双能量CT衍生图的放射学分析,以区分恶性和良性甲状腺结节
Ni Liu1, Zengfa Huang1, Jun Chen2
1Department of Radiology, The Central Hospital of Wuhan, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei, China.
Medical physics
|November 12, 2024
概括
双能计算断层扫描 (DECT) 图与放射学可以区分恶性与良性甲状腺结节. 结合放射性评分,年龄,正常化度和囊变化的综合模型显示甲状腺结节恶性瘤的优异预测值.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 甲状腺结节经常被偶然发现,但大多数是良性的,导致不必要的手术.
- 区分恶性和良性甲状腺结节是一个临床的挑战.
- 双能计算断层扫描 (DECT) 和放射学提供了新的诊断途径.
研究的目的:
- 在静脉阶段评估基于图的放射性名图的疗效,以区分恶性甲状腺结节.
- 为了比较放射性,临床和组合模型的诊断性能.
主要方法:
- 分析了接受DECT的141名患有甲状腺结节的患者.
- 一个放射性得分 (Rad-score) 由地图特征衍生出来.
- 后勤回归,ROC分析和名图构造被用来开发和验证模型.
主要成果:
- 在临床模型中,年龄,正常化的度 (NIC) 和囊变化是恶性瘤的独立预测因素.
- 综合模型,包括Rad-score,显示出卓越的预测性能.
- 综合模型显示,与临床模型相比,在训练和测试队列中,曲线下的面积 (AUC) 显著增加.
结论:
- 一个基于图的放射学名图有效地区分恶性与良性甲状腺结节.
- 整合放射性特征的综合模型为甲状腺结节提供了更高的诊断准确性.


