论文部分内容阅读
目的:通过CT影像组学模型鉴别儿童盆部横纹肌肉瘤（Rhabdomyosarcoma,RMS）与卵黄囊瘤（yolk sac tumor,YST）,探讨其在诊断儿童盆部RMS的价值。材料和方法:回顾性收集2013年1月2019年7月在重庆医科大学附属儿童医院进行术前CT增强且经病理证实的儿童盆部RMS（n=37）和YST（n=31）的患者68例,收集每位患者的临床及影像资料,对CT平扫期、动脉期及静脉期图像手动分割肿瘤区域并提取影像组学特征,从三期时相中分别提取出1321个初始特征,采用10折交叉验证策略,对每一折的训练集采用最小绝对收缩和选择算子（least absoluunderte shrinkage and selection operator,LASSO）算法进行特征降维,筛选出区分RMS和YST相关性最高的5个影像组学特征建立支持向量机（Support Vector Machine,SVM）、逻辑回归（Logistic Regression,LR）和随机森林（Random forests,RF）3种机器学习模型,采用受试者操作特性（Receiver operating characteristic,ROC）曲线评估预测效能,并计算曲线下面积（Area under the curve,AUC）、准确率、敏感性和特异性等预测指标。以Delong检验比较多期相CT的ROC曲线的AUC差异。结果:1.一般资料:68例患者中,RMS组37例,男15例,女22例,年龄0.511.7岁,具体来源包括:盆腹腔及腹膜外28例,肛周及骶尾部6例,阴道3例;YST组31例,男2例,女29例,年龄0.412岁,具体来源包括:卵巢16例,盆腔1例,肛周及骶尾部9例,阴道5例。临床表现:患者主要以腹痛、腹部包块,排尿或排便困难等首发症状就诊。常规CT表现:肿瘤大小、密度、边界、均匀度、CT增强以及发生骶尾部骨质破坏、腹腔积液在RMS和YST间差异无统计学意义（P>0.05）。RMS和YST都可表现为较大的盆腔实性肿块,多呈不均匀稍低密度,钙化、脂肪及出血未见。动脉期病灶内均可见肿瘤血管影,静脉期、延迟期病灶均进一步强化,强化范围扩大。但RMS比YST的更容易发生淋巴结或远处转移,差异有统计学意义（P=0.045）。因此,通过常规影像学检查手段鉴别两者较为困难,在影像上本研究54%（20/37）的RMS误诊为YST或与YST难以区别。2.影像组学特征选择的结果:应用LASSO使用10折交叉验证的方法特征降维、筛选后,（1）平扫期选择5个纹理特征（waveletHLHglszmSmallAreaLowGrayLevelEmphasis、wavelet-LHHglrlmRunVariance、wavelet-LLHglcmCorrelation、wavelet-LLHglcmCorrelation和logarithmgldmDependenceEntropy）;（2）动脉期选择2个强度（originalfirstorder10Percentile和squarefirstorder10 Percen tile）、3个纹理特征（squarerootglrlmRunEntropy、originalglcmMaximum Probability和logarithmglrlmRunEntropy）;（3）静脉期也选择2个强度（exponentialfirstorder10Percentile和wavelet-HLHfirstorderMinimum）和3个纹理特征（squarerootglcmInverseVariance、wavelet-HLHgldmLargeDependenceHighGrayLevelEmphasis和wavelet-HHLglcmSumEntropy）。3.影像组学模型预测的分类结果:基于以上特征集建立支持向量机SVM、逻辑回归LR和随机森林RF 3种分类器模型中,ROC曲线显示,（1）RF模型区分RMS与YST具有最优效能,其中CT动脉期显示出较高的分类效能。（2）动脉期测试集的AUC、准确率、敏感性和特异性分别为0.83（95%CI:0.720.91）、0.81、0.84和0.77;（3）静脉期、平扫期显示出相对较低的预测结果,其测试集的AUC、准确率、敏感性和特异性分别为0.78（95%CI:0.660.87）、0.75、0.84、0.65和0.71（95%CI:0.580.81）、0.72、0.81、0.61。（4）经Delong检验,动脉期和静脉期、动脉期和平扫期、静脉期和平扫期间的AUC差异无统计学意义（P=0.684,0.491,0.801）。其他基于最佳CT动脉期SVM和LR模型的预测性能为:SVM模型测试集的AUC、准确率、敏感性和特异性分别为0.78（95%CI:0.670.88）、0.74、0.74和0.65;LR模型测试集的AUC、准确率、敏感性和特异性分别为0.77（95%CI:0.630.84）、0.74、0.71和0.71。结论:1.特征降维后,3期CT图像选择的最优5个影像特征集中,选定的纹理特征明显优于一阶特征。（1）平扫期提取出GLDM、GLCM、GLRLM、GLSZM有诊断效能的影像特征,提示RMS与YST肿瘤的纹理灰度异质性存在差异;（2）动脉期提取出firstorder、GLCM、GLRLM,提示RMS与YST肿瘤的病灶体素强度、灰度长度及分布异质性存在差异;（3）静脉期提取出firstorder、GLDM、GLCM,提示RMS与YST肿瘤的体素强度、灰度分布存在差异。2.支持向量机SVM、逻辑回归LR和随机森林RF 3种分类器中,RF模型区分RMS与YST具有最优效能,与以往影像组学研究相比,再次验证了RF分类器是一类常用的分类识别模型,在小样本、非线性和高维数据中具有优秀的分类性能。3.基于3期CT图像的RF分类器ROC曲线显示,AUC及准确性均>0.7,明显高于以往我们放射科医生在影像报告中诊断RMS的准确性（46%）。其中动脉期显示出相对较高的预测结果。但经Delong检验,动脉期vs静脉期、动脉期vs平扫期、静脉期vs平扫期间的AUC差异无统计学意义（P>0.05）。综上,基于CT图像的影像组学模型术前可有效鉴别RMS与YST,对提高RMS术前诊断的准确性有一定价值,增加影像医师对诊断儿童盆部实性肿瘤的信心。