分享
打开微信,点击底部的“发现”,使用 “扫一扫” 即可将网页分享到我的朋友圈
收藏
摘要: 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。
关键词: 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
所属期刊栏目: 103
资助基金: 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
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8页
页码: 3279-3286
英文信息展示
收起英文信息