放射组学模型鉴别腮腺多形性腺瘤与沃辛瘤

摘要

目的:探讨基于计算机体层成像(computed tomography,CT)的放射组学模型在腮腺多形性腺瘤(pleomorphic adenoma,PA)与沃辛瘤(Warthin tumor,WT)鉴别中的价值。方法:收集经病理学检查证实的28例PA与25例WT,使用MaZda软件提取CT平扫图像中肿瘤的直方图分析(histogram analysis,HA)、灰度共生矩阵(gray-level co-occurrence matrix,GLCM)、灰度游程矩阵(gray-level run length matrix,GLRLM)、绝对梯度(absolute gradient,AG)和自回归模型(autoregressive model,AR)5种放射组学特征。使用组内相关系数(intraclass correlation coefficient,ICC)分析组学特征,选取PA与WT组中ICC>0.75的特征,然后选取组间差异有统计学意义的特征参数,再使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析进一步析筛选,最后以筛选出的特征参数建立随机森林(random forest,RF)、逻辑回归(logistic regression,LR)与支持向量机(support vector machine,SVM)分类模型,并应用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的效能。结果:PA与WT之间差异有统计学意义的特征中,GLCM数量最多。最终筛选出11个特征参数作为子集建立RF、LR、SVM共3个模型,其中RF的效能最佳,准确度、灵敏度、特异度及曲线下面积(area under curve,AUC)分别为83.3%、78.6%、88.0%及0.882。结论:基于CT的放射组学模型具有良好的分类效能,可于术前有效地鉴别PA与WT。