目的:建立基于CT图像特征的影像组学标签,预测非小细胞肺癌(non-small cell lung cancer,NSCLC)的Ki-67表达水平.方法:回顾性收集2014年1月至2017年11月行肺部CT平扫及增强扫描并在检查后2周内经病理证实、行Ki-67表达水平检测的108例NSCLC患者.在MaZda软件中分别手动勾画出病灶CT平扫及增强的三维立体结构影像,提取感兴趣区的纹理特征参数.经过多种特征选择方法[交互信息(mutual information,MI)、Fisher系数(fisher coefficient,Fisher)、分类错误概率联合平均相关系数(classification error probability combined with average correlation coefficients,POE+ACC)以及联合方法(Fisher+POE+ACC+MI,FPM)]和分析方法[原始数据分析(raw data analysis,RDA)、主成分分析(principal component analysis,PCA)、线性分类分析(linear discriminant analysis,LDA)和非线性分类分析(nonlinear discriminant analysis,NDA)]组合建立影像组学标签,以误判率评价其诊断效果.结果:108例患者中Ki-67高表达组50例,Ki-67低表达组58例.Ki-67高表达与低表达两组间性别、年龄和病理类型差异均有统计学意义(P<0.05).基于CT平扫图像纹理特征的FPM特征选择和NDA特征分析方法建立的影像组学标签预测Ki-67表达水平效果最佳,错判
作者:顾潜彪;冯智超;梁琪;李美姣;王维;容鹏飞
来源:中南大学学报(医学版) 2018 年 43卷 11期