CT采集参数对肺结节影像组学特征稳定性及分类模型的影响
本研究纳入198例患者的1227个肺结节,在三种层厚、两种矩阵、六种卷积核及两种传输方式下提取1394个影像组学特征,评估特征稳定性并构建肺结节分类模型。结果显示层厚对特征稳定性影响最大,基于稳定特征(ICC≥0.8)的模型在不同CT参数测试集中表现最一致(AUC 0.693-0.728),而全特征及中间稳定模型倾向于将结节预测为良性,鉴别恶性能力有限。
要点
- 层厚对影像组学特征稳定性影响最大,仅7.0%特征达稳定(ICC≥0.8);传输方式影响最小,83.0%特征稳定
- 基于稳定特征(ICC≥0.8)的模型在不同CT参数下AUC最一致(0.693-0.728),泛化性更好
- 临床阅片或科研中需注意CT重建参数一致性,优先选用稳定特征构建模型,小波特征稳定性较差
核心结论
- CT重建参数,尤其层厚,显著影响肺结节影像组学特征稳定性。
- 基于稳定特征(ICC≥0.8)的模型在不同CT采集参数下泛化性最好。
- 全特征模型和中间稳定模型在不同参数测试集中倾向于将结节预测为良性,鉴别恶性能力有限。
研究设计与样本
- 研究类型:方法学与诊断模型研究;总样本量:198例患者1227个肺结节用于特征稳定性分析;另含184例筛查队列与1192例手术证实病例用于建模。
- CT设备:联影760扫描仪,自动管电流调制,120 kV,平扫肺窗图像。
- 参数变异设计:三种层厚(1/3/5 mm)、两种矩阵(512×512与1024×1024)、六种卷积核(B_SHARP_A/C、B_VSHARP_D、B_SOFT_C/F、B_VSOFT_A)、两种传输方式(工作站导出与PACS导出)。
- 特征提取:Pyradiomics 3.1.0,每结节1394个特征(原始106、小波736、LoG 276、平方92、平方根92、指数92);体素重采样1×1×1 mm,强度缩放0-2048,bin宽25。
关键影像表现/征象
- 不同CT重建参数下影像组学特征表现出不同程度的不稳定性,小波特征ICC值在各类重建条件下普遍低于其他特征类别。
- 仅5.2%(73/1394)的特征在所有CT采集参数变化下保持稳定(ICC≥0.8),其中包括14个原始特征、2个小波特征、48个LoG特征。
- 仅0.8%(11/1394)的特征在所有CT参数变化下均不稳定(ICC≤0.4),全部为小波特征。
诊断标准与关键数值
- 特征稳定性分级:ICC≥0.8为稳定;0.4<ICC<0.8为中间稳定;ICC≤0.4为不稳定。
- 层厚变化时仅7.0%(97/1394)特征ICC≥0.8;矩阵变化时31.8%(443/1394)特征ICC≥0.8。
- 卷积核变化时35.9%(501/1394)特征ICC≥0.8;传输方式变化时83.0%(1157/1394)特征ICC≥0.8。
- Stable模型在十个不同CT参数测试集中AUC范围为0.693-0.728;Unstable模型AUC范围为0.523-0.800,变异性最大。
- 训练和验证集中Full-feature模型与Intermediate stable模型AUC显著高于Stable和Unstable模型(p<0.05);Test Set 2中四模型AUC无显著差异(p>0.05,平均AUC分别为0.737、0.703、0.725、0.694)。
临床应用与阅片要点
- 日常科研或临床建模中应优先采用稳定特征,以提高模型跨设备、跨扫描参数的可重复性。
- 阅片时应注意不同层厚、卷积核重建图像对纹理解读的影响,尤其在需要定量分析或影像组学应用时。
- 小波特征对CT参数变化敏感,临床报告和研究中需谨慎使用高阶纹理特征。
局限性
- 所有数据来自单一CT厂商单一型号(联影760),限制了结论对其他厂商设备的推广性。
- 测试集中手术证实的良性结节数量相对较少。
- 模型的适用性仅限于肺结节良恶性分类,推广到其他疾病类型需进一步研究。
全文中译15 节 · 点击展开
引言
