文摘目的探讨基于表观弥散系数(apparent diffusion coefficient,ADC)图、T1WI及T2WI序列构建的影像组学模型鉴别唾液腺多形性腺瘤(pleomorphic adenoma,PA)和基底细胞腺瘤(basal cell adenoma,BCA)的价值。材料与方法回顾性分析2015年1月至2021年10月来自济宁市第一人民医院的唾液腺129例PA和48例BCA患者的MR图像,并将其以8∶2的比例随机划分为训练集(n=141)与测试集(n=36)。在横断位ADC、T1WI及T2WI图像上手动勾画肿瘤的三维容积感兴趣区域,提取影像组学特征;采用方差阈值法、方差分析(analysis of variance,ANOVA)及基于5折交叉验证的最小绝对收缩与选择算法(least absolute shrinkage and selection operator,LASSO)筛选最有价值的特征,将筛选出的特征结合逻辑回归(logistic regression,LR)与支持向量机(support vector machine,SVM)两种分类器后进行模型训练,并在测试集中验证。绘制ROC曲线来评估LR模型与SVM模型鉴别PA和BCA的效能。此外,使用Delong Test对模型进行比较,使用决策曲线及校准曲线对模型进行评价。结果分别从ADC、T1WI、T2WI及联合序列(ADC+T1WI+T2WI)图像中得到15、3、15及23个最优特征。在训练集中,基于ADC图、T1WI图、T2WI图、联合模型构建的LR与SVM模型的曲线下面积(area under the curve,AUC)分别为0.955、0.961、0.812、0.813、0.939、0.949、0.994、0.995;基于ADC、T1WI、T2WI及联合序列图像构建的LR模型鉴别诊断PA和BCA的AUC值分别为0.906、0.780、0.868及0.972,SVM模型的AUC值分别为0.924、0.783、0.847及0.959;在训练集中,基于联合序列模型优于基于T1WI或T2WI影像组学模型(P<0.05),与基于ADC影像组学模型差异无统计学意义(P>0.05),联合序列模型的准确率、敏感度及特异度分别为98.6%~98.7%、96.4%~98.4%、98.8%~99.4%,ADC影像组学模型的准确率、敏感度及特异度分别为91.4%~91.8%、75.0%~79.7%、95.7%~98.1%;在测试集中,各模型间的AUC值均无显著性差异(P>0.05)。结论多序列联合模型及ADC影像组学模型鉴别多形性腺瘤和基底细胞腺瘤优于T1WI及T2WI序列,且与ADC影像组学模型比较,联合序列模型具有较高的准确率、敏感度及特异度。
