| 周慧，陈基明，吴莉莉，邵颖，范海云，陈亮亮.基于常规MRI影像组学模型预测软组织肉瘤复发[J].放射学实践,2022,(12):1561-1567 |
| 基于常规MRI影像组学模型预测软组织肉瘤复发 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2022.12.017 |
| 中文关键词: 软组织肉瘤 肿瘤复发 磁共振成像 影像组学 预测模型 |
| 基金项目: |
|
| 摘要点击次数: 1056 |
| 全文下载次数: 1319 |
| 中文摘要: |
| 【摘要】目的：探讨基于常规MRI的影像组学模型对预测软组织肉瘤（STS）复发的价值。方法：回顾性分析2012年1月－2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查，随访时间至少12个月以上，根据随访结果有无复发或远处转移分为复发组（27例），无复发组（65例）。采用完全随机方法将所有患者按7:3的比例分为训练集（n=65）和验证集（n=27）。使用ITK-SNAP软件，分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合（VOI），然后使用AK软件提取纹理特征，使用最小冗余最大相关（mRMR）和最小绝对值收敛和选择算子（LASSO）回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选，并建立影像组学模型，根据各个组学特征的权重系数计算影像组学评分（Radscore），运用100次留组交叉验证（LGOCV）方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合，采用多因素logistic回归（LR）、随机森林（RF）和支持向量机（SVM）三种机器学习算法分别建立机器学习模型。采用受试者工作特征（ROC）曲线评价各模型的预测效能，应用决策曲线分析（DCA）评估模型的临床应用价值。结果：临床模型在训练集和验证集中预测STS复发的ROC曲线下面积（AUC）分别为0.71（95%CI:0.58~0.85）和0.74（95%CI:0.52~0.97）。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81（95%CI:0.70~0.93）、0.92（95%CI:0.86~0.99）和0.91（95%CI:0.84~0.99），在验证集中分别为0.84（95%CI:0.63~1.00）、0.92（95%CI:0.81~1.00）和0.86（95%CI:0.72~1.00）。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93（95%CI:0.87~0.99）、0.91（95%CI:0.84~0.99）和0.77（95%CI:0.63~0.91），在验证集中分别为0.93（95%CI:0.83~1.00）、0.86（95%CI:0.71~1.00）和0.83（95%CI:0.66~1.00）。DCA分析结果表明，压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论：基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益，基于不同机器学习算法构建的预测模型的预测效能并无明显提高。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