肺癌是全球癌症相关死亡的主要原因 [1]。由于早期缺乏特异性临床症状,大多数患者确诊时已处于晚期,导致全球 5 年生存率仅为 10–20% [2, 3]。因此,早期鉴别良性与恶性肺结节对于改善肺癌患者的预后至关重要 [1]。计算机断层扫描(CT)是目前最常用的影像学检查手段 [4, 5],在肺结节的筛查和诊断中发挥着不可替代的作用。近年来,影像组学从医学图像中提取定量特征,在肿瘤学的早期诊断、预后评估和治疗反应预测中展现出重要价值 [6]。多项研究已证实,基于胸部 CT 的影像组学特征可为肺癌患者或接受肺癌筛查人群的诊断和预后提供有价值的决策支持 [4, 7–9]。
影像组学特征被视为临床决策支持系统中潜在的生物标志物,其稳定性对于确保其可靠性至关重要。然而,研究表明影像组学研究往往缺乏可重复性,这可能阻碍其临床适用性和可推广性 [10]。其主要原因在于大多数影像组学研究依赖于回顾性收集的数据,这些数据的 CT 扫描方案往往缺乏标准化,在扫描设备、采集参数和重建参数方面可能存在差异。多项研究已证实,CT 成像参数的此类差异,包括设备厂商、层厚、管电压、管电流、重建核、重建算法和重建矩阵,会显著影响影像组学特征的稳定性 [11–17]。既往研究主要使用体模来分析 CT 参数变化对影像组学特征稳定性的影响 [11, 13, 18–22]。虽然这种方法可以灵活调整扫描参数,但体模无法完全代表真实临床病例的生物学特征。此外,现有研究主要关注影像组学特征的稳定性;参数引起的特征变异对模型性能的影响仍未得到充分探索,值得进一步研究。
因此,本研究旨在探讨 CT 采集参数的变化如何影响同一患者临床常规 CT 扫描中肺结节影像组学特征的稳定性。基于该分析,我们使用全部特征、稳定特征、不稳定特征或中等稳定特征构建了肺结节分类模型。此外,还构建了三种纳入不同特征类别的组合模型用于消融研究。对这些模型进行评估,以评价特征稳定性对模型性能及跨不同 CT 采集参数设置的可推广性的影响。
材料与方法
研究设计与数据集
本研究经浙江省肿瘤医院伦理审查委员会批准(IRB-2025-507)。本研究的总体设计如图 1 所示。本研究纳入了三个数据集,详述如下。它们在结节大小(5–30 mm)和图像质量方面采用一致的纳入标准。图像质量差或存在明显成像伪影的病例被排除。
数据集1
数据集1收集自使用联影设备接受胸部CT检查且原始CT数据可用的患者(2024年5月至12月)。排除标准:(1)有其他恶性肿瘤病史或既往肺部手术史;(2)在所有CT采集设置下均不可见的结节(表1)。最终共纳入198例患者的1227个肺结节。随后根据研究参数对CT图像进行重建(表1)。
数据集2
数据集2包括在温岭肺癌筛查项目(2019—2020年)中收集的低剂量CT扫描,并具有3年随访。该研究纳入CT检查后1年内经手术病理确诊的恶性病例。良性病例定义为基线筛查后3年内未发生肺癌的个体,采用基于Logistic回归估计的倾向评分进行最近邻匹配,以年龄和性别为匹配变量,与恶性病例按1:1比例匹配。经严格筛选后,数据集2共纳入184例孤立性结节患者(92例良性,92例恶性)。若患者有多个结节,仅选取最大者进行分析。
数据集3
数据集3来源于本研究团队先前建立的外科肺部病例数据库。纳入标准为:(1)经手术切除病理证实;(2)术前1个月内行薄层胸部CT(层厚≤2 mm)。排除标准包括:(1)既往有肺部手术史;(2)CT检查前3个月内接受过任何有创操作(如活检、支气管镜检查);(3)良性患者有其他恶性肿瘤病史。我们采用基于Logistic回归估计的倾向评分进行最近邻匹配,按年龄和性别以1:1比例匹配良性和恶性患者。数据集3最终共纳入1192例患者的1192个结节。
图像采集
数据集1的胸部CT在联影医疗760扫描仪上按照机构方案进行(螺旋扫描,自动管电流调制,120 kV)。原始数据被重建为九组图像(表1),在层厚、矩阵和核方面有所不同,图像直接从CT控制台和图像存档与通信系统(PACS)导出(1 mm,1024×1024,B_SHARP_C核)(图2)。数据集2的低剂量CT扫描采用120 kV、40 mA、1 mm层厚、512×512矩阵和CHEST_LUNG核。数据集3采集自多台CT设备(GE、Siemens、Philips、联影),电压为100—130 kV,自动管电流调制,层厚1—2 mm,重建矩阵为512×512或1024×1024。所有数据均取自非增强肺窗图像。
