基于胸部高分辨CT的深度学习影像组学对特发性肺纤维化GAP分期的预测价值

目的 探讨基于胸部高分辨CT(HRCT)的深度学习影像组学模型对特发性肺纤维化（IPF）性别-年龄-肺生理变量（GAP）分期的预测价值。方法 回顾2020年1月至2022年6月浙江大学医学院附属杭州市第一人民医院诊断为IPF的患者67例，根据GAP分期系统分成早期IPF(GAPⅠ期)40例和中晚期IPF(GAPⅡ/Ⅲ期)27例，所有患者均行胸部HRCT检查，在联影智能科研平台上的深度学习模块，基于V-net网络进行图像自动分割，同时与人工分割比较，用Dice相似性系数（DSC）评估分割模型的效能。基于自动分割结果，在影像组学模块进行影像组学分析，得到影像组学特征值，通过最小绝对紧缩与选择算子（LASSO）回归筛选组学特征，并基于筛选出的特征系数计算每例患者的影像组学标签（Radscore），基于Radscore构建影像组学模型。采用ROC曲线评估影像组学模型对GAP分期的预测效能。结果 基于V-net网络的肺间质性病变的自动分割模型显示了较好的分割效能，其DSC为0.55～0.93(0.83±0.10)。影像组学分析共得到2 400个组学特征，通过LASSO回归筛选出了8个组学特征，同...