《临床放射学杂志》发表论文赏析
作者:叶子怡, 胡晨曦, 孔帅航, 胡美萍, 楼智骞, 韩静, 冯长锋, 沈起钧
单位:310053 杭州,浙江中医药大学第四临床医学院(杭州市第一人民医院)(叶子怡、胡晨曦、孔帅航、胡美萍、楼智骞);310006 杭州,西湖大学医学院附属杭州市第一人民医院(沈起钧);310064 杭州,浙江康静医院(韩 静);310005 杭州市儿童医院(冯长锋)
摘要:目的构建并验证基于生境影像组学特征的可解释性多重机器学习模型,用于胸腺上皮性肿瘤(TETs)的术前风险分层。方法回顾性纳入145例经病理证实的TETs患者,搜集术前增强CT影像及临床资料,同时搜集常规影像学语义特征(Semantic)。采用K-means聚类算法将肿瘤划分为3个亚区(Habitat1-3)。分别从整个肿瘤区域(Intra)及各亚区中提取影像组学特征,经特征筛选后整合构建综合生境特征(Habitat-All)。基于上述6组特征集训练6种机器学习分类器;采用受试者工作特征曲线、校准曲线及决策曲线分析评估模型性能,采用Shapley加性解释(SHAP)方法分析特征贡献。结果基于Habitat-All特征集构建的多种模型在训练集中的AUC值为0.807~0.948(95%CI:0.722~0.985),整体预测效能高于其他特征集。其中,极端梯度提升(XGBoost)模型性能最佳,在Habitat-All特征集上的AUC值为0.948(95%CI:0.911~0.985)。SHAP分析显示,original_firstorder_90Percentile_h2为最优模型预测的重要贡献特征。结论基于Habitat-All特征集和XGBoost算法构建的模型在TETs术前风险分层中显示出良好的预测效能,可无创量化肿瘤内异质性,为TETs的风险分层提供有效的辅助评估工具。
关键词:胸腺上皮性肿瘤,生境分析,肿瘤异质性,风险分层,可解释性
基金资助:本研究系浙江省自然科学基金项目(编号:LTGY24H010001)
2026年7期其他文献查阅:
基于体素内不相干运动成像直方图构建胶质瘤IDH基因型的列线图预测模型
脊髓型颈椎病患者丘脑微结构改变:基于扩散峰度成像与扩散张量成像的对比研究
光子计数探测器CT与能量积分探测器CT在颞骨后鼓索神经管成像的比较研究
Kaiser评分联合动态对比增强磁共振成像多参数对乳腺BI-RADS 4类病变的诊断价值
基于生境分析构建可解释性多重机器学习模型预测胸腺上皮性肿瘤风险分层
老年急性胰腺炎患者不同共病状态CT特征及与临床结果相关性研究
ADC联合fPSA/tPSA在前列腺癌内分泌治疗后疗效评价中的临床价值
DWI联合PWI在前列腺外周带局灶性病变良恶性鉴别及病情评估中的价值
以急性全血细胞减少就诊的常见儿童血液系统恶性疾病胸腹部CT影像鉴别
基于双低剂量CT技术实现冠状动脉虚拟现实优化成像及临床应用价值研究
基于大语言模型与深度学习影像特征融合的乳腺癌预后及转移风险预测模型研究
基于Precise Image算法的低剂量CT在白血病胸部复查中的可行性研究
载替拉扎明纳米囊泡联合经导管动脉化疗栓塞术治疗肝细胞癌的实验研究