论文部分内容阅读
第一部分 肺部HGGNs的CT征象与病理侵袭性的对照研究目的:回顾性分析肺部HGGNs的薄层CT征象并与病变病理学分类进行对照,探讨其CT征象与病理侵袭性的关系,提高对肺部HGGNs的认识和诊断正确率。材料与方法:回顾性收集2016年～2018年经手术病理证实的30mm以下结节326例,入组条件为持续存在的(≥3个月)的HGGNs,最终入组125例。病理结果包括:浸润前病变组(AIS)58例、微浸润病变组(MIA)42例、浸润性病变组(IAC)25例。分析病灶的CT征象分两大类:病灶内CT征象:最大径、平均CT值、病灶内稍高密度影形态及分布、空泡或空腔;病灶边缘及周围CT征象:边缘及毛刺、分叶征、血管聚集或增粗、支气管征象、胸膜凹陷。结果:HGGNs病灶内CT征象:最大径和平均CT值在AIS组与MIA及IAC组间有明显统计学差异(P<0.05),临界值为9.5mm、-535HU;按病灶内稍高密度影的形态及分布不同分为几种:“环形”影、“环形伴点状”影、“颗粒征”、“树枝状”影,在AIS组和MIA组间有明显统计学差异(P<0.05),“弯月形”影、“点状”影在AIS组、MIA组和IAC组间均无统计学差异(P>0.05)。病灶边缘及周围CT征象:空泡或空腔影在MIA和IAC组间有明显统计学差异(P<0.05);病灶边缘及“毛刺征”、“分叶征”在AIS组和MIA组及与IAC组间有明显统计学差异(P<0.05);血管聚集或增粗、邻近支气管征象、胸膜凹陷征在AIS组、MIA组和IAC组间均无统计学差异(P>0.05)。以上两种以上征象同时出现时,提示病变有浸润性(P<0.05)。结论:综合分析持续存在的HGGNs病灶薄层CT征象,有助于鉴别浸润前病变、微浸润性病变或浸润性病变。第二部分 CT-影像组学特征在预测肺部HGGNs侵袭性中的应用价值目的:通过提取基于薄层CT影像的肺部HGGNs影像组学特征,建立预测AIS、MIA、IAC的检测模型,并评估模型在判断HGGNs侵袭性中的预测价值。材料和方法:回顾性收集125例经手术病理证实的持续存在(≥3个月)的HGGNs(<30mm),所有病例均为平扫,标准卷积轴算法薄层重建,层厚、层间距1.5mm,使用ITK-Snap软件人工勾画病灶ROI范围后,应用A.K.软件(AnalysisKit 3.2.2,GE Healthcare)提取396个影像组学特征。所有病例按7:3随机分组做为训练数据集和验证数据集。运用Spearman 相关分析、LASSO(least absolute shrinkage and selection operator)回归分析以及特征过滤法对训练数据集进行特征筛选,构建影像组学评分模型及使用随机森林函数构建预测AIS、MIA、IAC的影像组学模型。验证数据集用于检验,使用受试者特征曲线下面积AUC值评估模型的预测能力。结果:首先鉴别浸润前病变组(AIS)与浸润性病变组(MIA+IAC),组成影像组学评分计算公式,在验证数据集中鉴别浸润前病变与浸润性病变的AUC为0.99,敏感度、特异度、准确度分别为0.96、0.86、0.94;然后建立影像组学模型对AIS、MIA、IAC进行鉴别,验证数据集中AUC分别为0.91,0.84,0.97。结论:建立影像组学数字模型预测HGGNs的病理侵袭性具有较高的敏感度、特异度及准确度,可提供较好的诊断效能,为制定后续诊疗策略提供可靠依据。