MRI影像组学特征列线图在鉴别卵巢囊肿和单房囊腺瘤中的应用价值

摘要

目的 通过建立影像组学的方法将女性盆腔MR-T2WI及增强序列的图像信息模型绘制列线图评价其鉴别女性卵巢囊肿和单房囊腺瘤的诊断效能。方法 回顾性收集113例因卵巢肿物行盆腔MRI平扫及增强扫描并手术证实为卵巢囊肿或单房囊腺瘤的患者，共121例病灶，其中卵巢囊肿49例，单房囊腺瘤72例。分析各卵巢病变的T2WI及增强序列的磁共振图像，同时收集患者的相关临床资料。基于T2WI及增强图像各提取1 316个、共2 632个影像组学特征，筛选最佳特征，计算影像组学评分并建立影像组学模型。按7∶3将患者随机分为训练组（n=80，共84个病灶）和验证组（n=33，共37个病灶）。应用Logistic回归分析筛选临床相关独立危险因素，建立临床模型，并构建形态学和影像组学评分联合模型，绘制列线图将之可视化。以受试者工作特征（ROC）曲线评估各模型预测囊肿和单房囊腺瘤的效能，以决策曲线分析（DCA）评价联合模型的价值。结果 训练组与验证组患者年龄差异无统计学意义（P>0.05）。本研究基于T2WI和增强扫描两个序列的影像组学特征进行特征筛选，最终T2WI及增强序列各筛选出10个特征，并建立单序列影像组学模型；基于T2WI及增强序列的影像特征进行融合得到融合特征集后，再次进行特征筛选，最终剩余6个特征。基于筛选到的6个关键特征建立T2WI及增强序列联合影像组学模型在训练组患者中预测卵巢单房囊腺瘤的曲线下面积（AUC）为0.946，验证组的AUC为0.927。临床特征中病变前后径与上下径是鉴别囊肿与单房囊腺瘤的MRI影像学独立因素（P<0.05）；与影像组学构建的联合nomogram模型训练集AUC为0.955，测试集AUC为0.942，高于影像组学模型（Z=-3.451,P<0.001）。联合模型在阈值概率0～1.0时的临床净获益大于影像组学模型。结论临床特征与MR-T2WI及增强序列影像组学的联合模型对卵巢囊肿和单房囊腺瘤有很高的鉴别诊断能力。

关键词

卵巢囊肿 / 单房囊腺瘤 / 囊性病变 / MRI影像组学 / 列线图 / 鉴别诊断