《临床放射学杂志》发表论文赏析
作者:谢文慧, 李锦园, 龙曦, 范伟雄, 张添辉
单位:514031 梅州市人民医院磁共振科谢文慧、龙 曦、范伟雄、张添辉;盆腔放疗科李锦园
摘要:目的探讨并对比基于机器学习多种算法构建T<sub>2</sub>WI影像组学模型预测宫颈癌放化疗疗效的效能。方法回顾性分析符合入组标准的155例宫颈癌患者,采用ITK-SNAP软件在T<sub>2</sub>WI图像上勾画肿瘤感兴趣区,通过uAI Research Portal软件提取影像组学特征。依次采用最佳k特征算法(SKB)、最小绝对收缩和选择法(LASSO)筛选出最优特征集,分别采用逻辑回归(LR)、高斯过程(GP)、支持向量机(SVM)、随机森林(RF)4种机器学习算法构建T<sub>2</sub>WI影像组学预测模型。绘制不同模型的受试者工作特征曲线,并计算曲线下面积(AUC)、准确度、敏感度、特异度和F1值评估模型的效能。结果通过T<sub>2</sub>WI图共提取了2264个组学特征,依次采用SKB、LASSO算法降维筛选出最优特征集,包括boxsigmaimage_glcm_Maximum Probability、wavelet_firstorder_wavelet-HLH-Range、recursivegaussian_ngtdm_Complexity、wavelet_glszm_wavelet-HLH-Gray Level Non Uniformity、wavelet _glszm_wavelet-LLL-Gray Level Non Uniformity、wavelet ngtdm_wavelet-HLH-Complexity。采用LR、GP、SVM、RF 4种机器学习算法构建T<sub>2</sub>WI影像组学模型,在训练集预测宫颈癌放化疗疗效的AUC值分别为0.717、0.716、0.720、0.860,在测试集分别为0.730、0.722、0.709、0.694。其中,LR模型具有最高的AUC值和F1值,其综合判别性能最佳,为本研究推荐的优选模型。结论基于机器学习多种算法构建的T<sub>2</sub>WI影像组学模型对宫颈癌治疗反应预测均具有良好的预测效能,且LR模型可作为优选预测模型。
关键词:机器学习,磁共振成像,影像组学,宫颈癌,治疗反应预测,同步放化疗
基金资助:本研究系梅州市人民医院科研培育资助项目(编号:PY-C2024028)
2025年6期其他文献查阅:
基于MRI影像组学-深度学习特征预测较低级别胶质瘤ATRX突变状态
18F-FDG PET/CT显像对治疗前食管癌转移灶的检出价值
基于CT特征与影像组学预测高危胃肠间质瘤术后伊马替尼辅助治疗继发耐药的价值
外周血指标(NLR、SII)联合CT特征评分模型对小肠间质瘤风险预测应用价值研究
基于早期动态增强MRI 影像组学预测p53abn 型子宫内膜癌
基于不同机器学习算法构建T2WI影像组学模型预测宫颈癌放化疗疗效的对比研究
18F-FDG PET/CT参数及肾上腺内分泌相关参数对肾上腺转移瘤的鉴别诊断价值
长期运动致青少年膝关节损伤的MRI表现及软骨T2*值改变的对照研究
基于MRI的影像组学列线图模型在预测多发性骨髓瘤无进展生存中的价值研究
初始TACE对中晚期肝细胞癌患者淋巴细胞亚群及细胞因子的影响及临床意义
18 F-FDG PET/CT 发现皮下软组织转移的临床价值及生存分析研究
深度学习重组加速心脏电影成像:图像质量优化与左心功能评估的一致性研究
双源CT扫描加人工智能辅助评价系统:钙化斑块评价的准确性是否有实质性的提升?