《临床放射学杂志》发表论文赏析
作者:汪占金, 曹云太, 乔木, 许晓磊, 周瀛, 王海久, 杜凯豪, 任悠悠, 耿云平, 范建锋, 王展
单位:810001 青海大学临床医学院汪占金、杜凯豪;810000 青海大学附属医院曹云太、许晓磊、周 瀛、王海久、王 展;451150 郑州大学第三附属医院乔 木;473000 南阳市中心医院任悠悠、耿云平;473000 南阳市镇平县人民医院范建锋
摘要:目的开发CT平扫影像组学的机器学习分类器,鉴别CE1型肝囊型包虫病与肝囊肿。方法回顾性搜集接受手术治疗的48例CE1型肝囊型包虫病患者的CT平扫影像资料以及接受治疗的119例肝囊肿患者的CT平扫影像资料用于开发分类器。同时搜集果洛和玉树地区的24例CE1型肝囊型包虫病患者与28例肝囊肿患者的CT平扫影像资料进行外部验证。通过Python进行影像标准化和重采样,以减少因不同设备和参数引起的偏倚。采用LASSO回归筛选影像特征,并随机以7∶3的比例将其分为训练集和测试集。建立包括逻辑回归(LR)、决策树(DT)、随机森林(RF)、K近邻(KNN)、Catboost、XGBoost、LightGBM、Adaboost、多层感知器(MLP)、朴素贝叶斯(GNB)等10种机器学习算法的分类器。通过3折交叉网格搜索调整超参数,优化分类器性能,最终使用AUC值、准确率、F1值、敏感度、特异度评估在测试集和验证集上的分类器性能。结果LASSO回归筛选出14个影像特征,包括1个形态特征、10个纹理特征和3个一阶特征。在测试集中,Catboost分类器表现出最佳性能,AUC值为97.9%,准确率为96.1%。在外部验证中,Catboost分类器的表现最优,AUC值为0.932,准确率为90.4%。结论基于平扫CT影像组学区分肝囊型包虫(CE1)与肝囊肿是可行的,具有很大的潜力。Catboost分类器表现出卓越的性能,具有较强的泛化能力。
关键词:肝囊型包虫,肝囊肿,影像组学,机器学习
基金资助:本研究系国家自然科学基金项目(编号:82160131);青海省科技厅项目(编号:2021-ZJ-963Q)
2024年9期其他文献查阅:
图像预处理方法对基于影像组学对胶质瘤MGMT基因状态预测影响的研究
基于血栓渗透性影像学特征对大脑中动脉急性闭塞血管内治疗预后的评估
多模态影像组学列线图在预测乳腺癌患者HER-2表达水平中的价值
双层探测器光谱CT在与胸膜接触的纯磨玻璃结节中鉴别浸润性癌和微浸润性癌的价值
基于影像组学及CT征象列线图预测浸润性肺腺癌脏层胸膜侵犯的研究
基于机器学习的CT平扫影像组学鉴别CE1型肝囊型包虫病与肝囊肿
血管穿行征——肺炎克雷伯菌不典型肝脓肿的MSCT征象及鉴别诊断
CT影像及MRI表现在早期肝癌患者微血管侵犯发生的危险因素分析
光谱CT定量参数预测结直肠癌增殖抗原Ki-67表达水平的价值
基于3.0T MRI及ADC值在鉴别直肠癌旁肿瘤沉积与转移淋巴结中的价值
基于增强CT影像组学联合语义特征的支持向量机可解释模型术前预测胃肠道间质瘤Ki-67表达的研究
Neuroform Atlas单支架辅助弹簧圈栓塞基底动脉尖宽颈动脉瘤(附21例分析)
mDIXON直方图参数在下肢原发性淋巴水肿分度中应用价值的初探