临床放射学杂志

作者：邓家永, 杨素萍, 赵莉莉, 王家平, 简远熙

单位：650101 昆明医科大学第二附属医院放射科

关键词：体层摄影术,X线计算机,影像组学,肾上腺肿瘤,机器学习,鉴别诊断

<b>目的</b> 探讨基于三期CT影像组学模型在鉴别肾上腺乏脂腺瘤与转移瘤中的价值。<b>方法</b> 回顾性搜集2017年6月至2024年6月经病理证实的肾上腺乏脂腺瘤39例（含4例双侧）及肾上腺转移瘤68例（含8例双侧）,所有患者均接受平扫期、动脉期及静脉期CT扫描。使用3D Slicer软件手动勾画全肿瘤感兴趣区（ROI）,通过PyRadiomics提取1316个影像组学特征,筛选可重复性高[组内相关系数（ICC）&#x0003E;0.75]且非冗余的特征,采用最小绝对收缩和选择算子（LASSO）回归结合10折交叉验证优化特征选择,并分别使用逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、K最近邻（KNN）及极致梯度提升（XG-Boost） 5种机器学习算法分别构建单期、双期及三期联合模型。通过受试者工作特征（ROC）曲线评估模型效能,采用<em>Delong</em>检验比较不同模型的差异。<b>结果</b> 三期联合的RF模型（模型7）表现最佳,测试集曲线下面积（AUC）为0.9498,准确率为0.8333。单期模型中,动脉期联合RF模型AUC为0.913;双期模型中,平扫+静脉期联合SVM模型AUC为0.9431。<em>Delong</em>检验显示各模型间无统计学差异（<em>P</em>&#x0003E;0.05）。平扫期联合SVM模型AUC为0.9097,提示其对无法接受增强扫描患者的潜在价值。<b>结论</b> 基于三期CT影像组学模型可高效鉴别肾上腺乏脂腺瘤与转移瘤,三期联合RF模型诊断效能最优;平扫期联合SVM模型为特殊人群提供了可行的替代方案,具有重要临床意义。

来源：2025年第10期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第10期