CT常规特征及纹理特征预测胰腺神经内分泌肿瘤病理分级的价值
目的 探讨CT常规特征及纹理特征预测胰腺神经内分泌肿瘤(PNET)病理分级的应用价值.方法 回顾性分析经手术病理证实的102例PNET患者的CT常规特征及纹理特征.观察测量肿瘤的最大径、钙化、囊变坏死、胰管扩张、强化方式及CT值等常规特征并进行相关计算,再采用ITK-SNAP软件勾画感兴趣区,A.K.软件提取纹理特征,并筛选出动、静脉期纹理特征.应用独立样本t检验及卡方检验等比较低级别组与高级别组患者CT特征的差异.采用二元Logistic回归筛选独立预测因素,绘制受试者工作特征曲线(ROC)比较两种特征预测病理分级的效能.结果 本组102例,其中低级别组(G1)41例,高级别组(G2、G3)61例.不同组别间常规特征中最大径、强化方式、囊变及钙化的差异有统计学意义(P＜0.05);静脉期相对强化程度值(PVP)及CT比值(VCR)差别有统计学意义(P＜0.05).纹理特征中动脉期的频率大小、协方差、体素数,静脉期的平均偏差、最小强度、协方差、频率大小、体素数、体素灰度值和,2组间差别有统计学意义(P＜0.05).二元Logistic回归分析表明,肿瘤最大径(P＜0.05)为独立预测因素.基于CT常规特征的模型(模型1),曲线下面积(AUC)为0.797,敏感度为61％,特异度为92.5％;基于纹理特征的模型(模型2),AUC值为0.784,敏感度为61％,特异度为90％;联合模型1+2,AUC值为0.917,敏感度为83.1％,特异度为90％.结论 肿瘤最大径为预测PNET病理分级的独立预测因素.CT常规特征及纹理特征都可用于预测PNET的病理分级,联合两种特征共同分析可提高诊断效能.
体层摄影术、X线计算机、常规特征、纹理特征、胰腺、神经内分泌肿瘤、病理分级
39
R73;R541.4;R445.2
2021-05-12（万方平台首次上网日期，不代表论文的发表时间）
共6页
2232-2237
