良性与恶性肺结节影像特征调和技术的评估
摘要
背景：影像组学提供了肺结节 (PN) 的定量特征，可用于肺癌诊断，但医学图像获取的可变性是临床应用的障碍。获取效应可能在良性与恶性 PN 的影像特征之间存在差异。目的：评估在纠正影像特征获取依赖性时，如何考虑良性与恶性 PN 之间的差异。方法：我们使用 567 例胸部 CT 扫描，按良性、恶性或肺癌筛查(混合良性、恶性)进行分组。对提取的特征应用 ComBat 调和，以消除 4 项获取参数的差异。我们比较了：不加区分地调和、使用保持子群间差异的协变量进行调和、以及分别调和子群。显著 () 的 Kruskal-Wallis 检验显示调和是否消除了获取依赖性。对成功调和的特征训练 LASSO-SVM 流水线以预测恶性。为评估这些特征中的预测信息，将训练好的调和估计器和预测模型应用于未见的测试集。对 10 次 5 折交叉验证评估了调和效果和预测性能。结果：平均 2.1% 的特征 (95% 置信区间:1.9-2.4%) 在不加区分地调和后为获取无关，27.3% (95% 置信区间:25.7-28.9%) 在使用协变量调和后为获取无关，90.9% (95% 置信区间:90.4-91.5%) 在分别调和后为获取无关。分别调和或使用协变量训练的模型在筛查扫描上获得更高的 ROC-AUC，而与在良性与恶性 PN 之间不加区分地调和的数据相比，差异显著 (Delong 检验，调整后 )。结论：良性与恶性 PN 的影像特征需要不同的纠正变换来恢复获取无关分布。这可以通过分别调和或使用协变量实现。
引用
@article{arxiv.2412.16758,
title = {Evaluation of radiomic feature harmonization techniques for benign and malignant pulmonary nodules},
author = {Claire Huchthausen and Menglin Shi and Gabriel L. A. de Sousa and Jonathan Colen and Emery Shelley and James Larner and Einsley Janowski and Krishni Wijesooriya},
journal= {arXiv preprint arXiv:2412.16758},
year = {2025}
}
备注
15 pages, 3 figures, plus supplemental material; updated author list, corrected result in paragraph 3 of Discussion, updated Figure S1