• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献>>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批

基于增强CT影像组学术前预测非小细胞肺癌脏层胸膜侵犯的研究

Preoperative prediction of visceral pleural invasion in non-small cell lung cancer based on contrast-enhanced CT radiomics

摘要目的 探讨基于非小细胞肺癌(NSCLC)的CT影像组学定量特征,并联合常规影像主观特征及临床信息建立的联合预测模型对术前预测NSCLC脏层胸膜侵犯(VPI)的价值.方法 回顾性纳入 2家医院经手术病理确诊且病理结果明确VPI状态的NSCLC病人 385 例,分析其术前胸部增强CT影像和临床资料.以一家医院的 311 例病人作为训练集(VPI组 144 例,无VPI组 167 例),以另一家医院的 74 例病人作为验证集(VPI组 24 例,无VPI组50例)评估CT影像主观特征.采用半自动分割方法获取肿瘤感兴趣体积并提取影像组学特征,筛选最优的影像组学特征,并基于Logistic回归方法构建影像组学模型(影像组学标签).通过单因素、多因素Logistic回归方法筛选与VPI相关的临床和常规影像特征,建立临床-常规影像预测模型.将筛选的临床、常规影像特征和影像组学标签基于Logistic回归方法构建联合模型.采用受试者操作特征(ROC)曲线下面积(AUC)评估 3 种模型预测VPI的效能.结果 共提取 944 个影像组学特征,最终筛选出与VPI相关的 14个影像组学特征以及 2个临床-常规影像特征.在训练集和验证集中,影像组学模型的AUC分别为 0.785 和 0.717;临床-常规影像预测模型的AUC分别为 0.721 和0.690;联合模型的AUC分别为 0.829 和 0.748,联合模型的AUC值最高,其基于最大约登指数的最佳截断值为0.514,训练集和验证集中的准确度、敏感度、特异度分别为0.756、0.771、0.743和 0.743、0.750、0.740.结论 由术前CT影像组学特征和常规影像主观特征及临床信息构建的联合模型有助于预测NSCLC病人VPI,可协助临床决策,改善病人预后.

更多
广告
作者 梁俊君 [1] 陈小波 [2] 胡恒肖 [1] 王宽宏 [1] 陈鑫 [1] 学术成果认领
作者单位 华南理工大学附属第二医院放射科,广州 510030 [1] 南方医科大学附属广东省人民医院放射科 [2]
分类号 R814.42R816.41
栏目名称 影像人工智能在肿瘤诊疗中的应用专题
DOI 10.19300/j.2024.L21302
发布时间 2024-06-11
基金项目
国家自然科学基金 国家自然科学基金 广州市科技计划项目 广州市科技计划项目
  • 浏览49
  • 下载41
国际医学放射学杂志

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

官方微信
万方医学小程序
new翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