论文部分内容阅读
目的 探讨基于灰阶超声及CEUS影像组学特征联合临床指标建立PCa诊断模型预测PCa的价值.方法 将201例临床怀疑PCa患者前列腺CEUS视频截成静态图像,手动勾画ROI并用自编图像处理程序提取灰度特征.比较PCa组与前列腺良性病变组临床指标、影像组学特征差异,建立诊断模型,绘制ROC曲线评估诊断PCa效能.结果 13个超声组学特征组间比较有统计学意义(P＜0.05),主成分分析降维筛选出代表灰度特征的4个主成分特征根累积贡献量82.14％.Logistic回归显示PSA、PI、第1及第3主成分是预测PCa的独立危险因素,ROC曲线下面积为0.904、界值为0.608、灵敏度为79.5％、特异度为93.3％、阳性预测值为93.7％、阴性预测值为78.3％.结论 超声影像组学特征联合PSA建立的PCa诊断模型对PCa具有较好的预测效能.