CT影像组学模型对肾上腺腺瘤亚型鉴别的价值
吴春梅1
李轩昂2
王尉丞2
薛林雁2
殷小平3
1.河北大学附属医院影像科,保定 071000;河北大学临床医学院;河北省炎症相关肿瘤精准影像诊断学重点实验室2.河北大学质量技术监督学院3.河北大学附属医院影像科,保定 071000;河北省炎症相关肿瘤精准影像诊断学重点实验室
摘要：目的 探讨基于多期相CT影像组学模型鉴别肾上腺腺瘤亚型的临床价值.方法 回顾性收集经术后病理证实为肾上腺腺瘤的病人195 例,均于术前行肾上腺CT平扫及增强检查.将病人按 8∶2 比例随机分成训练集(156例)和验证集(39 例).根据激素分泌水平将病人分为功能性肾上腺腺瘤组(70例)和无功能性肾上腺腺瘤组(125例).基于病人CT平扫及增强影像提取 1521个影像组学特征,通过随机森林算法筛选保留 8个最优影像组学特征,采用支持向量机(SVM)算法并经 5 折交叉验证,分别构建平扫期、动脉期、静脉期、延迟期及各期融合的影像组学模型.2 组间临床和CT影像特征的比较采用t检验、Mann-Whitney U检验、卡方检验.绘制受试者操作特征(ROC)曲线,计算ROC曲线下面积(AUC)、准确度、敏感度、特异度以评估模型效能.结果 功能性肾上腺腺瘤组的血钾低于无功能性肾上腺腺瘤组,而高血压病人占比高于无功能性肾上腺腺瘤组(均P＜0.05).验证集中,平扫期影像组学模型的诊断效能(AUC=0.813)、准确度(0.759)、特异度(0.814)均最高.结论 基于CT不同期相的影像组学特征结合SVM构建的影像组学模型可无创性鉴别肾上腺腺瘤亚型,具有一定的临床价值,有助于临床决策.
关键词：肾上腺腺瘤影像组学机器学习支持向量机随机森林体层摄影术X线计算机
分类号：R814.42(放射医学)R816.7(放射医学)
论文发表日期：2024-05-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 274-279,287 )
英文信息