目的探讨基于CT增强扫描联合直方图分析技术构建判断甲状腺良恶性结节的预测模型,并评价各个模型的诊断效能。方法收集154例符合纳入标准的甲状腺良恶性结节患者的临床及影像资料,其中良性结节80例,恶性结节74例;使用MaZda软件分别从CT...目的探讨基于CT增强扫描联合直方图分析技术构建判断甲状腺良恶性结节的预测模型,并评价各个模型的诊断效能。方法收集154例符合纳入标准的甲状腺良恶性结节患者的临床及影像资料,其中良性结节80例,恶性结节74例;使用MaZda软件分别从CT平扫、动脉期、静脉期3个期相中勾画病灶最大层面作为感兴趣区(region of interest,ROI)并提取直方图参数。采用R语言将所有数据以7:3的比例随机抽样划分为训练集(n=108)和测试集(n=46),将组间差异显著的变量依次纳入二元Logistic回归分析建立预测模型,采用受试者操作特征(receiver operating characteristic,ROC)曲线评价各训练集模型价值并计算曲线下面积(area under curve,AUC),之后预测测试集每个模型的的预测概率,与实际值对比后计算测试集各模型的ROC及AUC。结果在训练集中临床模型、平扫模型、动脉期模型、静脉期模型和联合模型的AUC分别为0.814、0.682、0.630、0.701、0.865;测试集中各个模型的AUC依次为0.722、0.676、0.619、0.655、0.745。结论基于CT增强扫描联合直方图分析技术构建的预测模型对判断甲状腺结节性质的诊断效能较高,可提高术前诊断符合率。展开更多
文摘目的探讨基于CT增强扫描联合直方图分析技术构建判断甲状腺良恶性结节的预测模型,并评价各个模型的诊断效能。方法收集154例符合纳入标准的甲状腺良恶性结节患者的临床及影像资料,其中良性结节80例,恶性结节74例;使用MaZda软件分别从CT平扫、动脉期、静脉期3个期相中勾画病灶最大层面作为感兴趣区(region of interest,ROI)并提取直方图参数。采用R语言将所有数据以7:3的比例随机抽样划分为训练集(n=108)和测试集(n=46),将组间差异显著的变量依次纳入二元Logistic回归分析建立预测模型,采用受试者操作特征(receiver operating characteristic,ROC)曲线评价各训练集模型价值并计算曲线下面积(area under curve,AUC),之后预测测试集每个模型的的预测概率,与实际值对比后计算测试集各模型的ROC及AUC。结果在训练集中临床模型、平扫模型、动脉期模型、静脉期模型和联合模型的AUC分别为0.814、0.682、0.630、0.701、0.865;测试集中各个模型的AUC依次为0.722、0.676、0.619、0.655、0.745。结论基于CT增强扫描联合直方图分析技术构建的预测模型对判断甲状腺结节性质的诊断效能较高,可提高术前诊断符合率。
