目的分析CT与PET/MRI影像组学预测肺腺癌与鳞癌分型的价值,探讨PET/MRI潜在信息的挖掘对肺癌分型的意义。方法回顾性分析经病理确诊的72例肺癌患者病历资料,其中肺腺癌42例,肺鳞状细胞癌30例。应用影像组学软件计算和选择与肺癌分型最...目的分析CT与PET/MRI影像组学预测肺腺癌与鳞癌分型的价值,探讨PET/MRI潜在信息的挖掘对肺癌分型的意义。方法回顾性分析经病理确诊的72例肺癌患者病历资料,其中肺腺癌42例,肺鳞状细胞癌30例。应用影像组学软件计算和选择与肺癌分型最相关的影像组学特征,得到最佳特征,并重建CT及PET/MRI影像预测模型。通过受试者工作特征(receiver operating characteristic curve,ROC)曲线及曲线下面积(area under the curve,AUC)差异评价模型预测能力。结果CT预测模型得到3个最优特征,相应曲线下训练组及测试组的AUC值分别为0.737、0.722;PET/MRI预测模型得到6个最优特征,相应曲线下训练组及测试组的AUC值分别为0.839、0.841。结论CT和PET/MRI模型均能够有效预测肺腺癌及肺鳞癌的病理亚型,且PET/MRI较CT影像组学术前预测肺腺癌与鳞癌的效能更高。展开更多
文摘目的分析CT与PET/MRI影像组学预测肺腺癌与鳞癌分型的价值,探讨PET/MRI潜在信息的挖掘对肺癌分型的意义。方法回顾性分析经病理确诊的72例肺癌患者病历资料,其中肺腺癌42例,肺鳞状细胞癌30例。应用影像组学软件计算和选择与肺癌分型最相关的影像组学特征,得到最佳特征,并重建CT及PET/MRI影像预测模型。通过受试者工作特征(receiver operating characteristic curve,ROC)曲线及曲线下面积(area under the curve,AUC)差异评价模型预测能力。结果CT预测模型得到3个最优特征,相应曲线下训练组及测试组的AUC值分别为0.737、0.722;PET/MRI预测模型得到6个最优特征,相应曲线下训练组及测试组的AUC值分别为0.839、0.841。结论CT和PET/MRI模型均能够有效预测肺腺癌及肺鳞癌的病理亚型,且PET/MRI较CT影像组学术前预测肺腺癌与鳞癌的效能更高。