增强CT影像组学在鉴别硬化性肺细胞瘤与球形肺癌中的价值

目的 探讨基于机器学习的增强CT影像组学模型对硬化性肺细胞瘤与球形肺癌的鉴别诊断价值.方法 回顾性分析57例硬化性肺细胞瘤及80例球形肺癌患者临床及CT图像资料.在增强CT图像中分割肿瘤区域以及肿瘤周围2 mm区域.使用"uAI科研平台"提取影像组学特征,Lasso回归进行特征筛选.结合临床及影像危险因素构建逻辑回归预测模型,受试者工作特征(ROC)曲线评价效能.结果 经Lasso回归获得6个影像组学特征,多因素Logistic回归分析得到3个独立临床影像危险因素.建立的影像组学模型和临床影像组学联合模型的曲线下面积(AUC)分别为0.945和0.962.临床影像组学联合模型诊断效能高于单纯影像组学模型(P<0.05).结论 增强CT影像组学模型鉴别硬化性肺细胞瘤和球形肺癌中显示出良好的性能,在与临床影像危险因素结合后模型鉴别诊断效能显著提升.