超声影像组学对桥本甲状腺炎背景下甲状腺结节的诊断价值

摘要：

目的 比较基于灰阶超声特征联合临床特征的不同机器学习模型鉴别桥本甲状腺炎(HT)背景下甲状腺结节良恶性的价值.
方法 回顾性分析567名患者的615个合并HT的甲状腺结节的灰阶超声图像,按照7:3随机分为训练组和验证组,提取并筛选最优特征,使用4种机器学习算法构建模型.通过受试者工作特征(ROC)曲线评估各个模型的诊断效能.
结果 基于灰阶超声特征联合临床特征获得机器学习模型的曲线下面积(AUC),在训练组和验证组分别为0.940～0.958、0.896～0.940.在4种不同机器学习模型中,逻辑回归(LR)模型的表现能力较强,其鉴别结节良恶性的AUC、准确度、灵敏度、特异度在训练组和验证组中分别为 0.958、89.86％、91.14％、88.53％及 0.940、87.57％、94.74％、80.00％.
结论 基于灰阶超声特征联合临床特征构建的不同机器学习模型对HT背景下甲状腺结节良恶性的鉴别诊断效能更高,且以LR模型的表现能力相对较强.

关键词：影像组学、桥本甲状腺炎、甲状腺结节

所属期刊栏目：39

分类号：R737.9;R445.1;R563

资助基金：江苏省六大人才高峰高层次人才选拔培养项目;江苏省部共建放射医学与辐射防护国家重点实验室开放课题

在线出版日期：2023-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：961-965