论文部分内容阅读
目的:探讨基于结直肠癌CT图像应用放射组学方法在结直肠癌淋巴结转移的诊断价值。方法:回顾性分析2016年12月至2017年12月吉林大学第一医院经手术病理证实为结直肠癌,具有术前结肠CT增强检查及术前常规检查等临床资料完整的446例患者(淋巴结转移、非淋巴结转移患者分别为212例和234例),由计算机软件按照4:1的比例将全部患者随机分为训练组及验证组(训练组356例,验证组90例)。选取静脉期轴位图像肿瘤最大直径层面勾画肿瘤轮廓为ROI1;将静脉期轴位图像经过多平面重建后,选取垂直于肠管走行方向肿瘤最大直径层面勾画肿瘤轮廓为ROI2。ROI1和ROI2分别提取1209维放射组学特征,两个ROI的放射组学特征通过lasso回归降低数据维度分别获得13维和11维放射组学特征,筛选后的放射组学特征进行归一化转换为放射组学标签。采用多变量随机森林分类器模型(Random Forest Classifier,RFC)分别建立放射组学模型、放射组学标签与临床信息融合的模型进行术前淋巴结转移诊断,以术后病理结果作为金标准,评价各模型诊断效能。结果:训练组与验证组患者临床信息差异没有统计学意义,放射组学标签、年龄、性别、肿瘤位置、癌胚抗原(CEA)、糖类抗原19-9(CA19-9)表达水平均与结直肠癌淋巴结转移相关(P值均<0.05)。建立放射组学模型(分别由ROI1、ROI2筛选后的放射组学特征构成),模型在训练组患者获得的ROC曲线下面积(AUC)分别为0.998、0.997,在验证组患者获得的AUC分别为0.680、0.713,95%置信区间分别为0.567~0.793、0.605~0.820;将放射组学特征转化为一维放射组学标签,加入对应患者临床信息后构成的融合模型在训练组患者获得AUC分别为0.954、0.941,在验证组患者获得的AUC分别为0.803、0.809,95%置信区间分别为0.709~0.897、0.722~0.896。结论:基于结直肠癌CT图像的放射组学特征及患者临床信息构建的随机森林模型可用于诊断结直肠癌淋巴结转移。