新型冠状病毒肺炎的影像组学研究

摘要

cqvip:为了识别新型冠状病毒肺炎(COVID-19)和非COVID-19肺炎(其他肺炎)的患者,提出一种基于胸部CT图像影像组学特征的分类方法。分别收集COVID-19患者和其他肺炎患者各90例的胸部CT图像,并手动勾勒肺炎病变区域;然后,利用影像组学方法提取病变区域的纹理特征和直方图特征,获得每个样本对应的一阶影像组学特征向量;最后,使用纹理特征和直方图特征作为输入,构建线性支持向量机(linear SVM)模型,对COVID-19患者和其他肺炎患者进行分类。该模型使用20次10折交叉验证进行训练和测试。对于COVID-19患者,还进行了相关分析(多次比较校正-Bonferroni校正,p<0.05/7),以确定纹理和直方图特征是否与血液的实验室测试指标相关。结果表明本研究提出的方法具有良好的分类性能,分类准确度高达87.56%,敏感度为82.78%,特异性为92.33%,受试者工作特性曲线下面积为0.939,这也证明了两组人群的影像组学特征是高度可区分的,此模型可以有效地识别和诊断COVID-19患者和其他肺炎患者。相关分析结果显示某些纹理特征与白细胞、中性粒细胞和C反应蛋白正相关,而也有某些纹理特征与血氧和中性粒细胞负相关。