基于MRI-T1 WI增强图像的纹理分析在鉴别四肢良恶性软组织肿瘤中的应用价值

• 作者: 冯茜茜 韩福刚 何晓鹏 舒健 陈光祥 唐光才
• 来源期刊: 临床放射学杂志
• 关键词: 纹理分析 磁共振成像 软组织肿瘤 良恶性
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 肌肉骨骼影像学
• 页码范围: 1563-1567
• 页数: 5页
• 语种: 中文

摘要

目的 探讨基于MRI-T1WI增强图像的纹理分析在鉴别四肢良恶性软组织肿瘤中的应用价值.方法 搜集79例经外科手术或穿刺活检病理证实的四肢软组织肿瘤患者的增强MRI影像资料,根据病理结果将四肢软组织肿瘤患者分为良性组和恶性组.将两组患者的T1WI增强图像分别导入A.K.纹理分析软件进行图像纹理特征的提取.采用Spearman相关分析方法去除冗余及强共线性特征,再用Step-wise多因素逻辑回归分析逐步剔除贡献度小的特征,最后建立最优化的预测模型.对进入模型的每个特征先进行单因素分析,然后计算出预测模型的综合预测值(Rad-score),分别绘制单因素及预测模型的受试者工作特征(ROC)曲线,并确定各特征及预测模型的截断值(Cut-off),所有统计学结果均以P＜0.05表示差异具有统计学意义.结果 基于T1WI增强图像纹理特征的预测模型的组成特征:全角逆差矩_步长4_标准差、小区域强度、区域百分比.良性组的全角逆差矩_步长4_标准差、小区域强度、区域百分比均高于恶性组,差异均具有统计学意义(P＜0.05),其中区域百分比的曲线下面积(AUC)最大,为0.720,特异度100％,敏感度45.71％.但T1WI增强预测模型鉴别四肢软组织肿瘤良恶性的AUC更大(AUC为0.849,特异度75.00％,敏感度84.86％),诊断效能更高.结论 基于MRI-T1WI增强图像的纹理分析在鉴别四肢软组织肿瘤的良恶性中具有一定价值.基于MRI-T1WI增强图像建立的预测模型的诊断效能最高.区域百分比在单因素分析中价值最大.