近期，研究者通过18F-FDGPET/CT影像组学特征建立了预测模型，并验证其区分肺部孤立性肺腺癌的价值。纳入例经病理或随访证实为肺腺癌（n=）或肺结核（n=）并行18F-FDGPET/CT的患者，回顾性随机分为训练（n=）和验证（n=72）队列。采用Mann-WhitneyU检验和最小绝对收缩和选择算子（LASSO）算法从PET/CT图像中提取的92个放射特征中选择最佳预测变量，将其用于建立训练队列放射模型。有意义的临床变量包括临床模型、影像组学模型与临床模型的组合。在训练和验证队列中，通过ROC曲线下面积（AUC）评估模型性能。在训练队列中，选择9个影像组学特征作为构建放射学模型的最佳预测指标。在训练队列中，影像组学模型的AUC明显高于临床模型的AUC（0.与0.，P0.01），验证队列亦有相似结果（0.与0.，P0.01）。在训练队列（0.与0.）和验证队列（0.与0.）中，影像组学模型的AUC略低于综合模型AUC，但差异并无统计学意义（P0.05。研究表明，18F-FDGPET/CT影像组学特征在区分孤立性肺腺癌和肺结核方面有重要价值。
原文题目：Valueof18F-FDGPET/CTradiomicfeaturestodistinguishsolitarylungadenocarcinomafromtuberculosis更多精彩阅读
淋巴瘤︱PET/CT引导活检的诊断准确性
基于深度学习的脑FDGPET认知特征
RT-LAMP分析法助力新冠病*检测！
真正的全身68Ga-PSMA-11PET/CT告诉你：前列腺癌骨扫描指南该改了！
NSCLC∣18F-FDGPET/CT代谢参数与相关基因突变的关联
如需原文出处及链接，请咨询后台扫码