基于CT影像组学对食管鳞状细胞癌病理分化程度的预测
目的:探讨CT影像组学在预测食管鳞状细胞癌分化程度中的价值.方法:回顾性分析2008年1月到2016年8月经手术病理切片证实为食管鳞状细胞癌,临床资料完善和术前行CT增强扫描并获得完整图像的160例,随机分成训练集(103例)和验证集(57例),运用Matlab软件对图像进行特征提取并进行筛选,建立影像组学标签.结合获得的影像组学标签和临床资料建立多变量logistic回归分析,建立影像组学模型(radiomics predictive mode)并进行验证.运用受试者操作特征(receiver operator characteristic,ROC)曲线评价模型术前预测食管鳞状细胞癌分化程度...
Gespeichert in:
Veröffentlicht in: | 中南大学学报(医学版) 2019, Vol.44 (3), p.251-256 |
---|---|
Hauptverfasser: | , , , , , |
Format: | Artikel |
Sprache: | chi |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | 目的:探讨CT影像组学在预测食管鳞状细胞癌分化程度中的价值.方法:回顾性分析2008年1月到2016年8月经手术病理切片证实为食管鳞状细胞癌,临床资料完善和术前行CT增强扫描并获得完整图像的160例,随机分成训练集(103例)和验证集(57例),运用Matlab软件对图像进行特征提取并进行筛选,建立影像组学标签.结合获得的影像组学标签和临床资料建立多变量logistic回归分析,建立影像组学模型(radiomics predictive mode)并进行验证.运用受试者操作特征(receiver operator characteristic,ROC)曲线评价模型术前预测食管鳞状细胞癌分化程度的效能.结果:影像组学标签为食道癌病理分化程度显著的独立预测因素.影像组学预测模型在训练组中的曲线下面积(area undercurve,AUC)值为0.791,敏感度为81.6%,特异度为72.3%;在验证集中的AUC值为0.757,敏感度为70.0%,特异度为73.0%.结论:基于CT影像提取的影像组学特征构建的模型,对于术前预测食管癌分化程度具有一定的效能. |
---|---|
ISSN: | 1672-7347 |
DOI: | 10.11817/j.issn.1672-7347.2019.03.004 |