骨肌系统纤维源性软组织肿瘤鉴别诊断中的价值。材料和方法:回顾性分析经过手术病理证实的不同类型纤维源性软组织肿瘤患者52例(良性组19例,中间组17例,恶性组16例)。所有患者均行常规CT平扫检查,将CT图像导入3D Slicer软件,由两名影像科诊断医师在未知病理结果的情况下独立评估CT图像且应用Segment Editor工具包勾画病灶轮廓。图像分析中的差异通过与高级放射科医师讨论来解决,直到达成共识。再应用Radiomics插件,输入感兴趣区(Region of interest,ROI),从而提取出熵、偏度、峰度、均一性、能量、平均值、对比度、相关性等纹理参数特征。采用SPSS23.0统计学软件进行相应数据分析。通过组内相关系数(Intra-class correlation coefficient,ICC)检验两个观察者所测得参数值的一致性,如一致性较好,所有的数值均采用二者的平均值进行后续的统计学分析。全部的计量资料首先使用Kolomogorov-Smirnov法进行正态性检验。如果数据呈正态分布,使用独立样本t检验;如果数据呈偏态分布,则采用Mann-Whitney U检验。p<0.05认为差异具有统计学意义。对于具有统计学意义的参数值绘制其受试者操作曲线(Receiver operating curve,ROC),并计算曲线下面积(Area under curve,AUC)。AUC越大,表明其诊断效能越佳。根据最大约登指数(约登指数=敏感度+特异度-1)确定阈值,并计算出在该阈值下的敏感度及特异度。结果:两位医师所测得的三组纤维源性软组织肿瘤各参数值数据的一致性良好,可信度较高。其中,在良性组与中间组肿瘤的比较中,熵、峰度、平均值、相关性具有统计学意义(p<0.05),偏度、均一性、能量、对比度无统计学差异(p>0.05);在良性组与恶性组的比较中,熵、偏度、能量、对比度、相关性的差异有统计学意义(p<0.05),峰度、均一性、平均值的差异无统计学意义(p>0.05);在中间组与恶性组的比较中,均一性、能量、对比度具有明显的统计学差异(p<0.05),熵、偏度、峰度、平均值、相关性均无统计学差异(p>0.05)。基于CT平扫序列图像中,鉴别良性组与中间组纤维源性软组织肿瘤时,相关性的AUC为0.861,当相关性阈值取0.570时,敏感度与特异度分别为82.4%和89.5%;平均值的AUC为0.684,当平均值阈值取15.223时,敏感度及特异度分别为94.1%和42.1%。鉴别良性组与恶性组纤维源性软组织肿瘤时,相关性的AUC为0.829,当相关性阈值取0.505时敏感度及特异度分别为81.3%和89.5%;熵值的AUC为0.740,当熵值阈值取2.134时,敏感度及特异度分别为62.5%和100.0%。鉴别中间组与恶性组纤维源性软组织肿瘤时,能量的AUC为0.805,当能量阈值取7.170×10~5时,敏感度及特异度分别为100.0%和62.5%;均一性的AUC值为0.688,当均一性阈值取0.245时,敏感度及特异度分别为100.0%和37.5%。结论:基于CT图像的纹理分析可在一定程度上用于不同亚型的纤维源性软组织肿瘤的鉴别诊断。