典型文献
基于人工智能诊断术前预测肺磨玻璃结节浸润程度的应用价值
文献摘要：
目的 评估人工智能诊断术前判断肺磨玻璃结节(GGN)浸润程度的应用价值.方法 回顾性分析经手术病理证实的481例肺GGN患者临床及影像资料,依据病理分为腺体前驱病变组与腺癌组以及非浸润病变组与浸润性病变组.人工智能诊断参数包括长径、体积、平均CT值、最大CT值、最小CT值、恶性概率,定性参数包括空气支气管征、分叶征、血管异常征.对各组参数进行单因素分析,将有统计学意义的变量纳入多因素Logistic回归分析,分别建立腺体前驱病变与腺癌预测模型(模型A)及非浸润病变与浸润性病变预测模型(模型B)并获得独立影响因子及预测概率值,通过受试者工作特征(ROC)曲线比较模型A、模型B分别与其独立影响因子的诊断效能.结果 腺体前驱病变组与腺癌组间单因素分析显示年龄、定性参数、人工智能诊断参数等均有统计学意义(P<0.05),多因素Logistic回归分析结果显示长径、平均CT值、微血管征为独立影响因子,Hosmer-Lemeshow检验结果显示该模型P>0.10(0.570),ROC曲线结果显示模型A的曲线下面积(AUC)为0.913,优于长径(AUC=0.796)、平均CT值(AUC=0.886)及微血管征(AUC=0.647);非浸润病变组与浸润性病变组间单因素分析显示年龄、定性参数及人工智能诊断参数均有统计学有意义(P<0.05),多因素Logistic回归分析结果显示长径、平均CT值、微血管征及恶性概率为独立影响因子,Hosmer-Lemeshow检验结果显示该模型P>0.10(0.964),ROC曲线结果显示模型B的AUC为0.965,优于长径(AUC=0.907)、平均CT值(AUC=0.869)、微血管征(AUC=0.679)及恶性概率(AUC=0.842).结论 基于人工智能诊断预测肺GGN浸润程度准确度高,对临床术前判断肺GGN浸润程度具有一定的指导价值.
文献关键词：
磨玻璃结节;人工智能;肺腺癌
中图分类号：
作者姓名：
闵旭红;王召华;马冬春;宋彪;王彬;李源;宋奇隆;陈武;王旭
作者机构：
安徽省胸科医院影像科,安徽 合肥 230031;安徽省胸科医院胸外科,安徽 合肥 230031
文献出处：
引用格式：
[1]闵旭红;王召华;马冬春;宋彪;王彬;李源;宋奇隆;陈武;王旭-.基于人工智能诊断术前预测肺磨玻璃结节浸润程度的应用价值)[J].实用放射学杂志,2022(08):1242-1246
A类：
B类：
智能诊断,术前预测,肺磨玻璃结节,浸润程度,GGN,经手,手术病理,影像资料,腺体,前驱,浸润性,性病变,长径,恶性概率,空气支气管征,分叶征,血管异常,受试者工作特征,比较模型,诊断效能,微血管,血管征,Hosmer,Lemeshow,线结,参数均,诊断预测,指导价值,肺腺癌
AB值：
0.209996
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
