Page 151 - 南京医科大学学报自然科学版

第41卷第4期 徐青青，单文莉，朱 艳，等. 基于CT影像组学对孤立性肺结节性质分类的预测效能［J］.
2021年4月 南京医科大学学报（自然科学版），2021，41（04）：617-623 ·621 ·

表1 训练组与测试组的3种预测模型结果对照 类有重要的意义，模型 1 良恶性结节分类模型中弱
Table 1 Comparison of the results of three prediction 相关及中位数相对权重较大。弱相关是衡量弱相
models for the training group and the test group 关关系的分布，取值越大，表示图像相关性越小，纹
（%）
理越不均匀。中位数代表了中位灰度强度。模型3
模型1 模型2 模型3
评价指标 良性、恶性非浸润及浸润性结节分类模型中灰度不
训练组 测试组 训练组 测试组 训练组 测试组
准确率 92.06 84.59 84.75 82.20 83.77 70.37 均匀性及四分位数范围相对权重较大。灰度不均
灵敏度 88.98 79.66 89.55 88.06 76.82 71.34 匀性表示肿瘤图像中亮暗的变化，取值越小，表示
特异度 81.69 70.42 78.43 74.51 87.80 85.05 肿瘤图像亮暗程度越均匀。四分位数范围则代表了
阳性预测值 88.98 81.74 84.51 81.94 97.00 83.20 图像的第25和第75百分位数。而模型2恶性非浸润
阴性预测值 81.69 67.57 85.11 82.61 71.00 76.30 及浸润性结节分类模型中仅有2个纹理特征拉普拉
百分位数、四分位距、弱相关和灰度不均匀性等影 斯变换和小波变换的区域熵用于区分非浸润及浸
像组学特征对良性、恶性非浸润及浸润结节进行分 润性结节，区域熵是测量肿瘤的大小和灰度级分布

A B C
score0：AUC=0.82
score1：AUC=0.88
score2：AUC=0.81
micro⁃averaged：AUC=0.84
macro⁃averaged：AUC=0.84
1.0 1.0 1.0
0.9 0.9 0.9
0.8 0.8 0.8
0.7 0.7 0.7
灵敏度 0.6 灵敏度 0.6 灵敏度 0.6
0.5
0.5
0.5
0.4 0.4 0.4
0.3 0.3 0.3
0.2 0.2 0.2
0.1 0.1 0.1
AUC=0.85 AUC=0.89
0.0 0.0 0.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
1-特异度 1-特异度 1-特异度
A、B、C：影像组学验证模型1、模型2及模型3的ROC曲线，体现3种模型之间灵敏度和特异度的综合比较，其AUC值分别为0.85、0.89及
0.84。score 0：良性结节，score 1：恶性非浸润结节，score 2：浸润性结节，micro⁃average：微平均，macro⁃average:宏平均。
图2 影像组学验证模型的ROC曲线
Figure 2 ROC curves of three models

A B
模型1 模型2
0.6 all 0.6 all
none 0.5 none
净受益率 0.4 净受益率 0.4
0.3
0.2
0.2
0.1
0.0 0.0

0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
风险阈值 风险阈值
1∶100 1∶4 2∶3 3∶2 4∶1 100∶1 1∶100 1∶4 2∶3 3∶2 4∶1 100∶1
损失∶受益 损失∶受益
A、B：分别为模型1和模型2测试组的决策曲线，体现模型的预测效能。红线表示模型分类结节的受益曲线，当阈概率为0.01~0.99时，使
用该列线图可为肺结节分类带来受益。模型1中all：假设都诊断为恶性结节,none：假设都诊断为良性结节；模型2中all：假设都诊断为恶性非
浸润结节，none：假设都诊断为浸润性结节。
图3 模型1及模型2测试组的决策曲线
Figure 3 Decision curves for the test group of model 1 and model 2