CT纹理分析对GIST与其他间叶源性肿瘤的鉴别价值

发布时间：2021-09-29 09:17

　　第一部分CT纹理分析对鉴别胃间质瘤与其他间叶源性肿瘤的价值目的:探讨基于平扫+增强CT图像纹理分析的胃间质瘤与其他间叶源性肿瘤鉴别的可行性。方法:回顾性分析经术后病理证实的74例胃间质瘤和30例其他间叶源性肿瘤的CT平扫+增强图像资料。首先由两名资深放射科医师阅读CT图像,获取CT征象模型,包括平均直径、有无周围淋巴结、生长方式、是否延迟强化、胃部肿瘤平扫及增强CT值。其次,两位放射科医师通过ITK-SNAP软件对CT图像中的胃间叶源性肿瘤进行人工分割,提取放射组学特征,构建放射组学特征模型。最后,建立结合CT征象和放射学特征的联合模型。采用受试者工作特征曲线（ROC）比较三种模型在间质瘤与非他间叶源性肿瘤鉴别诊断中的疗效。结果:胃间质瘤组平均直径、延迟强化、生长方式、周围淋巴结、平扫密度及放射学特征与其他间叶源性肿瘤组有统计学差异（p<0.05）。联合模型的ROC曲线下面积（area under ROC,AUC）最高（0.918）,敏感度最高（96.00%）,特异度最高（89.2%）。结论:结合CT征象和放射学特征的联合模型可以提高胃间叶源性肿瘤的诊断准确性。第二部分基于CT图... 

【文章来源】：皖南医学院安徽省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

-d肿瘤ROI勾画，分别为水平位、矢状位、冠状位及三维图像融合图像

皖南医学院硕士学位论文15图2临床资料及主观CT征象的ROC曲线2间质瘤组与其他间叶源性肿瘤组CT纹理参数比较应用R软件做Lasso，通过交叉验证法得到模型表现情况随参数λ的变化情况（如图3所示，为基于平扫、动脉期、静脉期及延迟期CT图像的结果），表示Lasso对最优调整参数进行选择的过程，纵坐标表示模型误差，上、下方横坐标分别为模型筛选出来的与调整参数λ对应的变量个数及调整参数λ的对数。模型变量的压缩程度随调整参数λ取值不同而改变，即变量个数随λ逐渐增大而减少，模型的压缩程度则逐渐增加。如a所示，两条虚线分别代表lambda.min（左）、lambda.1se（右，1se：一个标准误）两个特殊的λ值,这两个值之间的lambda都认为是合适的。lambda.1se使用的参数数量少、构建的模型最简单，而lambda.min使用的参数数量更多、准确率更高。lambda.min对应的变量数为10个，lambda.1se对应较为简洁的模型（变量数为5个），图b中的每一条曲线代表了每一个自变量系数的变化轨迹，上、下横坐标分别表示此时模型中非零系数的个数及log(λ)，纵坐标是系数的值。各自变量随着λ值变小不断变大。结合b，a左侧曲线时，效能已趋向稳定，选择出的变量个数为10个。

皖南医学院硕士学位论文17表4间质瘤组与其他间叶源性肿瘤组各纹理参数的诊断效能比较纹理参数面积P敏感度特异性阈值平扫0.025分位数0.7400.0010.9330.3380.595短游程高灰度优势0.7080.0010.9670.0270.940.975分位数0.6640.0090.9330.1080.825动脉期小区域优势0.3710.0390.7670.1080.659最大强度0.2890.0010.4670.270.197静脉期峰度0.6320.0350.9670.0540.913灰度共生矩阵熵0.6410.0250.9330.0950.838延迟期Hara方差0.2960.0010.8330.1080.725长游程优势0.2980.0010.70.0950.6050.975分位数0.7190.0010.9330.1350.798图4间质瘤组与其他间叶源性肿瘤组各纹理参数的ROC曲线3联合模型的结果结合CT征象及纹理参数，建立联合模型：y=-320.969*延迟期HaraVariance+10.828*有无周围淋巴结+12.652*肿块密度是否均匀+0.894平扫密度+7.595*是否延迟强化。4三种模型的诊断效能比较分别以联合模型、纹理模型、CT征象模型y为自变量，并以间质瘤组与其他间叶源性肿瘤组类别为因变量,进行受试者工作特征曲线（ROC）分析，如表5、

【参考文献】：
期刊论文
[1]多层螺旋CT图像纹理分析在直肠癌淋巴结转移中的应用价值[J]. 罗超元,岑东芝.  中华胃肠外科杂志. 2019 (05)
[2]能谱CT定量参数与胃肠道间质瘤肿瘤危险度的关系[J]. 于珊珊,张极峰,管莹,李萍.  现代消化及介入诊疗. 2019(04)
[3]胃间质瘤CT影像特征及纹理参数与危险度分级的相关性[J]. 李双,龙学颖,刘慧.  中南大学学报(医学版). 2019(03)
[4]CT纹理分析在胃肠间质瘤危险度分级价值的初步研究[J]. 任采月,王升平,任敏,刘壮,张盛箭,蒋朝霞,彭卫军.  实用放射学杂志. 2019 (02)
[5]基于增强CT的胃肠道间质瘤纹理分析对术前危险度分级的预测价值[J]. 唐雪松,周宇.  新疆医科大学学报. 2019(01)
[6]Prognostic value of fibrinogen and D-dimer-fibrinogen ratio in resectable gastrointestinal stromal tumors[J]. Hua-Xia Cai,Xu-Qi Li,Shu-Feng Wang.  World Journal of Gastroenterology. 2018(44)
[7]CT图像纹理分析在鉴别良恶性肺结节中的价值[J]. 迟淑萍.  实用放射学杂志. 2016 (11)
[8]Diagnosis and surgical treatment of esophageal gastrointestinal stromal tumors[J]. Fang-Biao Zhang,Hong-Can Shi,Yu-Sheng Shu,Wei-Ping Shi,Shi-Chun Lu,Xiang-Yan Zhang,Shao-Song Tu.  World Journal of Gastroenterology. 2015(18)



本文编号：3413463