10.12122/j.issn.1674-4500.2023.04.10
能谱CT及碘基图影像组学诺模图在预测上皮性卵巢癌分型中的应用价值
目的 探讨联合碘基图影像组学模型、能谱CT多参数及临床危险因素构建的诺模图在预测上皮性卵巢癌(EOC)分型中的价值.方法 回顾性分析122例(Ⅰ型46例,Ⅱ型76例)行能谱CT增强扫描并经病理证实为EOC的患者,结合血清糖类抗原125及人附睾蛋白4,建立临床模型;比较感兴趣区在静脉期图像下的碘浓度(IC)、标准化碘浓度(NIC)、能谱曲线斜率(λ)、有效原子序数(Zeff)及标准化有效原子序数(NZeff),通过Logstic回归分析筛选出有统计学意义的能谱参数,建立能谱CT参数模型;于动静脉期碘基图提取影像组学特征,按照7∶3的比例建立训练组(n=85)和验证组(n=37),经过数据降维处理,筛选出有效的特征,建立影像组学模型;采用ROC曲线及曲线下面积(AUC)评价模型的诊断效能并利用模型构建诺模图,使用决策曲线分析及校正曲线评价诺模图的临床应用价值.结果 两组患者血清糖类抗原125及人附睾蛋白4差异有统计学意义(P<0.05),将两者联合建立临床模型,训练组AUC为0.797(95%CI:0.700~0.895),验证组AUC为0.776(95%CI:0.620~0.933);λ40~70 keV、λ40~100 keV、IC、NIC、Zeff、NZeff的差异有统计学意义(P<0.05),二元Logstic回归分析提示NIC为独立影响因素(P=0.008),训练组AUC为0.813(95%CI:0.723~0.902),验证组AUC为0.837(95%CI:0.707~0.966);影像组学经降维后共筛选出18个影像组学特征,其中包括6个一阶特征、8个灰度特征、1个形态特征、3个小波特征.训练组AUC为0.825(95%CI:0.733~0.917),验证组AUC为0.851(95%CI:0.725~0.796).联合模型的诊断效能最高,训练组AUC为0.935(95%CI:0.885~0.986),验证组AUC为0.938(95%CI:0.865~1.000),均高于单一模型.结论 临床-能谱-影像组学诺模图在预测上皮性卵巢癌的分型方面具有潜在的价值.
上皮性卵巢癌、影像组学、能谱CT成像、诺模图
46
R737.31;R563;R445.3
安徽高校自然科学研究项目KJ2021A0727
2023-07-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
632-637