APP下载

基于CT影像组学诺模图预测头颈部恶性肿瘤淋巴结转移

2021-08-06李羚胡大涛夏春华李红霞

实用医学杂志 2021年14期
关键词:特征

李羚 胡大涛 夏春华 李红霞

安徽医科大学第三附属医院合肥市第一人民医院1耳鼻咽喉科,2放射科,3肿瘤科(合肥230061)

头颈部恶性肿瘤为全球七大常见恶性肿瘤之一[1],占全球每年新发恶性肿瘤的5.245%[2],治疗多采用手术、放疗等手段,淋巴结转移与否决定着淋巴结清扫和放疗的范围。由于CT 及MRI 对淋巴结性质预判的准确率有限,尤其在短径<1.0 cm时有较高的漏诊率和错判率,而颈部淋巴结穿刺活检为有创操作且因取材小,取材位置偏差可能影响淋巴结性质判断。寻找一种非侵入、准确且安全的诊断方法对头颈部恶性肿瘤患者极为重要。

影像组学(radiomics)是大数据技术与影像诊断的结合,影像不再只是图片,更是数据,从影像的感兴趣区(region of Interest,ROI)提取巨量特征信息,筛选出具有特征性的数字化信息建立相关的预测模型来定量描述病变的表型,是影像诊断史上的革命,已成为肿瘤诊断的新热点[3⁃6]。CT 影像组学特征可用于淋巴结转移的定量无创预测[7⁃8],我科与放射科合作,将这一客观、非侵入、可挖掘、可重现的新兴技术与平扫及增强CT 值联合制作的预测模型应用于头颈部恶性肿瘤淋巴结转移的诊断中,取得较常规CT 更好的诊断效果,报道如下。

1 资料与方法

1.1 一般资料本研究通过了合肥市第一人民医院医学伦理委员会批准。资料来源于2017年1月至2020年10月就诊于合肥市第一人民医院,确诊头颈部恶性肿瘤且有明确淋巴结部位、大小、病理描述及治疗前2 周内有质量较……

登录APP查看全文

猜你喜欢

特征
离散型随机变量的分布列与数字特征
具有两个P’维非线性不可约特征标的非可解群
月震特征及与地震的对比
如何表达“特征”
不忠诚的四个特征
詈语的文化蕴含与现代特征
基于特征筛选的模型选择
线性代数的应用特征