基于CT图像影像组学模型对甲状腺结节良恶性预测的研究

目的 本研究旨在探讨基于CT影像组学模型对甲状腺结节良恶性的鉴别价值。方法 回顾性收集甲状腺结节患者185例患者的胸部CT纵膈窗影像资料，共186枚结节，良性结节104枚，恶性结节82枚。将显示病灶的薄层CT图像以DICOM格式上传至达尔文医准科研平台，在病灶的中心层面及其上下层面勾画感兴趣区(ROI)，通过最小、最大值归一化预处理,对每一维度特征的线性进行拉伸。然后采用Lasso Glogistic回归模型进行模型选择，对特征的重要性进行评估。最后以筛选出的特征维度为特征参数构建Lasso Glogistic回归模型，使用受试者工作特性曲线(ROC曲线)分析模型的诊断效能,并计算敏感度、特异度和诊断符合率。结果 经过特征筛选，8个影像组学特征用于构建甲状腺结节良恶性鉴别模型。训练组中预测模型的ROC曲线下面积(AUC)为0.83(95%可信区间：0.73-0.93)，灵敏度和特异度分别为88.7%、 82.0%，诊断准确率75%；测试组中AUC为0.81(95%可信区间：0.6-0.99)，灵敏度和特异度分别为88.5%、 84.6%，诊断准确率76.13%。结论 基于胸部CT纵膈窗...