论文部分内容阅读
目的:甲状腺结节是甲状腺疾病中最常见的临床症状,可由多种病因引起,近年来,随着超声、电子计算机断层扫描(computed tomography,CT)、正电子发射计算机断层显像(positron emission tomography,PET)等在甲状腺检查中的广泛应用,甲状腺结节的检出率明显增加。甲状腺结节多为意外发现,没有明显的临床症状。据美国甲状腺协会报道,甲状腺癌的发病率呈逐年上升趋势。甲状腺良恶性结节的治疗方法不同,准确诊断结节的良恶性是后序治疗过程的关键。各种成像技术对甲状腺结节的诊断都有一定的意义,其中超声检查的应用最为广泛,但超声检查受医生资质影响,误诊时有发生。甲状腺细胞穿刺活检(fine needle aspiration,FNA)是术前诊断甲状腺结节良恶性最为准确的方法,可FNA为有创性检查,且穿刺结果又受到穿刺部位及取材的影响。因此,寻找更为准确的鉴别甲状腺结节良恶性的方法,以避免通过不必要的外科手术来治疗是极其重要的。影像组学是近年来新兴的图像后处理技术,通过对已有医学图像纹理特征的深度挖掘,解码隐藏于图像内部与疾病相关的信息。本实验基于对甲状腺平扫CT图像纹理特征的分析,评价影像组学方法鉴别甲状腺结节良恶性的可行性,并确定最佳的筛选方法和判定方式。材料与方法:本实验回顾性收集2016年9月至2016年12月之间就诊于中国医科大学附属第一医院的甲状腺结节患者共714例,经过筛选纳入336例符合标准的病例,其中良性结节217例,恶性结节共119例。入选的病人都有完整的病理检查结果并行甲状腺CT平扫检查。应用纹理分析软件MaZad对CT图像进行预处理,在最大肿瘤层面手动勾画感兴趣区(region of interest,ROI),提取纹理参数。对所提取的纹理参数进行降维处理,利用Fisher系数,分类误差概率与平均相关系数(classification error probability and average correlation coefficients,POE+ACC),互信息(mutual information,MI)各筛选10个鉴别结节良恶性的最佳纹理参数。纹理判别分析过程应用MaZad软件中的B11模块。对每种降维方法分别应用原始数据分析(raw data analysis,RDA)、主成分分析(principal component analysis,PCA)、线性判别分析(linear discriminant analysis,LDA)、非线性判别分析(Nonlinear discriminant analysis,NDA)进行判定,分别计算错误率,灵敏度,特异度及准确度。以最小错误率的判别方法为基准,应用卡方检验分析各种纹理参数后处理方式间的差异是否有统计学意义。检验水准α=0.05。结果:三种降维方法中纹理参数相关度S(0,2)都被筛选出。在四种判别方式中NDA/ANN法在各组中错误率最低。在所有的纹理后处理方法中,错误率最低的是MI-NDA/ANN法为5.65%。在预测甲状腺结节良恶性方面,灵敏度最高的是Fisher/NDA法为94.12%;特异度和预测准确率最好的均是MI/NDA法,MI/NDA法的特异度为98.62%,预测准确率为94.34%。每种降维方法不同判别方式之间进行卡方检验,检验水准α=0.05。Fisher降维算法中,判别方式PCA,LDA与NDA之间的差别有统计学意义,P值小于0.05,χ~2值分别为12.50,5.93。POE+ACC降维算法中,判别方式RDA,PCA,LDA与本组NDA之间的差别均有统计学意义,P值小于0.05,χ~2值分别为12.89,25.27,10.27。MI降维算法中,判别方式RDA,PCA,LDA与本组NDA之间的差别均有统计学意义,P值小于0.05,χ~2值分别为6.31,8.19,15.52。结论:影像组学是鉴别甲状腺结节良恶性的可靠定量方法,在判别甲状腺结节良恶性的诊断中可作为辅助手段。