通过虚拟活检区分良性和恶性甲状腺结节:研究使用从双能量CT成像中获得的定量参数和经典放射学特征
Jian He1, Changyu Du1, Mengting Hu1
1Department of Radiology, First Affiliated Hospital of Dalian Medical University, Xigang District, Lianhe Road, No.193, Dalian, China.
BMC cancer
|November 26, 2025
概括
双能计算断层扫描 (DECT) 的定量参数和放射学模型显示出强大的诊断能力,可以区分良性和恶性甲状腺结节,优于放射科医生.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 甲状腺结节需要准确的手术前区分良性和恶性类型.
- 目前的诊断方法在区分良性和恶性甲状腺结节方面存在局限性.
研究的目的:
- 评估基于双能计算断层扫描 (DECT) 的定量参数和放射学模型,用于手术前分化甲状腺结节.
- 将这些模型的性能与放射科医生的解释进行比较.
主要方法:
- 对215名患有甲状腺结节的患者进行了回顾性分析,这些患者接受了对比度增强的DECT.
- 从各种图像重建中使用定量参数和放射学模型开发DECT模型.
- 建立一个融合模型,结合DECT参数和放射学,以ROC曲线和DCA来评估性能.
主要成果:
- 来自DECT的正常化度 (NIC) 是甲状腺结节性质的独立预测指标.
- 多图像放射学模型在测试队列中实现了0.966的AUC.
- 放射学模型在训练和测试队伍中显著优于放射学家的解释.
结论:
- 结合NIC和最佳多图像放射学模型的融合模型证明了甲状腺结节的高诊断能力.
- 这种方法为手术前对良性和恶性甲状腺结节的分化提供了一个有前途的工具.