图像分割与特征提取
数据集1和数据集2中的肺结节分割是在重建的肺窗图像上使用基于深度学习的自动化系统完成的[23]。数据集1中的掩膜在标准重建图像(1 mm层厚,1024 × 1024矩阵,B_SHARP_C卷积核,从CT控制台导出)上生成,并使用最近邻插值重采样至其他CT采集设置,以相应的重建图像作为参考(代表性分割示例见补充图1)。数据集3传输至Dr. Wise系统,在肺窗下半自动检测和分割结节。由一名经验丰富的放射科医师(从事胸部CT诊断8年)勾画结节区域后自动生成初始掩膜,必要时由同一名放射科医师逐层审核。精确分割要求边界线严格贴合结节边缘,但对于面积非常小的顶部或底部层面,允许存在轻微不准确[24, 25]。
本研究使用Pyradiomics软件包3.1.0版本提取肺结节的影像组学特征,每个结节共获得1394个特征。特征集包括106个原始特征(14个形状特征、18个一阶特征和74个纹理特征)、736个小波特征、276个高斯拉普拉斯(LoG)特征(sigma值为1.0、2.0和3.0)、92个平方特征、92个平方根特征和92个指数特征。在特征提取之前,图像强度被缩放至0到2048的范围,箱宽为25。使用B样条插值将图像重采样为1 × 1 × 1 mm的各向同性体素间距。
特征稳定性分析
数据集1用于影像组学特征稳定性分析。采用组内相关系数(ICC)[26, 27]评估特征稳定性,基于单次评分[k = 1]、绝对一致性、双向混合效应模型。与既往研究一致[28–30],ICC ≥ 0.8的特征被认为是稳定的,ICC ≤ 0.4的特征被认为是不稳定的,0.4 < ICC < 0.8被认为是中等稳定的。所有统计分析均使用R软件(版本4.3.1)完成。
模型开发与验证
数据集2和数据集3分别代表肺癌筛查和临床场景,二者合并后构建用于模型开发的训练-验证队列。使用数据集1中48个经手术证实的肺结节(良性:恶性 = 24:24)构建独立测试队列,病例按年龄和性别1:1匹配。为评估模型在不同CT采集参数下的泛化能力,根据层厚、重建矩阵、卷积核和传输方式的差异,将该队列进一步分为十个测试子集。表1中S1–S10组分别对应测试集1–10,其中测试集2作为参考数据集。
为确保稳健的模型开发和性能估计,采用五折交叉验证框架。在每一折中,数据集2和数据集3被联合划分为训练集和验证集。数据集1中相应的测试集1–10用于外部测试。为确保一致性,使用每一折训练数据得出的参数进行Z-score标准化,并应用于验证集和外部测试数据。
为探讨特征稳定性对模型性能的影响,构建了七个肺结节分类模型:全特征模型(所有特征)、稳定模型(ICC ≥ 0.8)、不稳定模型(ICC ≤ 0.4)和中间稳定模型(0.4 < ICC < 0.8)。此外,作为消融研究的一部分,开发了三个组合模型——SI(稳定+中间)、SU(稳定+不稳定)和UI(中间+不稳定)。随后,应用最小冗余最大相关(MRMR)算法选取排名前20的特征用于后续模型开发。模型采用Firth惩罚对数似然损失和迭代重加权最小二乘优化器进行训练,最大收敛迭代次数为100轮。
模型评估
对模型输出应用0.5的阈值,将预测结果分类为阳性或阴性。模型性能使用多个指标进行评估,包括曲线下面积(AUC)、准确率、灵敏度、特异度、F1分数和几何均值(G-mean = )。模型性能从两个互补角度进行评估:第一,比较性能分析,在五折交叉验证的每一折中评估每个模型在训练集、验证集和测试集2上的表现;第二,泛化性分析,将每一折训练好的模型应用于测试集1–10。统计分析方面,AUC的两两比较采用DeLong检验,模型间灵敏度和特异度的差异采用McNemar检验评估。p值<0.05认为具有统计学显著性。
结果
特征稳定性分析
