| 摘 要： | 目的探讨基于深度学习及Delta影像组学的唾液腺显像在评估甲状腺癌术后、131I治疗后患者唾液腺损伤中的价值。方法回顾性收集2019年12月至2022年1月于桂林医学院附属医院接受甲状腺癌全切根治手术和131I治疗的223例甲状腺乳头状癌患者[男46例, 女177例, 年龄(47.7±14.0)岁]的资料。患者在131I治疗前、后均行唾液腺99TcmO4- SPECT显像, 根据显像结果将患者按唾液腺功能情况(正常与损伤)分类标注后按7∶3分为训练集和测试集;基于唾液腺最大放射性计数时的图像和本底放射性计数时的图像训练ResNet-34神经网络模型作为特征提取器, 用于提取结构化图像特征数据;采用Delta影像组学的方法将2个时期的图像特征值相减, 通过配对t检验、Spearman秩相关性分析结合最小绝对收缩和选择算子(LASSO)算法进行特征筛选, 建立逻辑回归(LR)、支持向量机(SVM)和K-最近邻(KNN)预测模型。将3种模型对测试集的唾液腺功能诊断情况与人工判读情况进行对比, 并比较3种模型对测试集的AUC(Delong检验)。结果在测试集67例显像中, 3位阅片医师的唾液腺...
|
