论文部分内容阅读
目的
建立基于CT图像放射组学的鉴别诊断矽肺和肺结核结节的预测模型。
方法收集苏州市第五人民医院2018年1至8月CT常规扫描的53例矽肺患者及89例肺结核患者，采用AK/ITK软件分割得到139个矽肺病灶和119个肺结核病灶，每个病灶图像提取396个特征。通过特征降维选取最有特征的子集，利用R语言（Rstudio V1.1.463）实现支持向量机、前馈反向传播神经网络和随机森林3种常见的机器学习算法，选取受试者工作特征（ROC）曲线下面积（AUC）值最大者作为最终预测模型。
结果随机森林为鉴别诊断矽肺与肺结核结节的最优预测模型，其准确度为83.1%，敏感度为0.76，特异度为0.9；AUC值为0.917，95%CI为0.843 1~0.975 8；随机森林ROC的AUC值明显高于支持向量机和前馈反向传播神经网络AUC值，差异均有统计学意义（P<0.05）。
结论基于CT图像的随机森林预测模型可以用于鉴别诊断矽肺和肺结核结节。