基于MRI扩散加权成像和表观扩散系数的影像组学模型对甲状腺结节良恶性的鉴别诊断价值研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3760/cma.j.cn112137-20230913-00453

基于MRI扩散加权成像和表观扩散系数的影像组学模型对甲状腺结节良恶性的鉴别诊断价值研究

引用
目的:探讨基于MRI扩散加权成像(DWI)和表观扩散系数(ADC)图像的影像组学模型鉴别诊断甲状腺结节良恶性的价值。方法:横断面研究。回顾性分析2019年1月至2022年12月中国医学科学院肿瘤医院深圳医院行甲状腺MRI检查的140例患者的148个甲状腺结节(良性50个,恶性98个)的临床资料。以结节为研究单位,使用留出法将甲状腺结节按照7∶3的比例随机分成训练集和测试集。对DWI和ADC图像进行感兴趣区勾画及组学特征提取,在训练集中采用观察者间一致性分析、 U检验、最小绝对收缩和选择算子算法、相关性分析进行特征筛选,使用支持向量机(SVM)、随机森林(RF)、K最近邻(KNN)和逻辑回归(LR)4个分类器对选取的特征构建模型,包括DWI模型、ADC模型和联合模型,并在测试集中对模型进行测试。以甲状腺结节病理结果为金标准,应用受试者工作特征(ROC)曲线评价影像组学模型鉴别诊断甲状腺结节良恶性的效能。 结果:本研究140例患者中,男40例,女100例,年龄(38.4±12.2)岁。经过特征筛选,11个DWI特征和11个ADC特征被用于构建模型。训练集中,基于同一分类器构建的不同模型间比较,联合模型的ROC曲线下面积(AUC)均高于相应的DWI模型和ADC模型。测试集中,SVM联合模型表现出最佳的模型预测效能[AUC为0.873(95% CI:0.740~0.954),准确度为75.6%,灵敏度为46.7%,特异度为90.0%,阳性预测值(PPV)为70.0%,阴性预测值(NPV)为77.1%],其AUC高于RF联合模型[AUC为0.836(95% CI:0.695~0.929),准确度为77.8%,灵敏度为40.0%,特异度为96.7%,PPV为85.7%,NPV为76.3%]、KNN联合模型[AUC为0.832(95% CI:0.691~0.927),准确度为77.8%,灵敏度为33.3%,特异度为100%,PPV为100%,NPV为75.0%]以及LR联合模型[AUC为0.813(95% CI:0.669~0.914),准确度为77.8%,灵敏度为60.0%,特异度为86.7%,PPV为69.2%,NPV为81.3%]。 结论:基于DWI和ADC图像特征的影像组学模型有助于鉴别诊断甲状腺结节良恶性,SVM联合模型的预测效能最佳。

甲状腺结节、磁共振成像、影像组学、扩散加权成像、表观扩散系数

103

深圳市高水平医院建设专项经费SZ2020ZD005,E010321002;中国医学科学院肿瘤医院深圳医院院内科研课题经费SZ2020ZD005, E010321002;Shenzhen High-level Hospital Construction Fund;National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College Scientific Research Project

2024-01-30(万方平台首次上网日期,不代表论文的发表时间)

共8页

3279-3286

相关文献
评论
暂无封面信息
查看本期封面目录

中华医学杂志

0376-2491

11-2137/R

103

2023,103(41)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn