临床放射学杂志

作者：简远熙, 陈梦林, 柳瑞, 谭欣, 赵倩, 吴俊霖, 陈渊, 李思娴, 杨素萍

单位：650101 昆明,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,肾脏小肿瘤,机器学习,鉴别诊断

基金：本课题系云南省教育厅科学研究基金项目（编号：2024J0235）

<b>目的</b> 探讨基于CT影像组学模型鉴别肾脏实性小肿瘤（&#x02264;4 cm）良恶性的价值。<b>方法</b> 回顾性搜集251例经病理证实的肾脏实性小肿瘤（&#x02264;4 cm）患者的首次CT及临床资料;其中良性86例,恶性165例;按照7&#x02236;3比例随机将其分为训练集（<em>n</em>=176）和测试集（<em>n</em>=75）。采用3D-Slicer软件逐层勾画病灶的感兴趣区,并提取影像组学特征。依次采用相关性分析、<em>t</em>检验、最大相关最小冗余对特征进行降维,其次分别使用最小绝对收缩和选择法、支持向量机递归特征消除分析法（RFE-SVM）和Boruta算法对影像组学特征进行筛选,分别得到最优特征集,并分别结合6种机器学习算法构建模型。应用受试者工作特征曲线（ROC）的曲线下面积（AUC）、敏感度、特异度、准确率评估模型的预测效能。采用<em>Delong</em>检验对比不同模型之间的诊断效能。<b>结果</b> CP+NP_LASSO_SVM组合构建的模型具有最佳的诊断效能（测试集AUC=0.934,95%CI 0.882~0.985,敏感度、特异度及准确度分别为0.858、0.743及0.901）。<b>结论</b> 基于CP+NP_LASSO_SVM组合构建的模型在鉴别肾脏小肿瘤的良恶性中具有最佳的预测效能。

来源：2025年第8期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第8期