论文部分内容阅读
目的 探讨基于CT的影像组学诺模图对≤1 cm甲状腺结节良恶性的预测价值.方法 回顾性收集2019年1月至8月烟台毓璜顶医院收治的160例符合条件的甲状腺结节患者(良性56例、恶性104例)的影像学及临床资料,随机将其分为训练集(n=127)和验证集(n=33).从患者的平扫和增强CT动脉期图像中分别提取影像组学特征.在训练集中,采用单因素方差分析(ANOVA)和最小绝对收缩和选择算子(LASSO)筛选与良恶性结节相关影像组学特征并构建影像组学标签,结合所选特征与其加权系数乘积的线性组合生成影像组学标签得分(影像组学评分).采用ANOVA筛选独立临床危险因素,并采用多因素Logistic回归结合影像组学评分筛选最终预测因素构建影像组学诺模图.使用受试者工作特性(ROC)曲线评价模型预测效能.结果 19个与甲状腺结节状态相关的特征组成的影像组学标签取得了良好的预测效果,并计算影像组学评分.多因素Logistic回归结果显示,甲状腺影像报告和数据系统(TI-RADS分级)、影像组学评分为甲状腺结节良恶性预测相关的独立危险因素.纳入这2种因素的影像组学诺模图在训练集(AUC:0.835;95％置信区间[CI]:0.776,0.884)和验证集中(AUC:0.793;95％CI:0.642,0.901)均显示出较好的鉴别能力.结论 所提出的影像组学诺模图是一种结合影像组学特征和临床危险因素的无创预测工具,对≤1 cm甲状腺结节良恶性预测具有较高效能,显著优于常规影像学方法.