瘤内及瘤周CT影像组学模型鉴别腮腺多形性腺瘤和腺淋巴瘤的临床价值.pdf
《瘤内及瘤周CT影像组学模型鉴别腮腺多形性腺瘤和腺淋巴瘤的临床价值.pdf》由会员分享,可在线阅读,更多相关《瘤内及瘤周CT影像组学模型鉴别腮腺多形性腺瘤和腺淋巴瘤的临床价值.pdf(7页珍藏版)》请在咨信网上搜索。
1、TumorImaginandlmagedirectedInterventions肿瘤影像及3461MODERNONCOLOO31.No.182023年0 9 月第31卷第18 期现代肿瘤医学瘤内及瘤周 CT影像组学模型鉴别腮腺多形性腺瘤和腺淋巴瘤的临床价值刘奇峰,丁治民,姚琪,陈鹏,周艳艳,张成孟皖南医学院弋矶山医院放射科,安徽芜湖2 410 0 1【摘要】目的:探讨瘤内及瘤周影像组学特征联合临床因素鉴别腮腺多形性腺瘤(pleomorphicadenoma,PA)和腺淋巴瘤(adenolymphoma,A L)的价值。方法:回顾性分析2 0 15年0 7 月至2 0 2 2 年10 月经我院术
2、后病理证实为PA和AL共2 2 0 例患者的临床与影像资料。在CT平扫图像中逐层勾画肿瘤的感兴趣区(re-gion of interest,ROI)并适形外扩3mm获得瘤周区域ROI。使用FAE软件提取不同区域的影像组学特征,利用 LR-LASSO(logistic regression via least absoulute shrinkage and selection operator)分别构建瘤内、瘤周、瘤内+瘤周影像组学模型,使用受试者工作特征曲线下面积(area underthereceiveroperating characteristiccurve,AUC)对模型效能进行评估,
3、联合诊断效能最优的组学模型与临床独立因素构建组合模型并绘制诺模图。结果:瘤内+瘤周影像组学模型的诊断效能高于瘤内影像组学模型,联合年龄、性别和吸烟史的组合模型诊断效能要明显优于临床模型和影像组学模型,训练集和验证集的AUC分别为0.96 5和0.96 1且临床效用最高。结论:基于CT平扫构建瘤内+瘤周影像组学特征模型能有效鉴别PA和AL,联合临床独立因素后诊断效能得到进一步提高。【关键词】多形性腺瘤;腺淋巴瘤;瘤内;瘤周;影像组学;计算机断层摄影【中图分类号】R730.4【文献标识码】AD0I:10.3969/j.issn.1672-4992.2023.18.024【文章编号】16 7 2-4
4、992(2 0 2 3)18-346 1-0 7The clinical value of distinguishing parotid pleomorphic adenoma and adenolymphomabased on the intratumoral and peritumoral cT radiomics modelsLIU Qifeng,DING Zhimin,YAO Qi,CHEN Peng,ZHOU Yanyan,ZHANG ChengmengDepartment of Radiology,Yijishan Hospital of Wannan Medical Colleg
5、e,Anhui Wuhu 241001,China.【A b s t r a c t Objective:To investigate the value of intratumoral and peritumoral radiomic features combined withclinical factors in distinguishing parotid pleomorphic adenoma(PA)and adenolymphoma(AL).Methods:The clinicaldata and radiological images of 220 patients with P
6、A and AL proved by operation and pathology in our hospital fromJuly 2015 to October 2022 were retrospectively analyzed.Region of interest(RO1)of the tumors were delineated layerby layer in the CT plain scan images and the ROI of the peritumoral region was obtained by conformal outward expan-sion of
7、3 mm.The software of FAE was used to extract the radiomics features of the different regions,and LR-LASSO(logistic regression via least absoulute shrinkage and selection operator)was used to construct the intratumoral,per-itumoral and intratumoral+peritumoral radiomics models respectively.The perfor
8、mance of the models were assessedby the receiver operating characteristic curve and area under the curve(AUC),and the dominant imaging radiomicsmodel was combined with clinically independent predictors to construct a combined model and then plot a nomogram.Results:The diagnostic efficacy of the intr
