摘要
目的 探讨CT影像组学在预测肺腺癌分化程度的价值.方法 回顾性分析2011年7月至2019年4月经病理证实为肺腺癌383例患者的平扫CT影像和临床资料.选取2011年7月至2017年8月265例患者共266个结节为训练集;再选取2017年9月至2019年4月118例患者共118个结节为验证集.参照WHO病理分类将所有结节分为高分化腺癌和低分化腺癌.对所有病灶逐层勾画得到其容积感兴趣区(VOI),再从每个VOI中提取影像学特征,进行归一化和降维,采取最小冗余最大相关性(mRMR)和最小绝对收缩选择算子(LASSO)筛选最优影像组学特征,计算影像组学标签值.对训练集和验证集的临床资料及影像特征进行单因素及多因素分析,基于有统计学意义的变量建立模型,并在验证集中进行验证.使用ROC曲线评价模型的预测效能.结果 经重复性分析及LASSO后,筛选出8个影像组学特征用以建立影像组学标签值.多因素分析显示类型和影像组学标签值是预测肺腺癌分化程度的独立危险因素,回归模型、类型和影像组学标签在训练集的曲线下面积分别为0.905[95％CI(0.863 ～0.937)]、0.779[95％CI(0.725 ～0.828)]、0.894[95％ CI(0.851 ～0.937)];在验证集中,回归模型、类型和影像组学标签的曲线下面积分别为0.816[95％ CI(0.735～0.882)]、0.782[95％ CI (0.696～0.852)]、0.783[95％ CI(0.698 ～0.854)].结论 基于CT影像组学特征联合临床资料建立的多因素Logistic回归模型可用于预测肺腺癌的分化程度.
基金项目
国家自然科学基金(61976238)
上海卫生健康委-智慧医疗医学影像重大项目(2018ZHYL0103)
NETL
NSTL
维普
万方数据