论文部分内容阅读
目的:评估利用基于CT图像的人为识别特征、计算机识别特征预测肾透明细胞癌(ccRCC)凝固性坏死材料与方法:对于本项回顾性研究,共收集57例经病理证实的肾透明细胞癌患者的三期对比增强图像。所有患者均行部分或根治性肾切除手术,其中瘤内存在凝固性坏死组21例,瘤内无凝固性坏死组36例。对于每个肿瘤,评估10个人为识别特征,包括位置,分布,瘤内动脉,肿瘤周围新生血管,钙化,假包膜,肿瘤最大直径,肿瘤衰减值,肾实质衰减值和差异比例。利用皮质期CT图像,对肿瘤进行逐层勾画获取3D VOI数据,并提取42个计算机识别直方图特征。使用卡方检验和秩和检验来量化影像特征与凝固性坏死的关联。决策树模型用于选择最佳的基于计算机识别的直方图特征来预测凝固性坏死。使用受试者工作特征曲线(ROC)和曲线下面积(AUC)来评价影像特征的预测性能;并对人为识别特征及计算机识别特征分别进行评估者间一致性检验。结果:在人为识别特征中,假包膜的曲线下面积(AUC)为0.802。经过决策树的筛选,基于计算机识别特征的三个特征,即uniformity,percentile60和volume count,保留在决策树模型中,其AUC分别为0.730,0.802和0.660。利用这三个特征构建的决策树模型的AUC可以提高至0.931。结论:利用基于CT的人为识别特征,亦或是利用计算机识别特征构建的决策树模型,均可以对肾透明细胞癌瘤内有无凝固性坏死进行较准确区分,从而帮助改善临床决策。