早期利用4D-CT放射组学特征区分甲状旁腺腺瘤与淋巴结及甲状腺结节的经验

《Journal of Computer Assisted Tomography》：Early Experience Utilizing 4D-CT Radiomic Features for Differentiation of Parathyroid Adenomas From Lymph Nodes and Thyroid Nodules

本研究利用4D-CT纹理分析区分甲状旁腺腺瘤与淋巴结及甲状腺结节，发现腺瘤与淋巴结在107个纹理特征中存在显著差异（P<0.05），构建的Logistic回归模型AUC达0.95，为微创手术精准定位提供新方法。

　　

摘要 通俗语言总结

---

目的：

微创甲状旁腺切除术（MIP）需要通过术前影像学检查（通常使用4D计算机断层扫描（4D-CT）对甲状旁腺腺瘤进行高精度定位。纹理分析可以从图像中提取高阶数学特征，并可用于4D-CT中，以定量区分淋巴结和甲状腺结节与甲状旁腺腺瘤。

方法：

这是一项回顾性队列研究，研究对象为51名被诊断为原发性甲状旁腺功能亢进症（PHPT）且已知存在甲状旁腺腺瘤和/或甲状腺结节的患者，这些患者在手术前均接受了4D-CT检查。研究人员在4D-CT扫描的25秒动脉期轴向切片上手动分割了三个解剖结构（甲状旁腺腺瘤、淋巴结和甲状腺结节）。针对每位患者的每个结构，提取了形状特征以及一阶和二阶特征（共计107个特征）。进行了一系列统计测试，以评估淋巴结或甲状腺结节与甲状旁腺腺瘤之间的放射组学特征是否存在统计学差异。在数据集的一个子集上训练了一个多变量逻辑回归模型用于区分甲状旁腺腺瘤，并在另一个独立测试子集上对该模型进行了评估。

结果：

在比较甲状旁腺腺瘤和淋巴结时，18个一阶特征中有14个、75个二阶特征中有44个在统计学上存在显著差异（P<0.05），其中18个一阶特征中有13个、75个二阶特征中有16个具有很强的区分能力（P<0.0001）。而甲状旁腺腺瘤与甲状腺结节之间没有显著差异。用于区分甲状旁腺腺瘤和淋巴结的多变量逻辑回归模型表现出良好的预测性能（AUC：0.95，95%置信区间：0.86–1）。

结论：

在动脉期4D-CT图像中，甲状旁腺腺瘤和淋巴结具有统计学上不同的放射组学纹理特征，其中一阶纹理特征的差异最为显著。这些发现可能有助于未来开发用于自动区分甲状旁腺腺瘤的机器学习模型，进一步推动微创甲状旁腺切除术的应用并改善临床效果。

导出

通俗语言总结：本研究利用4D-CT扫描的纹理分析技术，探讨了如何区分原发性甲状旁腺功能亢进症患者的甲状旁腺腺瘤、淋巴结和甲状腺结节。研究人员分析了51名患者的107个放射组学特征，发现腺瘤与淋巴结之间存在显著差异，但腺瘤与甲状腺结节之间没有显著差异。逻辑回归模型在区分腺瘤和淋巴结方面的准确率很高（AUC：0.95）。这些结果表明，纹理分析可以改进微创甲状旁腺切除术的术前影像学检查，从而提高腺瘤定位的精确度，可能带来更好的手术结果。

本文本由机器生成，可能存在不准确之处。 常见问题解答