9、atumoral+peritumoral radiomics models was higher than that of the intratu-moral radiomics models.The combined model which include age,gender and smoking history was significantly betterthan the clinical and radiomics models,the AUC of the training and test groups was 0.965 and 0.961 respectively,and
10、 achieved the highest clinical utility.Conclusion:The CT scan-based radiomics model which included intratu-moral+peritumoral radiomics features can effectively differentiate PA from AL,and the diagnostic efficacy is furtherimproved by combining clinically independent predictors.【收稿日期】2023-04-09【修回日期
11、】2023-05-09【基金项目】安徽省卫生健康科研项目(编号:AHWJ2022b044);安徽省教育厅2 0 2 2 年度新时代育人质量工程项目(研究生教育)(编号:2022zyxwjxalk165);皖南医学院第一附属医院(弋矶山医院)引进人才专项科研基金(编号:YR20220219)【作者简介】刘奇峰(1996),男,安徽合肥人,硕士在读,主要从事头颈部肿瘤影像诊断工作。E-mail:【通信作者】丁治民(197 9),男,安徽怀宁人,主任医师,主要从事临床肿瘤学影像诊断工作。Ema i l:d z md o c t o r 139.c o m3462瘤内及瘤周CT影像组学模型鉴别腮腺多形
12、性腺瘤和腺淋巴瘤的临床价值刘奇峰,等 Key words I pleomorphic adenoma,adenolymphoma,intratumour,peritumor,radiomic,computed tomographyModern Oncology 2023,31(18):3461-3467腮腺多形性腺瘤(pleomorphic adenoma,PA)和腺淋巴瘤(a d e n o l y mp h o ma,A L)是常见的两种腮腺良性肿瘤 ,虽然二者临床特征相似,但生物学行为不同,因此治疗和预后也不同。PA常因非手术治疗而发展为恶性肿瘤,且术后复发较为常见,因此临床多建议行浅表
13、或全腮腺切除术2 ,而AL生长缓慢,很少术后复发和恶变,临床常建议随访复查3,因此,术前准确诊断二者对于治疗和预后至关重要。影像组学作为一种新型的非侵入性技术,可以从图像中提取定量特征并转化为可视化数据,这有助于挖掘肿瘤组织内部病理及行为学特性,近年来,基于 CT/MRI的影像组学方法在鉴别PA和AL方面已被证明具有良好效能4-6 。然而,既往研究常常仅关注肿瘤本身,较少关注瘤周成分,一些研究表明,瘤周微环境为肿瘤侵袭性生物学行为的临床评估提供了价值7 在肺癌相关的研究中含瘤周3mm影像组学模型的诊断效能优于单独瘤内或瘤周影像组学模型8-9,因此,本研究探讨瘤内及瘤周3mm的影像组学特征联合临
14、床因素在鉴别PA和AL中的价值。1资料与方法1.1一般资料回顾性分析2 0 15年0 7 月至2 0 2 2 年10 月经我院术后组织学病理证实的PA和AL共319例。纳入标准:有明确的组织学病理结果;术前14天内接受CT平扫;头颈部区域未经放疗等治疗。排除标准:无完整病历资料;图像伪影较重,如假牙伪影、运动伪影等;肿瘤最大径小于5mm。最终纳入2 2 0 例患者,PA110例(男性41例,女性6 9例),AL110例(男性99例,女性11例),并采用完全随机法分为训练集(PA77例,AL77例)和验证集(PA33例,AL33例)。本研究遵守赫尔辛基宣言,经皖南医学院矶山医院伦理委员会批准,免
15、除受试者知情同意(批准文号:2 0 2 2伦审研第8 5号)。1.2CT检查方法使用东芝16 排(ToshibaMedical Systems,Ja p a n)和西门子 Somatom Perspective 32排(Siemens Healthcare,Germany)CT扫描仪对患者进行检查。扫描参数:管电流150 mA,管电压12 0 kV,螺距为1.0,层厚2 mm;扫描范围:外耳孔至下颌角支部;使用140 smedium算法将图像重建为1mm层厚,窗值为 Larynx。1.3影像学资料的评估CT征象分析由2 名放射科医师(具有5年以上头颈部诊断经验)在不知临床信息和病理结果的情况下
16、以盲法形式独立完成,意见不一致时进行协商并达成一致意见。CT定性特征主要包含:肿瘤的位置(左/右);肿瘤的边缘(清楚/模糊);形状(规则/不规则);是否涉及深叶(通过以下颌后静脉最背侧点与同侧椎体最背侧的连线划分深、浅叶10 】);钙化(有/无);囊变或坏死(有/无);淋巴结肿大(有/无)。定量特征包括:肿瘤的最大径;肿瘤平均CT值(测量3次并取平均值,避开囊变坏死、钙化及血管区);腮腺CT值(测量3次并取平均值,测量距离肿瘤约10mm处的正常腮腺组织,避开小血管);CT值差值(肿瘤平均CT值减腮腺CT值)1.4图像分割和特征提取将图像导人开源软件ITKSNA PV 3.8.0(h t t p
17、 s:/www.itksnap.org),将体素维度统一至1.0 mm1.0mm1.0mm,由其中一名医师在不了解病理结果的情况下根据肿瘤边缘手动逐层勾画感兴趣区(region of interest,ROI),避开骨骼和血管等正常组织并适形外扩3mm作为瘤周组ROI,采用简单随机抽样法随机抽取40 例患者,间隔一个月后再次勾画ROI用于评估组内的一致性,另一名医师进行同样的勾画操作用于评估组间的一致性,采用组内及组间相关系数(intra a n d i n t e r-c l a s s c o r r e l a t i o n,ICC)评估测量者前后2 次及2 名测量者之间提取的组学特征
