Diagnostic accuracy of unenhanced CT texture analysis to differentiate mass-forming pancreatitis from pancreatic ductal adenocarcinoma

الدقة التشخيصية لتحليل النسيج بالتصوير المقطعي المحوسب غير المعزز بالتباين للتمييز بين التهاب البنكرياس المكوّن لكتلة والسرطانة الغدية القنوية البنكرياسية

Clicks: 219
ID: 262178
2020
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #26 of 56 articles by views in abdominal radiology

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
To investigate the value of texture analysis on unenhanced computed tomography (CT) to potentially differentiate mass-forming pancreatitis (MFP) from pancreatic ductal adenocarcinoma (PDAC). A retrospective study consisting of 109 patients (30 MFP patients vs 79 PDAC patients) who underwent preoperative unenhanced CT between January 2012 and December 2017 was performed. Synthetic minority oversampling technique (SMOTE) algorithm was adopted to reconstruct and balance MFP and PDAC samples. A total of 396 radiomic features were extracted from unenhanced CT images. Mann–Whitney U test and minimum redundancy maximum relevance (MRMR) methods were used for the purpose of dimension reduction. Predictive models were constructed using random forest (RF) method, and were validated using leave group out cross-validation (LGOCV) method. Diagnostic performance of the predictive model, including sensitivity, specificity, accuracy, positive predicting value (PPV), and negative predicting value (NPV), was recorded. We applied 200% of SMOTE to MFP and PDAC patients, resulting in 90 MFP patients compared with 120 PDAC patients. Dimension reduction steps yielded 30 radiomic features using Mann–Whitney U test and MRMR methods. Ten radiomic features were retained using RF method. Four most predictive parameters, including GreyLevelNonuniformity_angle90_offset1, VoxelValueSum, HaraVariance, and ClusterProminence_AllDirection_offset1_SD, were used to generate the predictive model with preferable 92.2% sensitivity, 94.2% specificity, 93.3% accuracy, 92.2% PPV, and 94.2% NPV. Finally, in LGOCV analysis, a high pooled mean sensitivity, specificity, and accuracy (82.6%, 80.8%, and 82.1%, respectively) indicate a relatively reliable and stable predictive model. Unenhanced CT texture analysis can be a promising noninvasive method in discriminating MFP from PDAC.
تهدف هذه الدراسة إلى استقصاء قيمة تحليل النسيج في التصوير المقطعي المحوسب (CT) غير المعزز بالتباين للتمييز المحتمل بين التهاب البنكرياس المكوّن لكتلة (MFP) والسرطان الغدي القنوي البنكرياسي (PDAC). أُجريت دراسة استرجاعية شملت 109 مرضى (30 مريضاً بـ MFP مقابل 79 مريضاً بـ PDAC) خضعوا لفحص التصوير المقطعي المحوسب غير المعزز بالتباين قبل الجراحة في الفترة ما بين يناير 2012 وديسمبر 2017. واعتُمِدت خوارزمية الإفراط في أخذ عينات الأقلية الاصطناعية (SMOTE) لإعادة بناء العينات وموازنتها بين المجموعتين. استُخرج ما مجموعه 396 سمة راديومية من صور التصوير المقطعي المحوسب غير المعزز بالتباين. واستُخدم اختبار "مان-ويتني يو" (Mann–Whitney U) وطريقة الحد الأدنى من التكرار والحد الأقصى من الملاءمة (MRMR) لغرض خفض الأبعاد. كما أُنشئت نماذج تنبؤية باستخدام أسلوب الغابة العشوائية (RF)، وتم التحقق من صحتها باستخدام طريقة التحقق المتبادل باستبعاد المجموعة (LGOCV). وسُجّل الأداء التشخيصي للنموذج التنبؤي، متضمناً الحساسية، والنوعية، والدقة، والقيمة التنبؤية الإيجابية (PPV)، والقيمة التنبؤية السلبية (NPV). طُبّقت تقنية SMOTE بنسبة 200%، مما نتج عنه 90 مريضاً بـ MFP مقارنة بـ 120 مريضاً بـ PDAC. وأسفرت خطوات خفض الأبعاد عن استخلاص 30 سمة راديومية باستخدام اختبار "مان-ويتني يو" وطريقة MRMR، في حين احتُفظ بعشر سمات راديومية باستخدام أسلوب RF. واستُخدمت المعلمات الأربع الأكثر قدرة على التنبؤ، وهي: (GreyLevelNonuniformity_angle90_offset1 و VoxelValueSum و HaraVariance و ClusterProminence_AllDirection_offset1_SD)، لإنشاء النموذج التنبؤي، محققةً نتائج مفضلة بلغت: 92.2% للحساسية، و94.2% للنوعية، و93.3% للدقة، و92.2% للقيمة التنبؤية الإيجابية، و94.2% للقيمة التنبؤية السلبية. وأخيراً، أظهر تحليل LGOCV متوسطاً مجمعاً مرتفعاً للحساسية والنوعية والدقة (82.6% و80.8% و82.1% على التوالي)، مما يشير إلى نموذج تنبؤي موثوق ومستقر نسبياً. وعليه، يمكن أن يمثل تحليل النسيج في التصوير المقطعي المحوسب غير المعزز بالتباين أسلوباً واعداً وغير بَاضع للتمييز بين التهاب البنكرياس المكوّن لكتلة والسرطان الغدي القنوي البنكرياسي.
Reference Key
ren2020abdominaldiagnostic Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Shuai Ren;Rui Zhao;Jingjing Zhang;Kai Guo;Xiaoyu Gu;Shaofeng Duan;Zhongqiu Wang;Rong Chen;Shuai Ren;Rui Zhao;Jingjing Zhang;Kai Guo;Xiaoyu Gu;Shaofeng Duan;Zhongqiu Wang;Rong Chen;
Journal abdominal radiology
Year 2020
DOI
doi:10.1007/s00261-020-02506-6
URL
https://link.springer.com/article/10.1007/s00261-020-02506-6
Keywords
hepatology gastroenterology imaging / radiology

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.