超声影像组学在腮腺多形性腺瘤与腺淋巴瘤鉴别诊断中的应用价值

目的：探讨超声影像组学对腮腺多形性腺瘤及腺淋巴瘤鉴别诊断能力。方法：回顾性收集2016年1月-2021年9月于皖南医学院第一附属医院（弋矶山医院）经手术病理证实的133例多形性腺瘤和99例腺淋巴瘤的超声图像及临床相关资料。按7∶3的比例分为训练集162例、验证集70例。利用ITK-SNAP软件上手动勾画肿瘤的感兴趣区（Region Of Interest，ROI），采用Pyradiomics 软件提取二维超声腮腺病灶影像组学定量特征，将提取特征正则化，采用Spearman相关分析，再使用选择最小绝对收缩与选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）模型，筛选出最佳特征。分别采用支持向量机（SVM）、K紧邻（KNN）、决策树（Decision tree）三种机器学习算法根据筛选的最佳特征构建超声影像组学模型，建立对多形性腺瘤和腺淋巴瘤鉴别诊断能力。绘制受试者操作特征（Receiver Operating Characteristic，ROC）曲线评价鉴别各个模型诊断的效能。采用Delong检验评估模型的差异，应用决策曲线分析（DCA）评估模型的临床应用价值。结果：超声影像组学鉴别腮腺常见的良性肿瘤时，提取影像组学21个特征，利用SVM、KNN、Decision tree算法所构建模型鉴别效能AUC、灵敏度、特异度、准确度分别是：0.848、0.842、0.814、0.826；0.721、0.947、0.481、0.652；0.620、0.684、1.000、0.608。通过DeLong检验发现SVM算法优于其他两种算法所构建的模型。结论：超声影像组学利用机器算法可以用于多形性腺瘤与腺淋巴瘤的鉴别。

To investigate the value of ultrasound radiomics in differential diagnosis of parotid pleomorphic adenoma and adenolymphoma