基于CT图像的神经网络模型鉴别纯磨玻璃样微浸润性腺癌和浸润性腺癌

• 作者: 李国生 李智勇 蒋依宁 赵文静 车思雨 韩广庆
• 来源期刊: 实用医学杂志
• 学科: 医学
• 关键词: 磨玻璃结节 腺癌 CT 神经网络模型
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 医学检查与临床诊断
• 页码范围: 3273-3278
• 页数: 6页
• 分类号: R445.3
• 语种: 中文
• DOI: 10.3969/j.issn.1006-5725.2020.23.022

摘要

目的 基于CT图像建立神经网络模型鉴别呈纯磨玻璃结节(pure ground-glass nodules,pGGN)的微浸润腺癌(minimally invasive adenocarcinoma,MIA)和浸润性腺癌(invasive adenocarcinoma,IAC).方法 回顾性收录2015年1月至2018年1月期间于大连医科大学附属第一医院薄层CT上显示为pGGN,经手术病理证实为单发MIA 151例、IAC 127例.收集所有患者临床及影像特征,比较MIA组与IAC组之间临床及影像特征的差异性并建立神经网络模型,通过分析受试者操作特征曲线(subject operat-ing characteristic,ROC),计算并比较受试者工作特征曲线下面积(area under the curve,AUC)评估IAC的预测价值.结果 临床特征上,MIA组患者年龄低于IAC组(P<0.001);影像形态上,MIA组中类圆形多见,但是,分叶征、血管集束征、空气支气管征、空泡征和胸膜凹陷征均少于IAC组(均P<0.001);定量上,MIA组的mCT-LP、mCT-W、直径、体积和质量均低于IAC组(均P<0.001).利用神经网络模型预测IAC的ROC曲线明显优于各项定量指标,其AUC、总体预测准确率、敏感度和特异度分别为0.91、81.00％、78.81％和86.61％.结论 神经网络模型有助于鉴别呈现pGGN的MIA与IAC.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李智勇		91	643	14.0	20.0
2	车思雨		7	5	2.0	2.0
3	蒋依宁		2	2	1.0	1.0
4	韩广庆		3	0	0.0	0.0
5	赵文静		1	0	0.0	0.0
6	李国生		13	73	4.0	8.0