论文部分内容阅读
目的:探讨基于肺CT增强图像的放射组学模型在周围型肺腺癌和周围型肺鳞癌的鉴别诊断能力。研究方法:回顾性收集我院2018年1月1日至2019年1月30日期间进行肺增强CT检查并且通过穿刺活组织病理检查证实的周围型肺腺癌患者81例和周围型肺鳞癌患者69例,共计150例。将患者CT图像导入A.K.(Analysis-Kinetics,GE Healthcare,China)分析软件,在CT动脉期图像中对病灶逐层勾画感兴趣区(ROI),计算机自动提取放射组学特征396个,经降维筛选得到5个关键组学特征。基于70%训练组数据,将上述降维得到的特征,代入多元逻辑回归分析得到最优逻辑回归模型。最后将独立的30%测试组数据代入构建的模型中,进行模型效能的检验。通过绘制受试者工作特征曲线(receiver operating characteristic curve,ROC曲线),分别得到模型在训练组和测试组中相应的敏感度、特异度和曲线下面积以及相应的95%置信区间,同时绘制决策曲线(Decision curve analysis,DCA)评价模型对于患者带来的益处。结果:降维后筛选出5个关键组学特征,分别是:Correlation＿angle90＿offset4、Inertia＿angle90＿offset7、HighGreyLevelRunEmphasisAllDirection＿offset1 SD、RunLengthNonuniformity＿angle0＿offset1、VolumeCC.以此为基础建立的逻辑回归模型在训练组和测试组中的诊断敏感性分别为0.667,0.762。特异性分别为0.839,0.600.准确性分别为0.760,0.724。ROC曲线下面积(AUC)分别为0.781(0.690-0.871),0.724(0.565-0.883)。决策曲线显示其在临床工作中具有一定应用价值。结论:放射组学模型可以较好鉴别周围型肺腺癌和周围型肺鳞癌,可能会成为良好的无创性辅助诊断工具。