基于定量CT纹理预测纤维化性间质性肺病模式诊断与预后的方法
图像与视频处理
2022-06-22 v1 机器学习
定量方法
机器学习
摘要
目的：利用高分辨率定量CT（QCT）成像特征预测纤维化性间质性肺病（ILD）的诊断与预后。方法：40名ILD患者（20名寻常型间质性肺炎（UIP），20名非UIP模式ILD）由2名放射科医师专家共识分类并随访7年。记录临床变量。在肺野分割后，使用基于栅格的方法（TM模型）提取共26个纹理特征。将TM模型与先前基于直方图模型（HM）比较其分类UIP与非UIP的能力。对于预后评估，进行生存分析比较专家诊断标签与TM度量。结果：在分类分析中，TM模型以0.70的AUC优于HM方法。尽管Cox回归分析中UIP与非UIP专家标签的生存曲线无统计学差异，TM QCT特征实现了队列的统计学显著划分。结论：TM模型在区分UIP与非UIP模式上优于HM模型。最重要的是，TM可将队列划分为不同的生存组，而专家UIP与非UIP标签则不能。QCT TM模型可改善ILD诊断并提供更准确预后，更好地指导患者管理。
引用
@article{arxiv.2206.09766,
title = {Quantitative CT texture-based method to predict diagnosis and prognosis of fibrosing interstitial lung disease patterns},
author = {Babak Haghighi and Warren B. Gefter and Lauren Pantalone and Despina Kontos and Eduardo Mortani Barbosa},
journal= {arXiv preprint arXiv:2206.09766},
year = {2022}
}