临床放射学杂志

作者：张强, 杨浩然, 张虎, 崔运福, 许昌, 崔文举

单位：256600 滨州医学院附属医院放射科张 强、张 虎、崔运福、许 昌、崔文举;250011 济南,山东中医药大学附属医院杨浩然

关键词：能谱CT,支持向量机模型,影像组学,肺结节

基金：本研究系滨州医学院科技计划项目(编号:BY2022KJ22);山东省医药卫生科技发展计划项目(编号:202009010691)

<b>目的</b> 探讨基于能谱CT增强图像的支持向量机(SVM)模型在鉴别肺内实性结节良恶性的价值。<b>方法</b> 回顾性分析2021年3月至2023年6月滨州医学院附属医院经手术或穿刺病理证实的肺内实性结节234例,其中恶性结节140例,良性结节94例。术前均行能谱CT增强扫描,应用3D-slicer软件在动脉期70 keV图像上手动勾画感兴趣区(ROI)并提取影像组学特征,应用最小绝对收缩和选择算子(LASSO)算法及互信息法降维并提取最优影像组学特征,按照7∶3的比例分为训练集及验证集,采用SVM法构建预测模型,使用受试者工作特征(ROC)曲线评估模型的诊断效能。<b>结果</b> 共提取出1168个影像组学特征,经LASSO降维后筛选出19个特征,然后采用互信息法提取出对模型影响最大的15个特征,应用SVM观测该15个特征数据。经回归分析,构建肺实性结节的预测模型,该模型ROC曲线的曲线下面积(AUC)在训练集及验证集上分别为0.932、0.810。<b>结论</b> 应用基于能谱CT增强图像的SVM方法在预测肺实性结节良恶性中具有较高的价值。

来源：2024年第10期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第10期