Please wait a minute...
肿瘤综合治疗电子杂志
肿瘤综合治疗电子杂志  2025, Vol. 11 Issue (5): 51-56
论著     
基于机器学习的剪切波弹性成像联合影像组学鉴别甲状腺影像报告和数据系统4～5级甲状腺结节良恶性的价值分析
秦玉华1，杨建2
1．北京小汤山医院　超声科，北京　102211；2．北京印刷学院　医务室，北京　102600
 全文: PDF(1103 KB)   12
摘要： 目的　分析基于机器学习的剪切波弹性成像（shear wave elastography，SWE）联合影像组学鉴别甲状腺影像报告和数据系统（thyroid imaging reporting and data system，TI-RADS）4～5级甲状腺结节良恶性的价值。方法　纳入北京小汤山医院2021年1月至2024年12月收治的210例（239枚结节）常规超声检查发现的TI-RADS 4～5级甲状腺结节患者行SWE检查。采集常规超声特征、SWE参数和影像组学特征，用组内相关系数（intraclass correlation coefficient，ICC）筛选高稳定性影像组学特征，用最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）回归降维。按2∶1比例将患者纳入训练集（140例、167个结节）和验证集（70例、72个结节），用多种机器学习分类器构建SWE模型和融合SWE与影像组学的联合预测模型，用受试者操作特征曲线（receiver operator characteristic curve，ROC曲线）和曲线下面积（area under the curve，AUC）、效能等参数评估各模型诊断效能。结果　239枚结节中检出恶性结节78枚、良性结节161枚。与良性结节相比，恶性结节TI-RADS分级、Emean、Emax均更高（均P＜0.05）。筛选后，12个影像组学特征与2个SWE参数被纳入模型构建。训练集、验证集模型分析中，支持向量机分类器性能更优。DeLong检验显示，基于SVM分类器的联合模型在验证集的AUC显著高于TI-RADS（P＝0.003）、SWE模型（P＝0.015）。决策曲线分析证实，联合模型在9%～89%阈值概率范围内临床净收益最高。结论　基于机器学习算法，整合SWE参数和影像组学特征的联合模型，能显著提升TI-RADS 4～5级甲状腺结节良恶性鉴别能力。该模型作为无创、高效的辅助诊断工具，有望优化临床诊疗决策，减少不必要的侵入性检查。
关键词： 甲状腺结节;  剪切波弹性成像;  影像组学;  机器学习;  甲状腺影像报告和数据系统    
通讯作者: 秦玉华?E-mail：934383155@qq.com   
作者相关文章　　
秦玉华
杨建

引用本文:

秦玉华, 杨建. 基于机器学习的剪切波弹性成像联合影像组学鉴别甲状腺影像报告和数据系统4～5级甲状腺结节良恶性的价值分析[J/CD]. 肿瘤综合治疗电子杂志, 2025, 11(5): 51-56.

链接本文:

http://www.jmcm2018.com/CN/10.12151/JMCM.2025.05-08    或    http://www.jmcm2018.com/CN/Y2025/V11/I5/51

京ICP备2022012650号-2    京ICP备2022012650号-3     版权所有©肿瘤综合治疗电子杂志