论文部分内容阅读
目的
探讨基于T2WI和表观扩散系数（ADC）图的纹理分析鉴别低、高级别前列腺癌（PCa）的价值。
方法回顾性分析2017年6月至2019年9月术后病理证实为PCa且根治术前在华中科技大学同济医学院附属同济医院放射科行MRI检查的患者，包括常规T1WI、T2WI、扩散加权成像（DWI）序列。采用MaZda软件的3D数据分析模式在T2WI和ADC图上手动逐层绘制感兴趣区（ROI），并生成全肿瘤感兴趣容积（VOI）。通过MaZda软件提取188个纹理特征。采用独立样本t检验或Mann-Whitney U检验初步筛选出鉴别低、高级别PCa组间差异有统计学意义的纹理特征。采用Lasso回归模型筛选出鉴别低、高级别PCa的最佳纹理特征组合，并建模。采用受试者操作特征（ROC）曲线评估训练组和验证组模型诊断效能。
结果Lasso回归模型筛选出的最佳纹理特征组合为T2WI的S（1，0，0）correlation和ADC图的S（1，0，0）correlation、S（1，-1，0）sum entropy以及vertical-run length nonuniformity。构建的模型于训练组鉴别低、高级别PCa的ROC曲线下面积（AUC）为0.823，灵敏度和特异度分别为70.4%和80.8%，优于单一纹理特征。模型于验证组鉴别低、高级别PCa的AUC为0.714，稍小于训练组。
结论基于T2WI、ADC图的纹理分析对鉴别低、高级别PCa有一定价值。