冠周脂肪影像组学鉴别冠状动脉狭窄程度初探

• 作者: 查昕仪 陶青 胡粟 陈灿 陈蒙 胡春洪
• 来源期刊: 影像诊断与介入放射学
• 学科: 医学
• 关键词: 冠状动脉疾病 体层摄影术 X线计算机 冠状动脉周围脂肪 影像组学
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 心胸影像学
• 页码范围: 20-25
• 页数: 6页
• 分类号: R543.3|R814.42
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8001.2022.01.004

摘要

目的 初步探讨基于冠脉CTA(CCTA)图像上冠状动脉周围脂肪(PCAT)的影像组学模型对冠状动脉狭窄程度的鉴别诊断.方法 回顾性分析319例接受CCTA检查者的临床、影像资料,分为三组,包括正常组(101例202支经CCTA评估为正常者),轻中度组[74例74支经数字减影血管造影(DSA)评估为轻中度狭窄者],重度组(144例144支经DSA评估为重度狭窄者).于左前降支(LAD)及右冠状动脉(RCA)最狭窄处的斑块周围勾画、分割PCAT的兴趣区(ROI),提取ROI内的影像组学特征,采用逻辑回归以及最小绝对收缩与选择算子(LASSO)进行特征筛选并建立影像组学模型,使用受试者工作曲线(ROC)评估正常-病变组及轻中度狭窄组-重度狭窄组之间的诊断效能.结果 构建的两个影像组学模型(正常-病变模型、轻中度-重度模型)分别得出16个和9个最优特征参数,其中LogarithmGLCM_logarithm_ClusterShade为两者共有的特征参数.正常与病变组影像组学模型在训练组、测试组的ROC曲线下面积(AUC)分别为0.964和0.935,轻中度与重度组影像组学模型在训练组、测试组的AUC分别为0.69,0.644.结论 基于CCTA图像上PCAT的影像组学模型在正常与冠状动脉狭窄之间具有较好的鉴别诊断效能,但区分冠脉狭窄程度的鉴别能力较低.