论文部分内容阅读
第一部分 能谱参数Nomogram模型鉴别直肠癌肠外浸润的价值目的联合能谱定量参数建立Logistic回归模型,绘制Nomogram,以鉴别影像学中直肠癌肠周脂肪所具有的浸润征象是否伴随着癌性侵犯。方法收集经病理证实为直肠腺癌且术前一周内进行能谱CT增强检查、CT图像具有肠周脂肪浸润征象的患者62例,根据病理结果分为两组:癌性浸润组32例,炎性浸润组30例。(1)分别比较两组患者CT征象的差异:观察病灶所在肠壁浆膜层是否毛糙,肠周有无索条影,肠壁外有无结节状的突起,直肠系膜有无增大的淋巴结(短径≥5mm),并测量直肠腺癌病变累及肠管的长度,病变所在肠壁的最厚径;(2)分别比较两组患者能谱参数的差异:三期增强扫描中两组病变脂肪组织与正常脂肪组织物质浓度差值(Iodine差、Water差、Calcium差、HAP差)和标准化碘浓度差值(NIC差)的差异、两组病变脂肪组织平均有效原子序数(Effective-Z)和能谱曲线斜率K值的差异。(3)分别构建CT征象及动脉期、静脉期、延迟期能谱相关定量参数的多因素Logistic回归模型。将所有参数纳入多因素Logistic回归模型降维筛选出对鉴别诊断意义较大的特征。绘制ROC曲线计算曲线下面积(AUC),以衡量模型及各参数的诊断效能;(4)绘制多因素Logistic回归模型的列线图、ROC曲线图及校正曲线图。结果(1)两组患者CT征象的差异:癌性浸润组相比于炎性浸润组肠壁更厚、强化不均,多有结节突出肠壁外,且肠周易伴淋巴结的增大(短径≥5mm);(2)两组患者能谱参数的差异:癌性浸润组中病变脂肪组织与正常脂肪组织物质浓度差值(Iodine 差、Water差、Calcium差、HAP差)、标准化碘浓度差值(NIC 差)、平均有效原子序数(Effective-Z)、能谱曲线斜率K值较炎性浸润组高。(3)分别所建立的Logistic回归模型诊断准确率分别为:CT征象71%、动脉期能谱参数90.3%、静脉期能谱参数90.3%、延迟期能谱参数87.1%,AUC分别为:CT征象0.709、动脉期能谱参数0.954、静脉期能谱参数0.967、延迟期能谱参数0.969。基于所有有意义参数的多元Logistic回归模型所筛选出鉴别意义较大的特征为静脉期K值、延迟期能谱参数的Water差;(4)多因素Logistic模型诊断准确率为93.5%,AUC为0.975,预测能力校准曲线显示,预测浸润和实际浸润有较高的一致性。结论能谱CT定量参数建立Nomogram预测模型在鉴别直肠癌肠周脂肪浸润征象是否伴随癌性侵犯方面有很大参考价值。第二部分 增强CT纹理分析Nomogram模型诊断结肠癌肠外浸润的价值目的探讨基于增强CT纹理分析的Nomogram预测模型在鉴别结肠癌肠外浸润方面的价值。方法连续纳入我院腹盆腔CT平扫及动脉期、静脉期、延迟期三期增强扫描CT图像肠周脂肪组织具有浸润征象、后经手术病理证实为结肠癌的病人100例,其中癌性浸润组50例,炎性浸润组50例。提取具有浸润征象的肠周脂肪组织纹理参数,比较两组直方图及灰度共生矩阵纹理特征差异,筛选出可重复性高且差异有统计学意义的纹理特征绘制ROC曲线求截断值,纳入Logistic模型,绘制Nomogram。结果所筛选出鉴别肠周脂肪有无癌性侵犯可重复性高且差异有统计学意义的纹理特征分别为静脉期Perc.90%、静脉期熵(Entropy)、延迟期变异数差(DifVarnc),AUC均大于0.7,其中以静脉期熵(Entropy)鉴别诊断效能最佳,AUC可达0.890。静脉期Perc.90%、静脉期熵(Entropy)、延迟期变异数差(DifVarnc)纳入多因素Logistic回归模型绘制列线图将模型可视化,模型诊断准确率为84%,AUC为0.911,校准曲线图显示预测癌性浸润和实际癌性浸润一致性较高。结论基于增强CT纹理分析的多因素Logistic建立Nomogram预测模型作为一种量化工具在鉴别结肠癌肠周脂肪浸润征象是否因癌性侵犯所致方面有较高效能。第三部分常规CT纹理分析鉴别结肠腺癌肠周脂肪癌性侵犯的价值目的探讨常规CT纹理分析鉴别结肠腺癌肠周脂肪癌性侵犯的应用价值。方法回顾性分析我院经手术病理证实为结肠腺癌且在术前一周行腹盆腔CT平扫及三期增强扫描的病人87例,其中发生肠周脂肪癌性侵犯者42例,未发生癌性侵犯者45例。应用MaZda软件以手动勾画ROI的方式提取肠周脂肪组织的纹理特征。应用 MaZda 软件自带的交互信息(mutual information,MI)、Fisher 系数(Fisher coefficient,Fisher)、分类错误概率联合平均相关系数(classification error probability combined average correlation coefficients,POE+ACC)、上述 3 种方法联合(Fisher、POE+ACC、MI,FPM)筛选有鉴别价值的纹理特征,应用原始数据分析(raw data analysis,RDA)、主成分分析(principal component analysis,PCA)、线性分类分析(linear discriminant analysis,LDA)、非线性分类分析(nonlinear discriminant analysis,NDA)四种分类分析统计方法对所筛选的纹理特征进行分类,以错判率(misclassification rate,MCR)的形式评估鉴别诊断效果。以获得最小误判率的分类序列所筛选的纹理特征建立Logistic回归模型,采用受试者工作特征曲线(ROC)评价模型诊断效能,并利用Logistic回归模型降维得出鉴别肠周脂肪癌性侵犯的最佳纹理特征。结果动脉期的纹理特征对肠周脂肪有无癌性侵犯的鉴别最有意义;FPM所筛得的纹理特征区分两种病变所获最小错判率次数最多也最低;NDA区分两种病变的错判率在四种特征分类方法中最低;以FPM对动脉期图像进行筛选所得30个纹理特征建立Logistic回归模型,模型在诊断结肠癌肠周脂肪有无癌性侵犯的准确率为93.1%,敏感度为91.1%,特异度为95.2%,曲线下面积(area under curve,AUC)为0.967,降维得到Perc.99%、熵(Entropy)及小波能量(WavEnHL_s-2)鉴别意义较大。结论常规CT纹理分析所提供的量化信息可用于鉴别结肠癌肠周脂肪有无癌性侵犯,提高结肠腺癌分期准确率。