论文部分内容阅读
目的:基于肺癌患者胸部定位CT图像进行筛选与放射性肺炎发生相关的放射组学特征，构建机器学习模型，探讨放射组学在预测放射性肺炎发生中的价值。方法:回顾性分析行根治性调强放疗的Ⅲ期非小细胞肺癌患者86例，通过随访影像学资料及临床信息将其进行放射性肺炎分级，并收集其定位CT图像。将全肺作为感兴趣体积进行放射组学特征的提取，分析与发生放射性肺炎有关的放射组学特征及临床、剂量学特征。利用支持向量机进行模型构建，通过五折验证方式检测模型预测性能。结果:提取出放射组学特征1029个，通过方差分析及LASSO方法共得到与发生放射性肺炎有关的放射组学特征5个。单纯利用放射组学特征构建模型的测试集曲线下面积(AUC)＝0.67，利用放射组学特征结合临床、剂量参数构建模型的测试集AUC＝0.71。结论:在通过利用Ⅲ期非小细胞肺癌患者的定位CT图像进行构建的放射组学模型有预测放射性肺炎发生的潜能，加入临床及剂量参数后可进一步提高预测效能。