联合CT纹理分析和高分辨率CT图像特征预测肺腺癌组织学分化程度的研究
目的 基于胸部高分辨率CT纹理分析并结合影像学表现来预测肺腺癌的组织学分化程度.方法 搜集经手术病理证实的肺腺癌患者146例共计病灶159个,其中高分化组病灶52个,中低分化组107个.观察记录临床及影像特征如肿瘤大小、形态、分叶、毛刺等情况;用MaZda软件提取271个纹理特征,将全部病灶按7:3的比例随机分成实验组和验证组,用LASSO算法进行特征筛选,用验证组数据进行验证,将提取的特征结合影像学表现进行多因素Logistic回归分析.结果 中低分化组更容易表现为大结节、不规则形、伴有分叶、毛刺和胸膜牵拉征象的结节(P均<0.05).每个病灶提取出的纹理特征通过LASSO算法最终筛选出5个纹理特征,实验组中的敏感度为86.11%,特异度为58.67%,AUC为0.783;验证组的敏感度为96.87%,特异度为56.25%;AUC为0.799.将筛选出的特征结合影像特征多因素Logistic回归后得出不规则形(OR:10.199,95%CI:1.242~83.747)、Perc.90%>194.43(OR:1.026,95%CI:1.013~1.039),S(5,-5)Entropy>2.01(OR:2.999,95%CI:1.462~6.148)能预测肺腺癌组织学分化程度.结论 不规则形、Perc.90%>194.43和S(5,-5)Entropy>2.01是肺腺癌中低分化程度的预测因子.
肺癌、腺癌、体层摄影术、纹理分析
40
TP391.41;R737.33;R445
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
707-711