论文部分内容阅读
第一部分肺鳞癌与肺腺癌的CT征象对比研究
研究目的:
探讨CT征象对鉴别CT表现为实性结节或肿块的肺鳞癌(lung squamous cell carcinoma,LSCC)与肺腺癌(lung adenocarinoma,LADC)的价值,以提高两者的诊断及鉴别诊断准确率。
材料及方法:
回顾性收集经手术后病理证实为肺癌的临床、CT资料,共纳入838例患者,其中肺鳞癌226例,肺腺癌612例。所有患者均经规范化的胸部CT平扫+增强扫描。分析比较两组患者的年龄、性别等资料以及病灶的直径、分叶征、毛刺征、胸膜凹陷征、支气管截断征、坏死液化/空洞征、钙化征等方面的差异。
结果:
本研究肺鳞癌、肺腺癌组CT征象中毛刺征、胸膜凹陷征、支气管截断征、液化/空洞征发生率有统计学差异(P<0.05),肺鳞癌组支气管截断征出现率(46.0%)高于肺腺癌组支气管截断征出现率(25.8%),肺鳞癌组液化/空洞征出现率(46.4%)高于肺腺癌组液化/空洞征出现率(9.1%)。肺腺癌组毛刺征出现率(84.9%)高于肺鳞癌组毛刺征出现率(78.3%),肺腺癌组胸膜凹陷征出现率(76.9%)高于肺鳞癌组胸膜凹陷征出现率(36.2%)。
本研究肺鳞癌、肺腺癌组CT征象中分叶征、钙化征发生率两组间无统计学差异(P≥0.05),肺鳞癌组分叶征出现率89.3%,肺腺癌组分叶征出现率89.3%。肺鳞癌组钙化出现率3.9%,肺腺癌组钙化出现率3.7%。
结论:
(1)肺鳞癌相对于肺腺癌更好发于年龄较大的老年男性患者,肺鳞癌病灶平均直径大于肺腺癌平均直径。
(2)实性肺鳞癌、肺腺癌病灶CT多表现为边缘分叶、毛刺的软组织结节或肿块。相对于肺腺癌,支气管截断征(特别是段与亚段以上的支气管)、较明显的液化/空洞征(不规则厚壁空洞)更多见于肺鳞癌;相对于肺鳞癌,较明显的毛刺征、胸膜凹陷征则更多见于肺腺癌。
第二部分CT影像组学特征对肺鳞癌与肺腺癌的鉴别诊断研究
研究目的:
基于术前CT图像的影像组学特征,探讨影像组学分类模型对鉴别表现为实性结节或肿块的肺鳞癌与腺癌病理类型的价值。
材料与方法:
本研究收集了经手术切除后病理证实、CT表现为实性结节或肿块的肺癌患者838例,其中肺鳞癌226例,肺腺癌患者612例。所有患者均采用了规范化的胸部CT平扫+增强扫描。按照7:3人数比例随机分为训练集和验证集,其中训练集中,鳞癌171,腺癌428例;验证集中,鳞癌71例,腺癌181例。
本研究采用3D-slicer软件对结节进行自动分割,由两名医师审核并修正;然后采用Pyradiomics软件对病灶影像组学特征进行提取,每个病灶可提取1752个初始影像组学特征。使用协方差矩阵、最小绝对压缩选择法(least absolute shrinkage and selection operator,LASSO)、随机森林分类器(radom forest classifier ,RFC)对初始影像组学特征降维、筛选。在筛选出重要的影像组学特征后,基于各组训练集影像组学数据使用随机森林算法进行机器学习并建立与肺鳞癌、腺癌病理类型相关的分类器模型,经过训练集学习后的分类器模型应用于验证集以检验分类器性能。绘制受试者工作特征曲线(receiver operating characteristic curve,ROC),使用ROC曲线下面积(area under curve,AUC)评价分类器性能。
结果:
基于CT平扫图像的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.94,敏感性85%,特异性87%。验证集AUC值0.80,敏感性62%,特异性77%。
基于CT增强图像的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.97,敏感性93%,特异性86%。验证集AUC值0.82,敏感性70%,特异性81%。
基于CT平扫和增强联合的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.96,敏感性89%,特异性91%。验证集AUC值0.86,敏感性72%,特异性84%。
结论:
基于术前CT图像的影像组学特征,CT影像组学模型可以作为鉴别肺鳞癌与肺腺癌的一种无创方法,作为临床治疗前判断肺癌病理类型的一种有效补充。
