首页 > 中国医学计算机成像杂志 > 基于CT的计算机视觉特征和影像组学特征的诺模图术前预测胃腺癌淋巴结转移

基于CT的计算机视觉特征和影像组学特征的诺模图术前预测胃腺癌淋巴结转移

Nomogram Based on CT Computer Vision Features and Radiomics Features for Preoperative Prediction of Lymph Node Metastasis in Gastric Adenocarcinoma

二维码有效期 120s

摘要目的:建立并验证一个基于计算机视觉特征(CVFs)和影像组学特征(RFs)的诺模图用于术前预测胃腺癌患者的淋巴结转移.方法:回顾性收集2013年7月至2018年8月经病理证实的171例GAC患者,并随机分为训练组和验证组.从每位患者的静脉期CT图像中提取CVFs和RFs.采用基于随机森林的Boruta方法进行关键特征的筛选.选定的关键CVFs和RFs分别通过logistic回归方法计算每个患者的CV-score和R-score.使用单因素和多因素分析筛选胃腺癌淋巴结转移的独立预测因子.从分辨力、校准和临床实用性方面评估诺模图的性能.结果:分别筛选出6个关键RFs和11个关键CVFs,并计算出每个患者的R-score和CV-score.单因素和多因素分析显示R-score(OR:1.876;95％CI:1.066～3.586)和CV-score(OR:5.268;95％CI:2.672～12.240)是淋巴结转移的独立危险因素.在训练组和验证组中,诺模图的预测效能均优于单独的R-score(0.850对0.730,P=0.003;0.820对0.709,P=0.042).诺模图和R-score对训练组中淋巴结转移概率的校准曲线显示了预测结果和观察结果之间具有良好一致性.决策曲线分析表明,诺模图获得了较高的临床净收益.结论:基于CV-score和R-score的诺模图可用于术前预测胃腺癌患者的淋巴结转移,可为临床术前个体化评估提供依据,并提高临床决策的信心.