| 张蕊，徐晔，李伟.CT影像组学鉴别儿童化脓性与结核性淋巴结炎[J].放射学实践,2023,(12):1599-1604 |
| CT影像组学鉴别儿童化脓性与结核性淋巴结炎 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2023.12.017 |
| 中文关键词: 淋巴结炎 结核病 化脓性感染 儿童 影像组学 体层摄影术，X线计算机 预测模型 机器学习 |
| 基金项目: |
|
| 摘要点击次数: 524 |
| 全文下载次数: 532 |
| 中文摘要: |
| 【摘要】目的：探讨基于CT增强静脉期图像采用机器学习方法构建的影像组学模型结合多期CT图像上的影像学特征对儿童颈部伴有坏死的化脓性淋巴结炎与结核性淋巴结炎的鉴别诊断价值。方法：搜集2014年9月－2022年5月我院CT增强检查发现颈部淋巴结坏死并经病理活检或临床确诊为颈部化脓性淋巴结炎（n=52）或颈部结核性淋巴结炎（n=49）患儿的临床和影像资料。分析两组患儿10个主要CT征象（最大坏死淋巴结短径、最大坏死结的坏死区/淋巴结面积比、坏死区内有无分隔、坏死区边缘是否光滑、平扫坏死区是否可见、有无钙化、淋巴结强化形状、淋巴结强化程度、淋巴结边缘、淋巴结融合）的差异。使用Radcloud平台，在CT增强静脉期图像上于病变淋巴结内勾画ROI并提取1409个影像组学特征。利用方差阈值、SelectKBest、最小绝对收缩和选择算法对提取的特征逐步进行降维和筛选，随后采用6种机器学习方法（k-最邻近算法、支持向量机、极限梯度提升、随机森林、逻辑回归和决策树）构建预测模型，采用受试者工作特征（ROC）曲线及符合率、敏感度和特异度等指标来评估模型对两种不同类型淋巴结炎的预测效能。结果：两组之间最大短径、淋巴结边缘、淋巴结融合、坏死区边缘是否规则、坏死区有无分隔、钙化及强化程度这7个征象的差异有统计学意义（P<0.05）。使用方差阈值、SelectKBest、最小绝对收缩和选择算法逐步筛选出9个最佳影像组学特征，采用机器学习方法构建的6种预测模型中，AUC分别为0.76（95%CI：0.54~0.97）、0.89（95%CI：0.72~1.00）、0.72（95%CI：0.52~0.93）、0.66（95%CI：0.45~0.88）、0.81（95%CI：0.60~1.00）和0.58（95%CI：0.35~0.80），其中以支持向量机模型的预测效能最高，其诊断符合率、敏感度和特异度分别为0.88、0.78和0.90。结论：CT表现结合发病年龄和影像组学模型对鉴别儿童颈部伴有坏死的化脓性淋巴结炎和结核性淋巴结炎具有重要价值。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
