基于CT影像组学鉴别肺孢子菌肺炎的诊断研究.pdf

基于CT影像组学鉴别肺孢子菌肺炎的诊断研究

摘要

目的：基于计算机断层扫描（Computedtomography，CT）影像组学无创分析方法

构建鉴别肺孢子菌肺炎的诊断模型，并对不同影像组学方法所建立模型的诊断效能

进行测试及评估进而选出最优模型。通过建立此模型以期减少医师因阅片经验不足

所致的结果误判和治疗延误，第一时间通过CT影像资料实现肺孢子菌肺炎的初步

病原学评估从而制定合理的初始治疗方案，尽可能改善此类患者的临床预后。

方法：连续性收集并分析2020年01月至2023年06月于青岛市中心医院就诊并明

确诊断为肺孢子菌肺炎的患者共50例，匹配同时间段内于本院就诊的CT影像资

料中病变大小与分布部位与肺孢子菌肺炎的影像表现大致相仿的且明确病原体为非

肺孢子菌肺炎患者175例，其中包括曲霉菌肺炎患者76例和病毒性肺炎（冠状病

毒、流感病毒）患者99例。将所收集的CT影像数据通过LabelEncoder进行数据

预处理，并进行一系列图像数据变换，将转换后的数据随机均匀地分为80%的训练

集和20%的测试集。在训练集中通过全自动图像分割提取对应的影像组学特征、

Lasso回归分析进行特征的降维及筛选，并采用3种不同的受监督的学习分类器，

其中包括机器学习的随机森林算法和支持向量机（Supportvectormachine，SVM）

算法；深度学习的VisionTransformer（ViT）算法进行学习、分类及构建模型。之

后在测试集中进行模型验证，并通过受试者工作特征（Receiveroperating

characteristics，ROC）曲线下面积（Areaunderthereceiveroperatingcharacteristic

curve，AUC）、敏感度、特异度、准确率、F1评分、阳性预测值、阴性预测值7

个指标来评价各分类器所构建模型的诊断效能。

结果：三组患者的性别差异不具有统计学意义(P=0.586，P0.05)；肺孢子菌肺炎

与曲霉菌肺炎年龄分布存在显著差异（P=0.037，P0.05）、肺孢子菌肺炎与病毒

性肺炎年龄分布存在显著差异（P=0.001，P0.05）。通过全自动图像分割提取到

56个影像组学特征。在随机森林模型中经过降维和筛选，获得13个最有意义特征

来构建模型；测试集中随机森林模型的肺孢子菌肺炎的AUC、准确率、灵敏度、

特异度、阳性预测值、阴性预测值和F1评分分别为0.71(95%CI:0.66-0.76)、

0.71、0.70、0.72、0.68、0.73、0.71；在SVM模型中经过降维和筛选，获得15

个最有意义特征来构建模型；测试集中SVM模型的肺孢子菌肺炎的AUC、准确

率、灵敏度、特异度、阳性预测值、阴性预测值和F1评分分别为

0.68(95%CI:0.64-0.72)、0.71、0.68、0.73、0.69、0.72、0.70；在深度学习模

I

型中将56个影像组学特征全部纳入构建模型；测试集中深度学习模型的肺孢子菌

肺炎的AUC、准确率、灵敏度、特异度、阳性预测值、阴性预测值和F1评分分别

为0.82（95%CI：0.80-0.85）、0.84、0.78、0.73、0.82、0.76、0.75。

结论：基于CT影像组学构建的肺孢子菌肺炎诊断模型对于肺孢子菌肺炎、曲霉菌

肺炎、病毒（冠状病毒、流感病毒）性肺炎具有较高的鉴别诊断价值；且以深度学

习的ViT模型诊断效能最佳，优于本研究中的随机森林及SVM模型。

硕士研究生：陈璐瑶（内科学）

指导教师：张春玲（教授）

关键词：肺孢子菌肺炎；影像组学；鉴别诊断；深度学习

BasedonCTRadiomicstoidentifythediagnosisresearchof

pneumocystispneumonia

A