| 李敏，秦洪涛，高磊，张霞，尤杨，石佳宝，杨丽.术前双能CT 影像组学联合机器学习对弥漫型胃腺癌的预测价值[J].放射学实践,2025,(07):873-881 |
| 术前双能CT 影像组学联合机器学习对弥漫型胃腺癌的预测价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.07.007 |
| 中文关键词: 胃癌 弥漫型 机器学习算法 双能量CT 影像组学 |
| 基金项目:河北省医学科学研究课题计划资助（20221314）；河北省省级科技计划资助（22377789D） |
|
| 摘要点击次数: 27 |
| 全文下载次数: 25 |
| 中文摘要: |
| 【摘要】目的：探讨双能量CT影像组学联合不同机器学习算法在术前预测弥漫型胃腺癌中的价值。方法：回顾性分析两个医疗中心209例手术切除的进展期胃腺癌患者，分为训练集（中心1，122例）、内部验证集（中心1，53例）和外部验证集（中心2，34例）。使用单因素逻辑回归筛选与弥漫型胃癌相关的传统特征（P＜0.1），构建临床模型。基于静脉期融合图像和碘图提取影像组学特征，采用组内相关系数（ICC＞0.8）、稳定性特征限定及LASSO方法筛选特征，应用逻辑回归（LR）、支持向量机（SVM）和随机森林（RF）3种机器学习算法分别构建影像组学模型。通过受试者操作特征（ROC）曲线、DeLong检验、校准曲线、临床决策曲线（DCA）评价预测模型效能及临床收益，并采用Shapley Additive Explanations（SHAP）方法对最优模型进行可解释性分析。结果：单因素结果显示肿瘤位置是弥漫型胃癌的预测因素，以其建立的临床模型在训练集、内部验证集、外部验证集中的AUC分别为0.599（95%CI：0.509～0.691）、0.625（95%CI：0.474～0.762）和0.495（95%CI：0.306～0.661）。从融合图像和碘图中共筛选出18个影像组学特征，以其构建的LR模型、SVM模型、RF模型在训练集中AUC分别为0.869（95%CI：0.806～0.926）、0.847（95%CI：0.772～0.916）和0.838（95%CI：0.764～0.905），均优于临床模型（P＜0.05），其中LR模型预测效能最佳；内部验证集中LR模型AUC为0.833（95%CI：0.701～0.938），优于临床模型（P＜0.05）；外部验证集中LR模型AUC为0.682（95%CI：0.476～0.856），优于临床模型（P＞0.05）。相比于其他模型，LR模型校准曲线最接近参考线，且临床收益较高。结论：采用LR算法的双能量CT影像组学模型在术前区分弥漫型胃腺癌方面具有较高的价值。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
