基于CT增强图像影像组学特征模型预测肺鳞癌和腺癌价值初探

• 作者: 唐彩银 李通 段绍峰 张继
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 影像组学 肺腺癌 肺鳞状细胞癌 Logistic回归 贝叶斯预测模型
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 转化医学|TRANSLATIONAL MEDICINE
• 页码范围: 138-141
• 页数: 4页
• 分类号: R734.2|R814.42
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2022.03.033

摘要

目的 评估基于CT增强图像的影像组学方法在肺腺癌(Lung Adenocarcinoma,ADC)和肺鳞状细胞癌(Squamous Cell Carcinoma,SCC)中的鉴别能力.方法 回顾性分析泰州市人民医院2017年1月至2019年12月经病理证实的51例ADC患者和34例SCC患者,从CT增强图像感兴趣区中提取影像组学特征.按照7:3的比例,选取59个患者作为训练集,26个作为验证集.应用相关性检验、单因素方差分析或秩和检验、单因素Logistic回归分析、多随机森林算法交叉验证的方法选择特征及降维,采用多因素Logistic回归方法和贝叶斯网络构建预测模型进行比较,通过受试者操作特征(Receiver Operating Characteristic,ROC)曲线的曲线下面积(Area Under the Curve,AUC)评价模型效能(灵敏度、特异度、准确率).结果 8个特征通过Logistic回归分析方法建立模型,通过ROC曲线发现训练集AUC为0.97、灵敏度为83.3％、特异度为97.1％、准确率为91.5％.验证集AUC为0.89、灵敏度为80.2％、特异度为73.3％、准确率为84.6％.结论 基于Logistic回归的影像组学方法在SCC与ADC的预测与鉴别中具有较高的应用价值,可为临床医师决策提供科学依据.