Page 95 - 南京医科大学自然版

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 ·1525 ·

静脉期 NIC 均高于非转移性淋巴结，可能是与转移 质性，同时高维影像组学特征在跨数据集验证时易受
淋巴结内小血管增生和新生血管床增加有关。增 病例构成、图像采集及病灶勾画差异等因素影响，导
加的IC使淋巴结内部结构及组织特性发生改变，同 致其在独立验证集中的诊断优势未能充分体现。后
［11］
时增加了Zeff和λHU 。定量参数标准化后可以有 续可通过扩大样本规模、优化特征筛选与标准化流
效减少体循环及对比剂差异对测量的干扰。本研 程，进一步提升影像组学模型的稳健性与泛化能力。
究结果显示，基于 DECT 定量参数的诊断模型在训 本研究存在一定局限性。第一，本研究为单中
练集与验证集中均保持稳定性能，其客观化特征提 心回顾性研究，可能存在病例选择偏倚。第二，本
取方式显著提升了诊断一致性。 研究纳入的 777 枚淋巴结来源于 200 例患者，个体
影像组学方法能够提取高层次影像特征，是评估 患者的多枚淋巴结共享相同的临床基线、肿瘤微环
淋巴结异质性的重要手段。本研究共筛选了19个组 境等个体特征，存在同质性，违背了统计学分析中
学特征，4个为一阶统计特征，用于量化病灶整体灰 样本相互独立的核心假设。这种样本聚类特性可
度强度分布；15 个为二阶纹理特征，涵盖灰度共生 能引发双重偏倚：一方面，单一患者的多枚淋巴结
矩阵、灰度行程矩阵、灰度大小区域矩阵及灰度依 会导致样本量的“假性增加”，高估统计检验的效
赖矩阵这4类经典纹理矩阵，用于多维度量化病灶的 能；另一方面，对于存在多枚转移淋巴结的病例，建
微观纹理异质性，全面反映病灶的病理生物学特征。 模过程中模型可能优先捕捉该患者的个体化信号，
而非淋巴结发生转移的共性影像规律，导致模型的
其中动脉期对数灰度差分矩阵⁃依赖方差（gray level
dependence matrix⁃dependence variance，GLDM⁃DV）、 泛化能力下降，难以推广至其他队列的患者群体。
静脉期指数灰度行程矩阵⁃短行程低灰度级强调度 第三，训练集与验证集在部分临床基线上存在不平
衡，这可能对模型性能的评估产生潜在干扰。第
（gray level run length matrix⁃short run low gray level
emphasis，GLRLM⁃SRLGLE）及动脉期梯度灰度差分 四，本研究采用人工勾画ROI，未来可引入全自动或
半自动分割以提升可重复性。
矩阵⁃大依赖高灰度级强调度（gray level dependence
综上，本研究结果表明，DECT碘图影像组学特
matrix ⁃ large dependence high gray level emphasis，
GLDM⁃LDHGLE）对淋巴结良恶性鉴别贡献度最高， 征对PTC患者LLNM诊断有一定的指导价值，有望为
PTC患者制定个体化和精准化治疗方案奠定基础。
其数值变化与病理结果密切相关。三者均属于二
利益冲突声明：
阶纹理特征，区别于一阶特征，其核心价值是挖掘
所有作者声明无利益冲突。
像素间的空间纹理规律，如 GLDM⁃DV 量化了图像
Conflict of Interests：
中各灰度值对应的依赖度分布的离散程度，其本
The authors declared no conflict of interests.
质反映淋巴结内相邻像素间灰度关联关系的均匀 作者贡献声明：
性，该数值越高，提示淋巴结内不同灰度像素间的 周雨负责数据收集、数据整理、论文撰写、校对和编辑；
相邻依赖频次差异越显著，灰度空间关联的规律 周燕负责数据整理、审阅和编辑；许泳康负责数据收集、数据
性越弱，纹理分布越不均匀。PTC 转移性淋巴结有 整理；旷欣汝负责数据收集；沈美萍、斯岩、王勇、苏国义负责
时出现囊变、钙化，这类成分异质性较高的区域往 项目监督指导；吴飞云提出研究框架、设计研究方法，撰写、
审阅和编辑论文。
往伴随 GLDM⁃DV 数值升高，而反应性淋巴结的该
Author’s Contributions：
数值一般较低，因此，GLDM⁃DV 可以间接反映淋
Zhou Yu was responsible for data collection，data sorting，
巴结内部成分的异质性，可为淋巴结良恶性鉴别
manuscript writing，proofreading and editing. Zhou Yan was
提供参考。
responsible for data sorting，review and editing. Xu Yongkang
既往研究证明影像组学较传统CT在LNM的诊 participated in data collection and data sorting. Kuang Xinru
断和预测方面更具优势 。但目前专注于LLNM的 conducted data collection. Shen Meiping，Si Yan，Wang Yong，
［6］
研究较少，也尚未有研究将 DECT 及影像组学进行 and Su Guoyi undertook project supervision and guidance. Wu
对比。本研究发现训练集中，影像组学模型的诊断 Feiyun conceived the research framework，designed the research
性能显著优于 DECT 定量参数模型，说明影像组学 methods，and completed manuscript writing，review and editing.
在捕捉区域内的异质性差异方面存在优势。而在 ［参考文献］
验证集中影像组学模型表现与 DECT 模型较为相 ［1］ Boucai L，Zafereo M，Cabanillas M E. Thyroid cancer：a
近，主要原因可能在于不同队列间存在一定的样本异 review［J］. JAMA，2024，331（5）：425