研究目的:
探讨CT征象对鉴别CT表现为实性结节或肿块的肺鳞癌(lung squamous cell carcinoma,LSCC)与肺腺癌(lung adenocarinoma,LADC)的价值,以提高两者的诊断及鉴别诊断准确率。
材料及方法:
回顾性收集经手术后病理证实为肺癌的临床、CT资料,共纳入838例患者,其中肺鳞癌226例,肺腺癌612例。所有患者均经规范化的胸部CT平扫+增强扫描。分析比较两组患者的年龄、性别等资料以及病灶的直径、分叶征、毛刺征、胸膜凹陷征、支气管截断征、坏死液化/空洞征、钙化征等方面的差异。
结果:
本研究肺鳞癌、肺腺癌组CT征象中毛刺征、胸膜凹陷征、支气管截断征、液化/空洞征发生率有统计学差异(P<0.05),肺鳞癌组支气管截断征出现率(46.0%)高于肺腺癌组支气管截断征出现率(25.8%),肺鳞癌组液化/空洞征出现率(46.4%)高于肺腺癌组液化/空洞征出现率(9.1%)。肺腺癌组毛刺征出现率(84.9%)高于肺鳞癌组毛刺征出现率(78.3%),肺腺癌组胸膜凹陷征出现率(76.9%)高于肺鳞癌组胸膜凹陷征出现率(36.2%)。
本研究肺鳞癌、肺腺癌组CT征象中分叶征、钙化征发生率两组间无统计学差异(P≥0.05),肺鳞癌组分叶征出现率89.3%,肺腺癌组分叶征出现率89.3%。肺鳞癌组钙化出现率3.9%,肺腺癌组钙化出现率3.7%。
结论:
(1)肺鳞癌相对于肺腺癌更好发于年龄较大的老年男性患者,肺鳞癌病灶平均直径大于肺腺癌平均直径。
(2)实性肺鳞癌、肺腺癌病灶CT多表现为边缘分叶、毛刺的软组织结节或肿块。相对于肺腺癌,支气管截断征(特别是段与亚段以上的支气管)、较明显的液化/空洞征(不规则厚壁空洞)更多见于肺鳞癌;相对于肺鳞癌,较明显的毛刺征、胸膜凹陷征则更多见于肺腺癌。
第二部分CT影像组学特征对肺鳞癌与肺腺癌的鉴别诊断研究
研究目的:
基于术前CT图像的影像组学特征,探讨影像组学分类模型对鉴别表现为实性结节或肿块的肺鳞癌与腺癌病理类型的价值。
材料与方法:
本研究收集了经手术切除后病理证实、CT表现为实性结节或肿块的肺癌患者838例,其中肺鳞癌226例,肺腺癌患者612例。所有患者均采用了规范化的胸部CT平扫+增强扫描。按照7:3人数比例随机分为训练集和验证集,其中训练集中,鳞癌171,腺癌428例;验证集中,鳞癌71例,腺癌181例。
本研究采用3D-slicer软件对结节进行自动分割,由两名医师审核并修正;然后采用Pyradiomics软件对病灶影像组学特征进行提取,每个病灶可提取1752个初始影像组学特征。使用协方差矩阵、最小绝对压缩选择法(least absolute shrinkage and selection operator,LASSO)、随机森林分类器(radom forest classifier ,RFC)对初始影像组学特征降维、筛选。在筛选出重要的影像组学特征后,基于各组训练集影像组学数据使用随机森林算法进行机器学习并建立与肺鳞癌、腺癌病理类型相关的分类器模型,经过训练集学习后的分类器模型应用于验证集以检验分类器性能。绘制受试者工作特征曲线(receiver operating characteristic curve,ROC),使用ROC曲线下面积(area under curve,AUC)评价分类器性能。
结果:
基于CT平扫图像的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.94,敏感性85%,特异性87%。验证集AUC值0.80,敏感性62%,特异性77%。
基于CT增强图像的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.97,敏感性93%,特异性86%。验证集AUC值0.82,敏感性70%,特异性81%。
基于CT平扫和增强联合的影像组学特征,利用随机森林算法建立了预测模型,显示出了较好的预测效能,训练集AUC值0.96,敏感性89%,特异性91%。验证集AUC值0.86,敏感性72%,特异性84%。
结论:
基于术前CT图像的影像组学特征,CT影像组学模型可以作为鉴别肺鳞癌与肺腺癌的一种无创方法,作为临床治疗前判断肺癌病理类型的一种有效补充。