论文部分内容阅读
第一部分基于CT的影像组学在鉴别复杂前纵隔囊肿与低危组胸腺瘤的应用价值目的:探讨基于平扫及增强CT的影像组学方法对复杂前纵隔囊肿(AMC)与低危组胸腺瘤(TET)鉴别诊断的应用价值。方法:回顾性的分析乐山市人民医院2016年9月至2021年2月经手术病理证实的39例AMC和26例低危组TET患者的临床及CT资料。由两名影像医师双盲法进行阅片并记录病灶的大小、位置、形态、塑形性、平扫密度、有无钙化、分隔、纵隔增大淋巴结、胸膜或心包增厚、胸腔或心包积液、血管受侵以及强化方式、强化程度等CT特征,通过秩和检验、卡方检验筛选出具有统计学差异(P<0.05)的CT特征。使用3D Slicer软件在平扫及增强静脉期CT图像中勾画病灶的感兴趣区(VOI),在Python软件中利用Pyradiomics包提取影像组学特征,采用独立样本t检验及最小绝对收缩和选择算子(LASSO)算法筛选出具有统计学差异的影像组学特征。将从平扫和增强CT分别筛选出的影像组学特征联合CT特征(分为平扫或者增强组学组、平扫或者增强CT组、平扫或者增强联合组共6个组)分别利用Logistic回归(LR)、K邻近(KNN)、随机森林(RF)、支持向量机(SVM)等有监督学习分类器组建24个预测模型,通过受试者工作特征(ROC)曲线及曲线下的面积(AUC)来评估各模型的预测效能,通过Delong检验来比较不同模型间差异。结果:最终共筛选出8个具有统计学差异的CT特征(包括6个平扫及2个增强特征),从平扫及增强静脉期CT中分别筛选出8个及6个具有分类意义的影像组学特征。基于增强CT的3个特征组在4个分类器中均具有高度预测效能(AUC 0.91~0.99),仅SVM中联合组与CT组AUC间有统计学差异(P=0.03),组学组及联合组在LR中表现最优(AUC=0.97,0.99)。基于平扫CT,除SVM中的组学组及CT组预测效能低(AUC=0.64,0.69),其余各模型均具有中等预测效能(AUC 0.71~0.81),仅SVM中组学组与其他三个分类器中组学组AUC间存在统计学差异(P=0.0049,0.035,0.024),组学组在LR及联合组在RF中表现最优(AUC=0.8,0.81)。结论:在鉴别复杂AMC及低危组TET方面,基于平扫及增强CT的影像组学方法具有中度及高度预测效能,在术前指导临床治疗方案选择及判断患者预后方面具有重要意义。第二部分基于CT的影像组学在预测胸腺上皮肿瘤WHO简易病理分型中的应用价值目的:探讨基于平扫及增强CT的影像组学方法在预测胸腺上皮肿瘤(TET)WHO简易病理分型中的应用价值。方法:回顾性的分析乐山市人民医院2016年9月至2021年2月经术后病理证实的26例低危组TET和27例高危组TET(含胸腺癌)患者的临床及CT资料。由两名影像医师双盲法进行阅片并记录病灶的大小、位置、形态、边缘、平扫密度、有无钙化、低密度线状分隔、纵隔增大淋巴结、胸膜或心包增厚、胸腔或心包积液、囊变、坏死、血管受侵以及强化方式、强化程度等CT特征,通过独立样本t检验、秩和检验、卡方检验筛选出具有统计学差异(P<0.05)的CT特征。使用3D Slicer软件在平扫及增强静脉期CT图像中勾画病灶的感兴趣区(VOI),在Python软件中利用Pyradiomics包提取影像组学特征,采用方差选择法、独立样本t检验及最小绝对收缩和选择算子(LASSO)算法等方法筛选出影像组学特征。将从平扫和增强CT分别筛选出的影像组学特征联合CT特征(分为平扫或者增强组学组、平扫或者增强CT组、平扫或者增强联合组共6个组)分别利用Logistic回归(LR)、K邻近(KNN)、随机森林(RF)、支持向量机(SVM)等有监督学习分类器组建24个预测模型,通过受试者工作特征(ROC)曲线及曲线下的面积(AUC)来评估各模型的预测效能,通过Delong检验来比较不同模型间差异。结果:最终共筛选出4个具有统计学差异的CT特征(均为平扫特征),从平扫及增强静脉期CT中分别筛选出8个及2个影像组学特征。基于增强CT的联合组在4个分类器中均具有中度预测效能(AUC 0.82~0.88)、其间均无统计学差异,LR表现最优(AUC=0.88),CT组及组学组在4个分类器中均具有低度预测效能(AUC<0.7)。基于平扫CT的联合组在LR中和组学组在SVM中具有中度预测效能(AUC=0.71,0.76),其余各组均为低度预测效能(AUC<0.7)。结论:基于平扫及增强CT的影像组学方法在预测TET的WHO简易病理分型中部分模型具有中度预测效能,在术前指导临床治疗方案选择及判断患者预后方面具有重要意义。