影像组学模型对颈动脉斑块内微钙化的诊断价值研究

摘要：

目的:构建诊断颈动脉斑块内微钙化的影像组学模型并分析其诊断价值。方法:纳入苏州大学附属第三医院神经内科自2017年5月至2019年11月收治的52例大动脉粥样硬化型脑梗死患者进入研究。所有患者均行颈动脉常规超声检查明确存在颈动脉斑块，同时采用Micropure
?超声技术检测斑块内微钙化情况。若颈动脉斑块内存在微钙化，取微钙化密度最高的斑块横断面；若无微钙化则取斑块最大横断面。所有图像经Photoshop软件进行归一化处理后，通过MaZda 4.6软件勾画斑块为感兴趣区，自动提取斑块283个纹理特征。通过不同观察者间观察一致性分析[组内相关系数(ICC)>0.75)、两样本
t检验、Lasso回归筛选出诊断效果最强的纹理特征，并通过随机森林(RF)和支持向量机(SVM)分类器构建模型，以7∶3划分训练集和验证集，通过受试者工作特征曲线(ROC)计算曲线下面积(AUC)评估模型的诊断效果，并采用Delong检验比较两种模型对验证集诊断能力的差异。
结果:共纳入52例患者148个斑块图像，其中斑块内有微钙化104个，无微钙化44个。最终筛选出9个纹理特征，包括5个图像灰度直方图特征：均值、方差、斜度、峰值、第99百分位数值；1个自回归模型特征：θ
3；3个小波变换特征：WavEnLH_s-3、WavEnLH_s-4、WavEnLH_s-6。RF分类器构建的模型诊断斑块微钙化的准确率为0.93，AUC为0.92；SVM分类器构建的模型诊断准确率为0.91，AUC为0.90。Delong检验显示两种模型对斑块内微钙化的诊断能力差异无统计学意义(
Z=1.000，
P=0.320)。
结论:通过RF和SVM构建的影像组学模型能准确诊断颈动脉斑块内微钙化情况，且RF和SVM两种模型诊断能力接近。

关键词：颈动脉、斑块、微钙化、超声、影像组学、诊断模型

所属期刊栏目：22

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：547-552