CT纹理组学联合机器学习预测肺腺癌淋巴结转移
目的 基于胸部CT增强图像,进行纹理分析技术预测肺腺癌患者淋巴结转移的可行性研究.方法 回顾性分析60例行术前常规胸部CT增强检查,并于2周内进行手术切除及系统性淋巴结清扫术,经病理证实的肺腺癌.根据术后病理将其分为两组,无淋巴结转移者25例及有淋巴结转移者35例.选取癌灶最大单幅层面,基于Mazda软件勾画感兴趣区.利用Fisher系数提取、交互信息提取(MI)、分类错误联合平均相关系数提取(POE+ACC)、三者联合提取(FPM)及1-NN最近邻算法,联合B11软件包提供的原始数据分析(RDA)、主要成分分析(PCA)、线性分类分析(LDA)及非线性分类分析(NDA)4种机器学习算法进行分析,结果以正确率显示.选取在5种提取方法中出现3次或3次以上的纹理参数行差异性检验,绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC). 结果 RDA、PCA、LDA、NDA算法的正确率范围分别为:71.67％ ～91.67％、66.67％～ 91.67％、68.33％～ 86.68％、88.33％～93.33％,其中NDA正确率最高.并且MI及FPM提取特征参数的NDA分析法正确率最高,达到93.33％,分类效果最好.腺癌淋巴结转移组的Mean、Perc.01％、Perc.10％、S(0,1)DifEntrp、S(1,-1)DifEn-trp大于无淋巴结转移组,仅S(0,4)Correlat值小于无淋巴结转移组,均具有统计学差异.6个纹理参数均具有诊断效能,且S(0,1)DifEntrp诊断效能最好,AUC值达0.840,最佳阈值为1.36,敏感性及特异性分别为92.0％、74.3％.结论 基于胸部增强CT纹理分析,MI及FPM特征提取联合NDA分析正确率最高,有助于预测肺腺癌淋巴结转移.
肺腺癌、纹理分析、体层摄影术、X线计算机
39
G434;R737.33;TS195.6
2020-08-05（万方平台首次上网日期，不代表论文的发表时间）
共5页
691-695
