基于FS-T2WI的影像组学鉴别甲状腺乳头状癌与腺瘤

【摘要】目的：探讨基于FS-T2WI的影像组学模型对甲状腺乳头状癌与腺瘤的鉴别诊断价值。方法:回顾性分析经手术病理证实的甲状腺结节共72个，其中乳头状癌42个，腺瘤30个。患者术前均行甲状腺MRI平扫检查。所有结节按7：3的比例随机分为训练集和测试集。在FS-T2WI图中逐层勾画病灶并提取影像组学特征，后使用曼-惠特尼U秩和检验以及最小绝对收缩和选择算子对特征进行降维，使用支持向量机（SVM）分类器对提取的特征进行机器学习。通过绘制ROC曲线下面积(AUC)、敏感度、特异度3个指标评价所构建模型的效能。结果:从FS-T2WI序列中提取出1409个特征，经过曼-惠特尼U检验和LASSO回归降维筛选出14个特征，应用SVM所建立的术前预测模型显示训练集AUC 0.89，敏感度79%，特异度86%；测试集AUC 0.85，敏感度77%，特异度67%。结论:基于FS-T2WI的SVM影像组学模型可鉴别甲状腺乳头状癌和腺瘤，从而为甲状腺结节患者的风险预测和个体化治疗提供有效信息。