基于靶扫描和常规扫描CT图像的影像组学模型预测肺磨玻璃结节的2年生长

R734.2; 目的 比较基于靶扫描CT(targeted CT,T-CT)和常规扫描CT(conventional CT,C-CT)图像建立的CT影像组学特征集预测肺磨玻璃结节(ground-glass nodules,GGN)2年生长的价值,并建立影像组学列线图以帮助管理GGN.方法 回顾性收集2018年10月—2019年1月间414个随访肺GGN的T-CT、C-CT图像和临床资料,并按7:3分为训练组(n=290)和验证组(n=124).分别采用最小绝对收缩与选择算法逻辑回归、多因素逻辑回归筛选GGN 2年生长相关的影像组学特征及临床特征,构建影像组学特征集、临床特征集,结合成影像组学列...

Full description

Saved in:
Bibliographic Details
Published in复旦学报（医学版） Vol. 48; no. 6; pp. 739 - 771
Main Authors 薛丽敏, 李瀛, 强金伟, 于红, 张玉, 邓林, 陶广昱
Format Journal Article
LanguageChinese
Published 复旦大学附属金山医院放射科 上海 201508%复旦大学附属金山医院放射科 上海 201508%上海交通大学医学院附属上海市胸科医院放射科 上海 200030 30.11.2021
上海市影像医学研究所 上海 200032
Subjects
体层摄影术,X线计算机;影像组学;列线图;磨玻璃结节(GGN);生长
Online AccessGet full text
ISSN1672-8467
DOI10.3969/j.issn.1672-8467.2021.06.004

Cover

More Information
Summary:R734.2; 目的 比较基于靶扫描CT(targeted CT,T-CT)和常规扫描CT(conventional CT,C-CT)图像建立的CT影像组学特征集预测肺磨玻璃结节(ground-glass nodules,GGN)2年生长的价值,并建立影像组学列线图以帮助管理GGN.方法 回顾性收集2018年10月—2019年1月间414个随访肺GGN的T-CT、C-CT图像和临床资料,并按7:3分为训练组(n=290)和验证组(n=124).分别采用最小绝对收缩与选择算法逻辑回归、多因素逻辑回归筛选GGN 2年生长相关的影像组学特征及临床特征,构建影像组学特征集、临床特征集,结合成影像组学列线图.采用Delong检验比较基于T-CT和C-CT图像建立的CT影像组学特征集,并分别用C-CT和T-CT数据进行交叉预测.分别采用受试者工作特征曲线下面积(AUC)和临床决策曲线评估各模型效能和临床实用性.结果 T-CT和C-CT图像分别筛选出7个和6个特征用于构建影像组学特征集,两者AUC差异无统计学意义.筛选出年龄、性别和毛刺征3个临床特征构建临床特征集,结合C-CT影像组学特征集构建影像组学列线图.影像组学列线图在训练组和验证组中的AUC分别为0.948和0.933.临床特征的纳入未能显著提高模型预测效能(训练组和验证组P值分别为0.168和0.160),影像组学列线图较影像组学特征集获得更高临床净收益.结论 T-CT和C-CT影像组学特征集均能有效预测GGN的2年生长,且差异无统计学意义.影像组学列线图较影像组学特征集获得更高临床净收益,有助于管理GGN.
ISSN:1672-8467
DOI:10.3969/j.issn.1672-8467.2021.06.004