摘要
目的 建立和验证结合影像组学特征和临床特征的组合诺莫图模型,用于鉴别新型冠状病毒肺炎(COV-ID-19)和甲型H1N1流感肺炎.方法 搜集两家医院共181例经核酸检测确诊并进行过肺部CT扫描的患者参加本研究,其中COVID-19患者94例和甲型H1N1流感患者87例.按照7∶3的比例划分为训练集和验证集,训练集共129例患者,验证集共52例患者.使用半自动分割软件在CT图像上进行特征提取,使用最小冗余最大相关性行特征降维,将影像组学特征与临床特征相结合,建立组合诺模图模型,采用受试者工作特征(ROC)曲线的曲线下面积(AUC)、校准曲线和决策曲线分析评价模型的实用性.结果 特征降维后生成包含3个临床特征与9个影像组学特征的特征子集,并构建预测模型:临床诺莫图模型,训练集AUC值为0.737(特异度0.769、敏感度0.654),验证集AUC值为0.618(特异度0.809、敏感度0.426);影像组学诺莫图模型,训练集AUC值为0.903(特异度0.824、敏感度0.852),验证集AUC值为0.830(特异度0.923、敏感度0.654);组合诺莫图模型,训练集AUC值为0.927(特异度0.941、敏感度0.787),验证集AUC值为0.845(特异度0.846、敏感度0.808).结论 所建立的组合诺莫图模型有潜力用于COVID-19和甲型H1N1流感肺炎的鉴别.
NETL
NSTL
维普
万方数据