增强CT影像组学对声带良、恶性病变的鉴别诊断价值
目的 探讨增强CT影像组学在声带良、恶性病变鉴别诊断中的价值.方法 回顾性分析经术后病理证实的140例声带病变患者(良性90例,恶性50例)的术前增强CT图像.所有病例按7∶3的比例随机分为训练组(n=97)和验证组(n=43).使用IBEX软件勾画感兴趣区(ROI)并提取影像组学特征,通过信度测试、标准化、单因素分析及IASSO降维处理,筛选出有效的影像组学特征,构建影像组学模型,评价其对于声带良、恶性病变的鉴别诊断效能.同时加入性别、年龄及临床影像特征(包括病灶形态是否规则、病灶强化程度、结节样突起和/或弥漫增厚)与影像组学特征组成联合模型,分别与临床模型及影像组学模型进行对比,评价鉴别诊断效能.建立列线图(Nomogram),评估其对声带良、恶性病变的预测能力.结果 最终提取出15个有效的影像组学特征.在4种分类器中,随机森林模型及支持向量机(SVM)模型的预测效能最佳.随机森林模型训练组及验证组的曲线下面积(AUC)分别为1和0.998,SVM训练组及验证组的AUC分别为1和0.990.同时,联合模型的诊断效能也明显优于临床模型[训练组:联合模型的受试者工作特征曲线(ROC)vs.临床模型的ROC,P=0.004;验证组:联合模型的ROC vs.临床模型的ROC,P=0.013].除此以外,Hosmer-Lemeshow检验(P=0.723)和校准曲线证实列线图具有良好的工作效果.结论 基于增强CT的影像组学模型在声带良、恶性病变的鉴别诊断中具有一定优势.同时,与临床参数组成的联合模型预测效能更高.此外,列线图能够为声带良、恶性病变的鉴别提供直观、可靠的参考.
声带良恶性病变、增强CT、影像组学
41
R730.44;R445.2;R563.8
2022-10-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
1421-1426