高级检索
当前位置: 首页 > 详情页

增强CT影像组学-CT特征联合模型鉴别鼻腔鼻窦鳞状细胞癌与淋巴瘤

Enhanced CT radiomics-CT feature model for differentiating sinonasal squamous cell carcinoma and lymphoma

文献详情

资源类型:

收录情况: ◇ 统计源期刊 ◇ 北大核心 ◇ CSCD-C

机构: [1]昆明医科大学第一附属医院医学影像科,云南昆明 650032
出处:
ISSN:

关键词: 鼻窦肿瘤 鳞状细胞 淋巴瘤 列线图 体层摄影术 X线计算机

摘要:
目的 观察增强CT影像组学-CT特征联合模型(联合模型)鉴别鼻腔鼻窦鳞状细胞癌(SNSCC)与鼻腔鼻窦淋巴瘤(SL)的价值.方法 回顾性收集68例SNSCC及63例SL患者,按7:3比例分为训练集(n=92,含48例SNSCC及44例SL)与验证集(n=39,含20例SNSCC及19例SL).以单因素分析及logistic回归分析训练集临床资料及病灶CT表现,筛选鉴别SNSCC与SL的独立预测因素并建立CT特征模型;基于训练集增强静脉期CT提取和筛选病灶最佳影像组学特征,建立影像组学模型,计算影像组学标签;基于二者构建联合模型并绘制列线图.绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估各模型鉴别SNSCC与SL的效能;以校准曲线、决策曲线分析评估联合模型的校准效能及其临床获益.结果 CT所示原发病灶部位及骨质侵犯均为鉴别SNSCC与SL的独立预测因素(P均<0.05);于增强静脉期CT筛选出3个最佳影像组学特征;分别以之构建CT模型及影像组学模型;并基于二者构建联合模型.CT、影像组学及联合模型在训练集的AUC分别为0.895、0.730及0.925,差异均有统计学意义(Z=-3.964~-1.833,P均<0.05);在验证集的AUC分别为0.845、0.684及0.868,联合模型的AUC大于影像组学模型(Z=-2.568,P=0.010).联合模型校准度良好,其在训练集以15%~62%及85%~92%为阈值时、在验证集以88%~95%为阈值时临床净获益较高.结论 所获增强CT影像组学-CT特征联合模型可有效鉴别SNSCC与SL.

基金:
语种:
第一作者:
第一作者机构: [1]昆明医科大学第一附属医院医学影像科,云南昆明 650032
通讯作者:
推荐引用方式(GB/T 7714):

资源点击量:53625 今日访问量:0 总访问量:1665 更新日期:2024-11-01 建议使用谷歌、火狐浏览器 常见问题

版权所有©2020 昆明医科大学第一附属医院 技术支持:重庆聚合科技有限公司 地址:云南省昆明市西昌路295号(650032)