基于常规CT图像应用影像组学模型预测浸润性肺腺癌不同分化程度的价值
目的 探讨CT影像组学模型在预测浸润性肺腺癌(IAC)分化程度的价值.方法 回顾性分析2017年10月至2018年8月经手术病理或穿刺病理结果证实为IAC的患者133例,其中,106例作为训练组,27例作为测试组.根据病理结果,将所有患者分为高、中分化组(67例)和低分化组(66例),所有患者均在本院行胸部CT平扫.使用病灶分割软件ITK-SNAP手动分割每个患者的病灶,勾画每个层面病灶最大界面作为感兴趣区(ROI),对所有病灶CT图像进行高通量特征采集,提取出396个CT特征.对所得特征进行LASSO降维处理,构建得到预测模型,采用受试者工作特征曲线(ROC)评价模型的预测效能.结果 采用LASSO回归降维方法筛选保留10个特征参数,预测模型在训练组中的曲线下面积(AUC)为0.84(95％ CI:0.762～0.923),敏感度和特异度分别为59.6％和97.9％,模型的准确度为79.4％,阳性预测值为97.0％,阴性预测值为71.0％;在测试组中预测模型的AUC为0.83 (95％CI:0.698～0.971),敏感度和特异度分别为75.0％和84.2％,测试的准确度为79.3％,阳性预测值为83.2％,阴性预测值为76.3％.结论 基于CT影像组学模型预测IAC的分化程度有重要价值.
肺腺癌、分化程度、影像组学、人工智能
39
TN919.8;R737.9;TP391.41
2020-10-14（万方平台首次上网日期，不代表论文的发表时间）
共4页
1095-1098