18、的一致性,ICC0.80认为具有较好的一致性。最终,依次得到瘤内ROI、瘤周ROI和瘤内+瘤周ROI(图1),并使用FAE(Fe a t u r e Ex-plorer,Vo.2.7,Shanghai,China)进行影像组学特征的提取。AB图1瘤内ROI(A)、瘤周3mm ROI(B)和瘤内联合瘤周3mm ROI(C)Fig.1Intratumoural ROI(A),3 mm peritumoural ROI(B)and intratumoural combined with 3 mm peritumoural ROI(C)1.5特征降维、筛选及诊断模型构建所有影像组学特征均采用Zs c
19、o r e 标准化法进行标准化处理,在训练集中使用Pearson相关系数(Pearson correla-tioncoefficient,PCC)进行数据降维(PCC=0.85),并使用方差分析(analysis of variance,A NO VA)进行特征筛选。在逻辑回归的基础上引人最小绝对收缩和选择算子(logisticregres-sion via least absoulute shrinkage and selection operator,LR-LASSO)进行特征筛选并构建影像组学模型,5折交叉验证方法对影像组学模型进行验证并计算每个患者的影像组学评分(radiomic sc
20、ore,Ra d _s c o r e)。应用受试者工作特征(receiv-er operating characteristic,RO C)曲线下面积(areas undercurves,A U C)、准确率、灵敏度、特异度评估各模型的效能。3463MODERNONCOLO31,No.182023年0 9 月第31卷第18 期现代肿瘤医学通过多因素逻辑回归筛选临床独立因素并联合效能最优的影像组学模型构建组合诊断模型1.6统计学分析统计学分析和绘图在SPSS26.0和R软件(版本4.2.2)中操作。连续变量符合正态分布用均数标准差(xs),非正态分布用中位数和四分位数间距M(P2 5,Pr s
21、)】表示,Kol-mogorov-Smirnov检验正态性,独立样本t检验和Mann-WhitneyU检验进行组间差异比较。分类变量用例数表示,皮尔森卡方检验或Fisher确切概率法比较组间差异。P0.05),表明临床资料和影像资料的变量观察结果的组间数据均衡性较好并具有可比性。对PA与AL之间各项临床和影像学资料比较(表2),结果显示训练集中,年龄、性别、吸烟史、饮酒史、最大径、肿瘤平均CT值、腮腺CT值、CT值差值具有统计学意义(P0.80,最终分别筛选出12、9、10 个影像组学特征。结果表明,瘤内+瘤周影像组学模型的诊断效能优于单一瘤内或瘤周影像组学模型(图3,表3),联合临床独立因素
22、后的组合模型诊断效能进一步提升,Delong检验结果显示验证集中组合模型与瘤内+瘤周模型和瘤内模型差异无统计学意义(表4)。诺谟图显示影像组学评分在鉴别PA和AL的风险程度上占有较大的权重(图4)。校准曲线(图5)显示诺谟图拟合度良好。Hosmer-Lemeshow检验证明训练集和验证集均未偏离完美拟合优度(训练集和验证集分别为P=0.463和P=0.796)。各模型的DCA(图6)表明组合模型对鉴别PA和AL具有更好的临床受益。表2 训练集和验证集中PA组和AL组的临床和影像学特征比较(n=220)Tab.2Comparison of clinical and radiographic ch
23、aracteristics of patients in training and validation set between PA group and AL group(n=220)Clinical and radiographicTraining set(n=154)Validation set(n=66)characteristicsPA(n=77)AL(n=77)PPA(n=33)AL(n=33)PAge*M(P2s,Prs),years49.00(43.00,54.50)64.00(53.00,70.00)0.00147.00(41.50,56.00)68.00(58.00,74.
24、50)0.001Gender(n)0.0010.001Male26701529Female517184Smoking history(n)0.0010.012Absent63252515Present1452818Drinking history(n)0.0470.353Absent66562825Present112158Maximum diameter M(P25,Prs),mm25.00(17.50,35.00)30.00(25.00,35.50)0.00425.00(20.00,30.00)27.00(20.50,37.50)0.173Location(n)0.6280.622Left
25、40431517Right37341816Margin(n)0.6810.672Clear75733129Unclear2424Shape(n)0.4690.592Regular58542422Iregular1923911Deep lobe involved(n)0.4370.769Absent62582526Present151987Cystic or necrotic areasa(n)0.8480.786Absent59602423Present1817910Calcification(n)0.2090.613Absent72763032Present5131Enlarged lymp
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- CT 影像 模型 鉴别 腮腺 性腺 淋巴瘤 临床 价值
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。