文章摘要
王冰，屈伟，郑龙，胡添源，张占文.基于术前18F-FDG PET/CT深度学习的影像组学预测结直肠腺癌淋巴结转移及预后评估[J].放射学实践,2026,41(03):307-316
基于术前18F-FDG PET/CT深度学习的影像组学预测结直肠腺癌淋巴结转移及预后评估
  
DOI：10.13609/j.cnki.1000-0313.2026.03.011
中文关键词: 正电子发射断层扫描  影像组学  深度学习  结直肠腺癌  淋巴结转移
基金项目:广东省自然科学基金-面上项目基金资助项目（2023A1515011300）
作者单位
王冰，屈伟，郑龙，胡添源，张占文 710004西安,西安交通大学第二附属医院核医学科（王冰、屈伟、郑龙）；510655广州,中山大学附属第六医院核医学科（王冰、张占文）；710000西安,西安市红会医院核医学科（胡添源）；510655广州,广州市黄埔区中六生物医学创新研究院（张占文） 
摘要点击次数: 169
全文下载次数: 198
中文摘要:
      【摘要】目的：基于术前18F-氟代脱氧葡萄糖正电子发射断层扫描/计算机断层扫描（18F-FDG PET/CT），构建并验证结合深度学习（DL）特征、手工影像组学（HCR）特征和临床参数的多模态模型，用于术前预测结直肠腺癌淋巴结转移（LNM）及评估预后价值。方法：回顾性分析2011年7月-2021年12月行术前18F-FDG PET/CT检查并确诊为Ⅱ/Ⅲ期结直肠腺癌患者338例。按照8∶2随机将患者划分为训练集（n=270）和测试集（n=68）。使用ResNet50模型作为DL特征提取的基础模型，分别于PET及CT图像提取HCR特征及DL影像组学特征，采用Pearson相关性系数、最大相关最小冗余（mRMR）、最小绝对收缩与选择算子（LASSO）算法等筛选最优影像组学特征，采用单因素与多因素Logistic回归分析筛选临床参数中独立危险因素。分别基于HCR特征、DL特征、临床参数及三者组合特征，构建Logistic回归（LR）、支持向量机（SVM）、k近邻（KNN）、随机森林（RF）、极度随机树（ET）、极端梯度提升（XGBoost）、轻量级梯度提升机（LightGBM）及多层感知器（MLP）8种机器学习模型。绘制受试者操作特征（ROC）曲线及校准曲线，比较曲线下面积（AUC）、准确率、敏感度、特异度以评估模型的性能。结果：单因素及多因素Logistic回归分析显示临床参数中淋巴结最大短径（OR=2.645）及淋巴结SUVmax（OR=4.093）为预测LNM的独立风险因素（P＜0.05）。通过整合DL特征、HCR特征及临床参数构建的联合模型表现出优秀的预测性能，其在训练集与测试集中的AUC分别为0.829（95%CI：0.780~0.878）和0.735（95%CI：0.614~0.857），优于单一临床模型，校准曲线表明模型具有良好的预测一致性。Kaplan-Meier生存曲线分析显示LNM显著增加患者复发或转移风险。结论：基于术前18F-FDG PET/CT深度学习的影像组学模型能够较准确预测结直肠腺癌患者的LNM，为术前精准分期及个体化治疗提供重要依据。
      
查看全文   下载PDF阅读器
关闭