CT影像组学机器学习模型鉴别肺炎型黏液腺癌与机化性肺炎.pdf

放射学实践年月第卷第期,,,

２０２４４３９４RadiolPracticeAr２０２４Vol３９No．４４６１

p

胸部影像学

CT影像组学机器学习模型鉴别肺炎型黏液腺癌与机化性肺炎

,,,,

杜自宏伍志发刘静李新春刘红艳

【】:()

摘要目的评估影像组学结合机器学习方法鉴别原发肺炎型黏液腺癌与机化性

CTPTMA

().:

肺炎的价值方法回顾性分析年月年月在本院经病理证实的例患

OP２０１０１－２０２０１５１PTMA

.,

者与例患者的临床及影像学资料分别在平扫及增强图像上提取病灶的影像组学特征通

５０OPCT

.、

过线性相关性分析和正则化方式进行特征的筛选和降维对两组的临床特征形态学特征及影

L１CT

,,

像组学特征进行统计学分析将类特征中有统计学意义者分别或联合构建机器学习预测模型共获得

３

(、、).

４个预测模型临床CT形态学征象影像组学合联合模型采用ROC曲线分析评估各类模型的诊断

.:、、、、

效能结果临床特征中的性别咳白黏痰癌胚抗原和糖类抗原１５３CT形态学征象中的小结节空

/、().

泡假空洞征血管造影征和重力分布在PTMA组与OP组之间的差异均有统计学意义P＜０．０５二

、、/

元回归分析显示性别小结节空泡假空洞征和血管造影征是鉴别与的独立预测

loisticPTMAOP

g

().:,

因素在训练集和验证集中各类机器学习模型的影像组学模型为和临

P＜０．０５AUC０．９９７０．９４６

,