CT平扫的2D与3D影像组学模型诊断卵巢良恶性病变价值

Values of CT scan-based 2D and 3D radiomics models for diagnosing the benign and malignant ovarian lesions of patients

二维码有效期 120s

摘要目的:分析CT平扫的 2D与 3D影像组学模型诊断卵巢良恶性病变价值.方法:回顾性收集 2017 年 7 月-2022 年 7 月本院收治的经病理学证实的卵巢良恶性病变患者 100 例临床资料,根据病理学结果分为恶性组(n=30)和良性组(n=70),CT平扫图像上勾画 2D、3D肿瘤感兴趣区并提取图像特征,按照 7:3 的比例随机分层分为训练集(n=70)与验证集(n=30),提取CT影像组学特征,多因素logistic回归构建 2D与 3D影像组学模型,采用受试者工作特征(ROC)曲线评估 2D与 3D影像组学模型对卵巢良恶性病变的诊断效能并比较.结果:以肿块形态、肿瘤囊实性、腹水作为构建 2D影像学特征模型,该模型训练集诊断卵巢良恶性病变的敏感度、特异度、曲线下面积(AUC)为88.9%、77.0%、0.86;验证集诊断卵巢良恶性病变的敏感度、特异度、AUC 为 81.8%、78.9%、0.82.以肿块形态、肿瘤囊实性、边界、腹水作为构建 3D 影像学特征模型,该模型训练集诊断卵巢良恶性病变的敏感度、特异度、AUC 为90.7%、76.7%、0.86;验证集诊断敏感度、特异度、AUC为 81.8%、73.7%、0.86.2D与 3D影像组学模型诊断卵巢良恶性病变的敏感度、特异度及 AUC未见差异(P＞0.05).结论:基于 CT平扫的 2D与 3D影像组学模型诊断卵巢良恶性病变价值相当且均较高,但考虑到影像组学特征计算成本,更推荐使用 2D影像组学模型.