| 刘妮，谢元亮，黄增发，王翔.基于CT增强影像组学模型预测甲状腺乳头状癌颈部淋巴结转移[J].放射学实践,2021,(08):971-975 |
| 基于CT增强影像组学模型预测甲状腺乳头状癌颈部淋巴结转移 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2021.08.005 |
| 中文关键词: 纹理分析 甲状腺肿瘤 体层摄影术，X线计算机 对比增强扫描 |
| 基金项目: |
|
| 摘要点击次数: 3319 |
| 全文下载次数: 3580 |
| 中文摘要: |
| 【摘要】目的：探讨基于CT增强图像的组学特征预测甲状腺乳头状癌（PTC）颈部淋巴结转移的可行性。方法：回顾性分析130个经病理证实的PTC结节（伴颈部淋巴结转移65个，无淋巴结转移65个）的CT增强扫描图像，应用Mazda纹理分析软件对CT图像进行预处理，并提取PTC结节的一阶和高阶纹理特征。应用Fisher相关系数、分类误差概率与平均相关系数（POE+ACC）和交互信息（MI）三种降维方法分别对纹理特征进行筛选，每种方法筛选出10个最佳纹理特征。应用Mazda软件的B11模块中的原始数据分析（RDA）、主成分分析（PCA）、线性判别分析（LDA）和非线性判别分析（NDA）四种统计学方法分别进行数据的进一步降维，计算不同统计学方法、不同降维方法组合下建立的影像组学模型的错判率、敏感度和特异度。结果：最佳纹理参数主要来源于二阶及高阶纹理特征（灰度游程矩阵、灰度共生矩阵和小波转换）。不同降维方法组合同一统计学方法时所获模型的错判率较为接近，范围为3.08%~16.92%。三种降维方法分别与非线性判别分析（NDA）组合时，所获模型的诊断结果一致，与另外3种统计学方法相比敏感度和特异度最高，分别为98.46%、95.38%，错判率最低（3.08%）且差异均有统计学意义（P<0.05）。结论：基于CT增强图像的PTC结节的二阶及高阶纹理特征对预测颈部淋巴结转移是可行的，不同的降维方法和统计学方法组合获得的组学模型诊断效能不同，推荐使用非线性判别分析与任一降维方法组合的组学模型。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
