基于增强CT影像组学特征鉴别诊断B3型胸腺瘤与胸腺癌

摘要

目的评估增强CT影像组学特征在B3型胸腺瘤和胸腺癌鉴别诊断中的差异。方法共纳入收集51例2000年1月—2021年10月具有详细病理结果胸腺肿瘤,其中B3型胸腺瘤29例,胸腺癌22例,按7∶3比例随机分为训练集和测试集。应用3D-slicer软件从中提取影像组学特征,包括形态学特征、一阶直方图特征、二阶直方图特征及高阶特征,应用python3.8语言软件行T检验、最小绝对收缩和选择算子(LASSO)回归对高维特征降维、筛选,在训练集中,分别采用支持向量机(SVM)和随机森林(RF)机器学习方法构建诊断预测模型,采用受试者工作特征曲线(ROC)评估其鉴别效能,应用独立的内部测试集验证上述预测模型。结果共获得影像组学特征参数1294个,T检验获得196个差异特征,LASSO降维至7个组学特征。应用RF、SVM所建立的术前预测模型在验证集中的AUC值分别为0.914、0.812,其中RF预测效果较好。结论基于增强CT影像组学特征构建的RF、SVM模型在B3型胸腺瘤和胸腺癌的鉴别诊断中具有较好的预测潜力。