基于CT图像影像组学模型对甲状腺结节良恶性预测的研究

目的 本研究旨在探讨基于CT影像组学模型对甲状腺结节良恶性的鉴别价值。方法 回顾性收集甲状腺结节患者185例患者的胸部CT纵膈窗影像资料，共186枚结节，良性结节104枚，恶性结节82枚。将显示病灶的薄层CT图像以DICOM格式上传至达尔文医准科研平台，在病灶的中心层面及其上下层面勾画感兴趣区(ROI)，通过最小、最大值归一化预处理,对每一维度特征的线性进行拉伸。然后采用Lasso Glogistic回归模型进行模型选择，对特征的重要性进行评估。最后以筛选出的特征维度为特征参数构建LassMLN4924化学结构o Glogistic回归模型，使用受试者工作特性曲线(ROC曲线)分析模型的诊断效能,并计算敏感度、特异度和诊断符合率。结果 经过特征筛选，8个影像组学特征用于构建甲状腺结节良恶性鉴别模型。训练组中预测模型的ROC曲线下面积(AUC)为0.83(95%可信区间：0.73-0.93)，灵敏度和特异度分别为88.7%、 82.0%，诊断准确率75%；测试组中AUC为0.81(95%可信区间：0.6-0.99Fracture fixation intramedullary)，灵敏度和特异度分别为88.5%、 84.6Fulvestrant浓度%，诊断准确率76.13%。结论 基于胸部CT纵膈窗的影像组学模型对于甲状腺结节的良恶性预测具有较高的诊断效能。