文献类型：期刊文章

作　　者：金志发[1,2] 陈相猛[2] 冯宝[2,3] 陈业航[2] 李青[4] 李荣岗[4] 龙晚生[1,2]

JIN Zhifa;CHEN Xiangmeng;FENG Bao;CHEN Yehang;LI Qing;LI Ronggang;LONG Wansheng(Imaging Centre, the First Affiliated Hospital of Jinan University, Guangzhou 510060, China;Department of Radiology, Jiangmen Central Hospital,Affiliated Jiangmen Hospital of Sun Yat-sen University, Jiangmen 529030, China;School of Biomedical Engineering, Sun Yat-sen University,Guangzhou 510010, China;Department of Pathology, Jiangmen Central Hospital,Affiliated Jiangmen Hospital of Sun Yat-sen University, Jiangmen 529030, China)

机构地区：[1]暨南大学附属第一医院医学影像中心,广东广州510060 [2]江门市中心医院中山大学附属江门医院放射科,广东江门529030 [3]中山大学生物医学工程学院,广东广州510010 [4]江门市中心医院中山大学附属江门医院病理科,广东江门529030

出　　处：《中国医学影像技术》

年　　份：2019

卷　　号：35

期　　号：5

起止页码：691-695

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EMBASE、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的评估CT纹理特征术前鉴别表现为亚实性肺结节的微浸润腺癌(MIA)和浸润腺癌(IAC)的价值。方法回顾性收集胸部CT表现为亚实性肺结节、经手术病理证实为MIA或IAC的100例患者,包括43例MIA和57例IAC。选择4个CT主观征象(密度、大小、分叶、形态)构建诊断MIA与IAC的CT主观征象模型。提取896个CT纹理特征,并构建CT纹理特征模型。绘制ROC曲线评估纹理特征模型、CT主观征象模型鉴别诊断MIA和IAC的效能。结果 CT主观征象中,亚实性结节的密度和大小的一致性非常好,选择密度征象[优势比=8.177,95%CI(1.142,58.575)]为CT主观征象模型的独立预测因子;于896个纹理特征中,选择4个纹理特征构建模型。训练集中纹理特征模型诊断MIA与IAC的敏感度为0.85(33/39),特异度为0.90(28/31),AUC为0.94[95%CI(0.88,0.99)];验证集中纹理特征模型的敏感度为0.89(16/18),特异度为1.00(12/12),AUC为0.97[95%CI(0.92,1.00)]。结论 CT纹理特征有助于提高术前鉴别诊断表现为亚实性肺结节的MIA和IAC的效能。

关 键 词：肺肿瘤 纹理分析 影像组学  体层摄影术,X线计算机  

分 类 号：R734] R814[临床医学类]