数据集1共纳入198例患者(平均年龄±标准差:60.33±12.57岁),共有1227个肺结节。通过original_shape_Maximum3DDiameter特征测得平均结节直径为9.31±4.90 mm(表2)。
在这些因素中,层厚变化对影像组学特征稳定性的影响最大,而图像传输方式的影响最小(图3)。对同一患者的CT图像仅改变层厚(1 mm、3 mm、5 mm),导致7.0%的特征(1394个中的97个)ICC值≥0.8。仅改变重建矩阵(512×512 vs. 1024×1024)时,31.8%的特征(1394个中的443个)ICC值≥0.8。卷积核的变化(B_SHARP_A、B_SHARP_C、B_VSHARP_D、B_SOFT_C、B_SOFT_F、B_VSOFT_A)使35.9%的特征(1394个中的501个)ICC值≥0.8。当改变图像传输方式时(从工作站导出 vs. 从PACS导出),83.0%的特征(1394个中的1157个)ICC值≥0.8(详见补充表1)。值得注意的是,在不同的重建设置下,小波特征的ICC值始终低于其他特征类别(详见补充表2)。
在所有CT采集设置下,ICC≥0.8和ICC≤0.4的特征重叠数量如图4所示。值得注意的是,仅5.2%的特征(1394个中的73个)保持稳定(ICC≥0.8)。这些稳定特征包括14个原始特征、2个小波特征、48个对数特征、4个平方特征、4个平方根特征和1个指数特征(补充表3)。相比之下,仅0.8%的特征(1394个中的11个)表现出不稳定性(ICC≤0.4),且全部为小波特征(补充表4)。
四种模型的性能比较
表3总结了四种模型在不同数据集上的平均性能。在训练集和验证集中,全特征模型和中间稳定模型的AUC显著高于稳定模型和不稳定模型(p < 0.05,图5)。在验证集的五折交叉验证中,全特征模型、中间稳定模型和稳定模型的特异度在大多数折中(≥3/5,p < 0.05)显著高于不稳定模型。然而,全特征模型与中间稳定模型之间以及稳定模型与不稳定模型之间未观察到显著差异(详见补充表5、6)。
在测试集2中,四种模型之间的AUC未检测到显著差异(p > 0.05;平均AUC分别为0.737、0.703、0.725和0.694;见补充表7)。值得注意的是,稳定模型在准确率和G-mean方面表现更优(准确率:0.621 vs. 0.538、0.608、0.538;G-mean:0.619 vs. 0.316、0.496、0.292)。
不同CT参数测试集间的性能比较
此外,在不同CT重建测试集间(补充表8–11),稳定模型表现出一致且稳健的性能(AUC:0.693–0.728,图6),而不稳定模型则显示出最大的变异性(AUC:0.523–0.800)。详细信息见表3。
全特征模型和中间稳定模型通常对良性病例过度预测,测试集10的灵敏度高于测试集2(p < 0.05)。不稳定模型差异很大,在多个测试集间的AUC、灵敏度和特异度均存在显著差异(p < 0.05)。相比之下,稳定模型在很大程度上保持一致,仅测试集9的特异度与测试集2存在显著差异。
此外,还对三种组合模型(SI、SU和UI)进行了消融研究;详细结果见补充材料第2节。
讨论
本研究系统分析了CT重建参数和图像传输对同一患者肺结节影像组学特征稳定性的影响。我们的结果表明,两个因素对特征稳定性均有不同影响,尽管程度各异。此外,稳定性明显依赖于特征类别。为探究特征稳定性是否影响恶性分类模型的性能,我们构建了多个模型并在异质性测试集上进行了评估。稳定模型在具有不同CT参数的数据集间一致表现出更稳健的性能,而其他模型则表现出更大的变异性。这些发现表明,影像组学特征稳定性对重建差异敏感。在模型开发过程中优先选择稳定特征可能提高基于影像组学的诊断模型的泛化性和临床实用性。
