《临床放射学杂志》发表论文赏析
作者:赵凯, 孙中琪, 李聚贤, 姜慧杰
单位:150086 哈尔滨医科大学附属第二医院放射科
摘要:目的基于CT影像组学联合临床参数鉴别小直径肾上腺肿瘤的良恶性。方法回顾性分析2018年1月至2024年1月经手术病理确诊或随诊证实的240例直径≤4 cm肾上腺肿瘤患者的病例资料,其中乏脂性肾上腺腺瘤(LPA)140例,肾上腺恶性肿瘤100例。在不同时相增强CT(CECT)图像上逐层勾画以获得三维感兴趣区(ROI),使用Pyradiomics软件提取影像组学特征,通过组内相关系数(ICC)确保特征的可重复性。将数据集经随机分层抽样法按照8∶2的比例分为训练集(<em>n</em>=192)和测试集(<em>n</em>=48),分别应用6种机器学习算法构建各个时相的诊断模型,采用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型性能。通过单因素和多因素逻辑回归筛选临床特征并建立临床模型。联合最优影像组学分数和临床独立预测因素构建联合模型,并绘制列线图。采用雷达图多边形围成的面积评估各模型的预测效能,采用校准曲线和决策曲线评价模型的校准度和临床净收益。结果基于CECT图像共提取1834个影像组学特征,经筛选后动脉期得到15个影像组学特征,逻辑回归(LR)模型性能最佳,测试集中AUC值为0.909(95%CI:0.827~0.992);静脉期得到21个影像组学特征,LR模型效能最高,测试集中AUC值为0.892(95%CI:0.798~0.986);延迟期得到19个影像组学特征,支持向量机(SVM)模型性能最优,测试集中AUC值为0.901(95%CI:0.806~0.997)。临床参数中高血压、静脉期CT值、延迟期CT值、肿瘤边界是否清晰是鉴别诊断的独立危险因素,临床模型的测试集AUC值为0.863(95%CI:0.733~0.993)。基于最优影像组学分数和临床参数构建列线图的测试集AUC值为0.915(95%CI:0.835~0.995)。雷达图显示联合模型所构成的多边形面积最大,校准曲线显示联合模型拟合最佳,决策曲线的临床净获益率高于其他模型。结论CT影像组学特征能较好地鉴别直径≤4 cm肾上腺肿瘤良恶性,联合临床特征能进一步提高诊断价值。
关键词:肾上腺肿瘤,影像组学,机器学习,体层摄影术,X线计算机
2025年7期其他文献查阅:
基于多种机器学习算法的影像组学模型预测胶质瘤IDH突变状态的对比分析
自发性脑出血早期血肿扩大不同预测模型的对比分析以及多模态预测模型的构建
基于结构像及静息态功能MRI无灶性癫痫患者与正常人脑网络对比研究
MOLLI T1 mapping成像对脊髓型颈椎病术后最小临床重要差异的纵向预测价值
基于全数字化乳腺X线摄影和数字化乳腺断层摄影特征的深度学习模型对浸润性乳腺癌HER2表达状态的预测价值
基于治疗前DCE‐MRI的生境影像组学预测新辅助化疗后浸润性乳腺癌的病理完全缓解
基于CT征象及定量参数预测3 cm以下浸润性肺腺癌病理亚型的研究
18F-FDG PET/ CT代谢参数联合影像学特征对ⅠA~ⅡB期肺腺癌气腔播散的预测价值
基于CT灰度直方图构建小于20 mm肺磨玻璃结节浸润性的诊断预测模型
基于钆塞酸二钠增强MRI肝细胞癌术后晚期复发模型与临床模型对比研究
基于增强CT衍生细胞外容积分数的可解释机器学习模型术前预测透明细胞肾细胞癌WHO/ISUP分级
18F-FDG PET/CT代谢参数及肿瘤扩散特征与滤泡性淋巴瘤临床病理特征的相关性研究