文献类型：期刊文章

作　　者：夏婷[1,2] 王明亮[3] 易宗键[4] 董梦艺[2] 黄佳[2] 梁长虹[2] 刘再毅[1,2]

XIA Ting;WANG Mingliang;YI Zongjian;DONG Mengyi;HUANG Jia;LIANG Changhong;LIU Zaiyi(School of Medicine,South China University of Technology,Guangzhou 510006,China;Department of Radiology,Guangdong Provincial People’s Hospital Guangdong Academy of Medical Sciences,Guangzhou 510080,China;Department of Radiology,Zhongshan Hospital,Fudan University,Shanghai 200032,China;School of Biomedical Sciences and Engineering,South China University of Technology,Guangzhou 510006,China)

机构地区：[1]华南理工大学医学院,广东广州510006 [2]广东省人民医院(广东省医学科学院)放射科,广东广州510080 [3]复旦大学附属中山医院放射科,上海200032 [4]华南理工大学生物医学科学与工程学院,广东广州510006

出　　处：《中国医学影像技术》

基　　金：国家重点研发计划(2017YFC1309100,2017YFC1309102,2017YFC1309104);国家杰出青年科学基金(81925023);国家自然科学基金面上项目(81771912)。

年　　份：2021

卷　　号：37

期　　号：3

起止页码：396-400

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EMBASE、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：目的观察基于CT影像组学模型术前预测胰腺神经内分泌肿瘤(PNET)病理分级(G1和G2/3级)的价值。方法回顾性分析145例经病理证实的PNET,分为训练组91例、验证组54例,2组各自来源于同一医疗机构。基于训练组动脉期和门脉期CT图像提取PNET影像组学特征,以Pearson相关分析及ReliefF算法进行筛选;采用Logistic回归,针对差异有统计学意义的参数构建预测PNET病理分级的联合影像组学模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),以敏感度、特异度及准确率评估其诊断效能,并以验证组加以验证。结果基于训练组动脉期与门脉期CT图像构建的联合影像组学模型具有良好预测效能,AUC为0.86[95%CI(0.78,0.94)],截断值为0.63时,敏感度为78.95%,特异度为85.29%,准确率为81.32%。验证组预测PNET病理分级AUC为0.85[95%CI(0.75,0.95)],截断值为0.63时,敏感度为84.61%,特异度为75.00%,准确率为79.63%。结论基于增强CT图像构建的影像组学模型对于术前预测PNET病理分级具有一定价值。

关 键 词：胰腺 神经内分泌肿瘤 影像组学  体层摄影术,X线计算机  

分 类 号：R735.9] R814.42[临床医学类]