《临床放射学杂志》发表论文赏析
作者:王亚婷, 黄敏, 张晰, 柏根基, 陈伟
单位:223300 淮安,南京医科大学附属淮安第一医院
摘要:目的构建并验证基于增强CT影像组学特征联合传统CT特征的机器学习SHAP模型术前预测胃肠道间质瘤(GIST)患者Ki-67表达状态。方法回顾性搜集我院 149例GIST患者临床、影像及病理资料。根据术后病理将患者分为Ki-67低表达组和高表达组。分析术前增强CT图像中的传统CT特征并从静脉期图像中提取影像组学特征。采用组内相关系数(ICCs)、最大相关最小冗余(MRMR)和最小绝对收缩和选择算子(LASSO)方法筛选影像组学特征并构建影像组学标签。然后采用 SVM机器学习算法对影像组学特征并联合传统CT语义特征进行模型构建,以受试者工作特征(ROC)曲线评估机器学习模型对GIST患者Ki-67表达的预测效能,并使用SHAP方法分析并研究不同变量的贡献度及风险阈值。结果在训练集中和验证集中,Ki-67高表达和Ki-67低表达患者的 Radscore 分别为(5.50±8.27)vs(-2.16±5.56)和(2.15±1.71)vs(-3.43±6.90),差异均有统计学意义(<i>P</i><0.001)。Radscore在预测GIST患者Ki-67表达在训练集和验证集中的AUC分别为0.749和0.729。联合影像组学特征和传统CT特征SVM分类模型显示训练集和验证集的AUC分别为0.812和0.791。SHAP分析结果显示Radscore和肿瘤直径对模型具有高度正贡献。个性化特征归因结果显示Radscore>-0.1175、肿瘤直径>5.5 cm对GIST患者Ki-67高表达的风险预测能力越大。结论基于增强CT影像组学特征和传统语义特征的可解释SVM模型可以术前个性化预测GIST患者Ki-67表达状态,可为临床个体化治疗决策提供可靠的影像学生物标志物。
关键词:胃肠道间质瘤,机器学习,支持向量机,影像组学,计算机断层摄影
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