在CT重建参数中,层厚对特征稳定性的影响最大,仅7.0%(97/1394)的特征达到ICC ≥ 0.8,与既往研究一致[13, 14, 17, 31]。这可能归因于较大层厚引起的部分容积效应和图像平面信息的丢失。因此,在影像组学研究中,应仔细考虑层厚并尽可能保持一致。相比之下,图像传输差异的影响最小,83.0%(1157/1394)的特征显示ICC ≥ 0.8,提示图像存储和传输过程中信息保留率较高。在特征类型中,小波特征更易受参数变化的影响,稳定性较低。从技术角度而言,小波变换将图像分解为多个频带。高频小波特征通常比低频特征稳定性差,因为它们主要捕捉细微纹理和边缘细节,而这些更容易受到噪声以及图像空间分辨率和密度分辨率变化的影响,Choe等[32]也有类似报道。从生物学角度来看,肺结节还可能呈现异质性微结构,在不同频率尺度上表现不同,进一步增加了变异性。
在本研究中,全特征模型和中等稳定模型表现相似,因为全特征模型与中等稳定模型在很大程度上重叠(一个稳定特征、两个不稳定特征,其余为中等稳定特征)。稳定模型在训练和验证中的表现略低,可能是由于排除了部分有信息量但稳定性较差的特征。然而,模型性能的评价应更侧重于泛化能力而非训练精度。在具有不同CT采集参数的十个测试集中,稳定模型始终维持稳健的性能(AUC:0.693–0.728),而全特征模型、中等稳定模型和不稳定模型表现出相当大的变异性(AUC分别为0.647–0.762、0.566–0.767和0.523–0.800)。值得注意的是,不稳定模型的泛化能力最差,这可归因于其几乎完全依赖小波特征,而小波特征对CT参数变化敏感,且可能包含冗余和与噪声相关的模式。
虽然既往影像组学模型在统一采集条件下报告了较高的AUC(0.800–0.930)[33–35],但其在异质性成像环境中的泛化能力往往不确定。相比之下,本研究的稳定模型在不同的CT采集中保持了稳定的性能,这具有临床意义,因为影像组学常应用于多中心或真实世界环境。尽管其AUC与既往研究相比较为适中,但它优先考虑了稳健性和可靠性,而非单一数据集可能产生的虚高结果。这些发现表明,将特征稳定性评估与特征选择和验证相结合,可以提高泛化能力和临床适用性。稳定模型通过在异质性CT环境中提供一致的预测,可作为多中心研究和无法始终标准化成像方案的临床工作流程中的可靠基线工具。
本研究具有若干优势。首先,本研究不仅探讨了CT重建参数如何影响影像组学特征的稳定性,还评估了特征稳定性在多大程度上影响基于影像组学的模型的性能。其次,我们在两种临床场景下开发了肺结节恶性分类模型——筛查场景和经手术确诊的病例——并进一步设计了具有不同CT重建参数的测试数据集,以系统评估这些模型在异质成像条件下的泛化能力。
然而,本研究存在一些局限性。首先,所有数据均使用单一CT扫描仪型号采集。虽然这减少了与硬件相关的异质性,使研究能够聚焦于采集参数,但可能限制了研究结果对其他厂商设备的普适性。其次,测试集中经手术确诊的良性结节数量相对较少。此外,这些模型对其他疾病类型的适用性仍需进一步研究。未来涉及更大规模、多中心数据集的研究将有助于进一步验证这些发现。
总之,CT重建参数显著影响影像组学特征的稳定性。基于稳定特征的模型在不同CT设置下表现出更好的泛化能力。这些结果强调了在影像组学研究中评估特征稳定性的重要性,并提示在临床实践中优先选择稳定特征可能提高基于影像组学的模型的稳健性和适用性。
补充信息
电子补充材料
引用
- Zhou, Lin, Jiang, et al. Impact of CT acquisition settings on the stability of radiomic features and the performance of pulmonary nodule classification models. Insights Imaging. 2026. PMID: 41491849. doi:10.1186/s13244-025-02179-z
- 全文:PMC12770142(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12770142/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。