Page 93 - 南京医科大学自然版
P. 93

第46卷第10期         周 雨,周 燕,许泳康,等. 双能CT碘图影像组学特征对甲状腺乳头状癌侧颈区淋巴结转
                 2026年10月           移的诊断价值[J]. 南京医科大学学报(自然科学版),2026,46(10):1518-1526,1552              ·1523 ·


                                                    表4 不同模型诊断效能的比较
                                      Table 4 Comparison of diagnostic efficacy among different models
                                  Conventional       DECT quantitative
                                                                          Radiomics model      Combined model
                  Parameters     imaging model        parameter model
                             Training set Validation set Training set Validation set Training set Validation set Training set Validation set
                 AUC           00.803    00.804    00.939     00.933    00.977     00.931    00.977     00.938
                 Sensitivity(%)  83.2     88.4      92.4       92.2      96.8       95.3      94.0       89.1
                 Specificity(%)  73.7     73.5      86.1       87.2      89.3       81.2      93.6       88.9
                 Accuracy(%)   78.0       80.5      84.7       89.8      91.7       81.7      93.2       88.2
                 PPV(%)        73.8       78.3      85.9       88.2      91.2       86.2      91.5       90.3
                 NPV(%)        82.5       83.5      91.0       91.8      92.2       77.7      94.9       86.1
                   PPV:positive predictive value;NPV:negative predictive value.

                脉期小波⁃HHH 一阶统计量 ⁃ 偏度),5 个为静脉期                      95%CI分别为0.965~0.988及0.908~0.968。
                组学参数(静脉期指数灰度行程矩阵短行程低灰度                            2.5  模型效能比较
                级强调度、静脉期小波⁃LH 一阶统计量⁃中位数、静                             影像组学模型、DECT 定量参数模型和联合模
                脉期小波⁃HLL一阶统计量⁃均值、静脉期小波⁃HL灰                        型在训练集和验证集中的诊断效能均显著优于传
                度共生矩阵⁃逆差矩归一化、静脉期小波⁃HLH 灰度                         统影像特征模型(P均< 0.01)。在训练集中,影像组
                共生矩阵⁃聚类阴影),上述特征涵盖一阶统计量、纹                          学模型的诊断效能优于 DECT 定量参数模型(P <
                理特征等多维度信息。基于 SVM 方法构建的影像                          0.01),验证集中,差异无统计学意义(P=0.899,图
                组学模型在训练集和验证集的AUC分别为0.977和                         2)。训练集和验证集中3个模型的决策曲线分析显
                0.931,灵敏度分别为 96.8%和 95.3%,特异度分别为                  示DECT定量参数模型、影像组学模型和联合模型在
                89.3%和 81.2%(表 4,图 2),95%CI 分别为 0.966~            预测PTC患者LLNM方面相比传统影像特征模型提
                0.988 及 0.900~0.962。校准曲线说明该模型在训练                  供了更好的净受益(图4)。在训练集决策曲线分析
                集和验证集的校准能力均良好(图3)。                                中,影像组学模型更优于DECT定量参数模型。而在

                2.4  基于DECT定量参数及影像组学建立联合模型                        验证集中,DECT 定量参数模型在低阈值情况下较
                    筛选出3个定量参数及9个影像组学特征用于                          影像组学模型净受益更好,高阈值情况下影像组学
                联合模型的构建,联合模型在训练集和验证集的                             模型更优。训练集和验证集中,影像组学模型与联
                AUC 分别为 0.977 和 0.938,灵敏度分别为 94.0%和               合模型间的诊断效能差异均无统计学意义(训练集
                89.1%,特异度分别为 93.6%和 88.9%(表 4,图 2),               P=0.950,验证集P=0.585)。


                  A                                               B
                      100                                             100

                       80                                              80
                     (%)  60                                          (%)  60
                     Sensitivity  40                                  Sensitivity  40


                                      Conventional imaging model                        Conventional imaging model
                       20             DECT quantitative parameter model  20             DECT quantitative parameter model
                                      Radiomics model                                   Radiomics model
                                      Combined model                                    Combined model
                        0                                               0
                         0    20   40    60   80   100                    0   20    40   60   80   100
                                 100-Speificity(%)                               100-Speificity(%)

                   A:Training set. B:Validation set. The diagnostic efficacy of the conventional imaging model,DECT model,radiomics model and combined model
                in diagnosing lateral cervical lymph node metastasis in patients with PTC was demonstrated,respectively.
                                             图2  4种模型在训练集与验证集的ROC曲线对比
                              Figure 2 Comparison of ROC curves of four models in the training set and validation set
   88   89   90   91   92   93   94   95   96   97   98