林苗苗 李凯

    摘要：目的 探讨基于CT平扫的影像组学模型在鉴别孤立结节型肺隐球菌(PC) 与肺腺癌的价值。方法 纳入24例孤立结节型PC和54例肺腺癌患者，手动分割对病灶感兴趣区(region of interest，ROI) 进行勾画，并提取内部影像组学特征，进而筛选出最佳特征。同时采用邻近算法(k-nearest neighbor，KNN) 、支持向量机(support vector machine，SVM) 及逻辑回归(logistic regression，LR) 3种分类学习器构建鉴别诊断模型。采用ROC曲线评价模型的鉴别诊断效能。结果 经Lasso降维后共选出10个最优影像组学特征进行建模，采用KNN构建的模型在训练集中的AUC为0.957，测试集中AUC为0.864 ;采用SVM构建的模型在训练集中的AUC为0.98，测试集中AUC为0.782;采用LR构建的模型在训练集中的AUC为0.953，测试集中AUC为0.80。结论 基于KNN、SVM和SVM的CT影像组学模型在鉴别诊断孤立结节型PC和肺腺癌方面都具有较好的诊断效能，其中KNN模型更为稳定。影像组学可为孤立结节型PC与肺腺癌鉴别诊断提供新的手段。

    关键词：隐球菌;肺肿瘤;影像组学;体层摄影，X线计算机

    肺隐球菌病(pulmonary cryptococcosis ......