长春中医药大学学报

2021, v.37(05) 1071-1075

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于AI的CT影像预测GGN-IAC风险模型建立与验证研究
A research on the establishment and verification of a risk prediction model for GGN-IAC based on the artificial intelligence (AI) CT imaging features

许晓燕;周永;甘晓晶;余莹莹;文智;

摘要(Abstract):

目的建立基于人工智能(AI)CT影像学特征的肺外周型磨玻璃结节(GGN)浸润性腺癌(IAC)风险预测模型并进行验证。方法回顾性选取GGN病例595例,依据病理分为浸润前组(n=107)、微浸润组(n=124)、IAC组(n=364),经AI识别软件自动勾画病灶进行三维定量测量,比较各组临床资料及定量测量参数,建立基于AI参数的预测模型,勾画ROC曲线并进行验证。结果 3组年龄、术前鳞状细胞癌抗原(SCC)、细胞角蛋白19片段(Cyfra21-1)、胃泌素释放肽前体(ProGRP)、神经元特异性烯醇化酶(NSE)、表皮生长因子受体(EGFR)基因突变率比较有统计学意义(P<0.05);3组基于AI测得的平均CT值、2D长径与短径、3D长径与标准径、最大面面积、表面积、体积、质量有统计学意义(P<0.05);Cyfra21-1、ProGRP、NSE、EGFR基因突变及基于AI测得的平均CT值、2D长径、体积为诊断GGN为IAC的危险因素(P<0.05);建立预测模型Z=0.287×Cyfra21-1+0.411×ProGRP+0.189×NSE+0.244×EGFR基因突变+0.286×平均CT值+0.417×2D长径+0.288×体积-8.159,预测IAC的ROC曲线下面积为0.882,该模型IAC预测值与实际发生率无统计学意义(P>0.05)。结论基于AI的CT影像学参数建立的预测模型对外周型GGN的IAC预测价值较好,其中平均CT值、2D长径、体积有较好判断价值,可对GGN进行定量评估。

关键词(KeyWords): 人工智能;电子计算机断层扫描;影像学特征;磨玻璃结节;浸润性肺腺癌;预测模型

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 许晓燕;周永;甘晓晶;余莹莹;文智;

Email:

DOI: 10.13463/j.cnki.cczyy.2021.05.032

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享