目的探讨基于CT平扫及增强的Delta影像组学,建立术前预测胃腺癌(GAC)淋巴结转移(LNM)的影像组学模型。方法选取我院经手术病理证实的163例GAC患者的全腹CT平扫及增强扫描资料,将163例患者按7:3比例随机分为训练组(114例)和内部验证组(49...目的探讨基于CT平扫及增强的Delta影像组学,建立术前预测胃腺癌(GAC)淋巴结转移(LNM)的影像组学模型。方法选取我院经手术病理证实的163例GAC患者的全腹CT平扫及增强扫描资料,将163例患者按7:3比例随机分为训练组(114例)和内部验证组(49例);同时选取另一家大型三甲医院GAC患者64例作为外部验证组。以门静脉期、平扫两期相原发肿瘤区域为感兴趣区(region of interest,ROI),采用3D-Slicer radiomics模块分别对其进行影像组学特征提取,并计算两期相特征差值(Δ)。利用最小绝对收缩和选择算法(LASSO)进行降维,筛选出最优特征,建立Delta影像组学模型,并利用以上三组绘制受试者工作特征曲线(receiver operating characteristic,ROC),评估其预测效果。结果从提取的1223个影像组学特征中,选择6个最优特征构建影像组学模型中分别是2个一阶特征、2个灰度尺寸区域矩阵特征及2个灰度共生矩阵特征。构建的影像组学模型,训练组的曲线下面积(area under curve,AUC)为0.863、内部验证组为0.802、外部验证组为0.797。结论基于CT平扫及增强的Delta影像组学模型可在术前有效预测GAC是否发生LNM。展开更多
文摘目的探讨基于CT平扫及增强的Delta影像组学,建立术前预测胃腺癌(GAC)淋巴结转移(LNM)的影像组学模型。方法选取我院经手术病理证实的163例GAC患者的全腹CT平扫及增强扫描资料,将163例患者按7:3比例随机分为训练组(114例)和内部验证组(49例);同时选取另一家大型三甲医院GAC患者64例作为外部验证组。以门静脉期、平扫两期相原发肿瘤区域为感兴趣区(region of interest,ROI),采用3D-Slicer radiomics模块分别对其进行影像组学特征提取,并计算两期相特征差值(Δ)。利用最小绝对收缩和选择算法(LASSO)进行降维,筛选出最优特征,建立Delta影像组学模型,并利用以上三组绘制受试者工作特征曲线(receiver operating characteristic,ROC),评估其预测效果。结果从提取的1223个影像组学特征中,选择6个最优特征构建影像组学模型中分别是2个一阶特征、2个灰度尺寸区域矩阵特征及2个灰度共生矩阵特征。构建的影像组学模型,训练组的曲线下面积(area under curve,AUC)为0.863、内部验证组为0.802、外部验证组为0.797。结论基于CT平扫及增强的Delta影像组学模型可在术前有效预测GAC是否发生LNM。
