获取途径

作者

李克建 张濬韬 任凯旋 房彩云 商慧 焦天宇 曾庆师

作者单位

³通用电气药业(上海)有限公司 ¹山东第一医科大学第一附属医院(山东省千佛山医院)放射科 ⁴山东第一医科大学附属省立医院医学影像科 ²山东第一医科大学(山东省医学科学院)

刊名

磁共振成像

年份

2023

卷号

第14卷

期号

第1期

页码

100-104，115

ISSN

1674-8034

关键词

前列腺癌 骨转移 磁共振成像 影像组学 预测

分类号

R737.25;R445.2

摘要

目的 本研究旨在建立并验证基于MRI的机器学习模型用于预测前列腺癌骨转移的价值。材料与方法 回顾性分析2018年1月至2022年1月来自山东第一医科大学第一附属医院和山东第一医科大学附属省立医院的150名经病理证实的PCa患者的临床和MRI资料，按照7∶3的比例随机分为训练集和测试集，分别在每个患者的表观扩散系数和T2脂肪抑制序列图像手动勾画肿瘤的感兴趣区并提取影像组学特征。使用组内相关系数、特征重要性及最小冗余最大相关性方法进行降维和特征筛选，筛选出的最佳特征用广义线性模型、随机森林、支持向量机和极致梯度提升方法建立影像组学模型。采用受试者工作特征曲线下面积、校准曲线和决策曲线分析去评估四种模型的预测性能，然后通过德隆检验比较模型之间的差异。结果 获得了17个最佳特征构建机器学习模型，在训练集中，GLM、XGB、SVM和RF模型的平均AUC分别为0.714、0.845、0.768和0.858；在测试集中，对应的AUC分别为0.796、0.729、0.755和0.765。德隆检验和校准曲线表示四种模型之间没有显著差异。决策曲线分析显示四种模型的临床应用价值相近。结论 基于MRI影像组学...更多

目的 本研究旨在建立并验证基于MRI的机器学习模型用于预测前列腺癌骨转移的价值。材料与方法 回顾性分析2018年1月至2022年1月来自山东第一医科大学第一附属医院和山东第一医科大学附属省立医院的150名经病理证实的PCa患者的临床和MRI资料，按照7∶3的比例随机分为训练集和测试集，分别在每个患者的表观扩散系数和T2脂肪抑制序列图像手动勾画肿瘤的感兴趣区并提取影像组学特征。使用组内相关系数、特征重要性及最小冗余最大相关性方法进行降维和特征筛选，筛选出的最佳特征用广义线性模型、随机森林、支持向量机和极致梯度提升方法建立影像组学模型。采用受试者工作特征曲线下面积、校准曲线和决策曲线分析去评估四种模型的预测性能，然后通过德隆检验比较模型之间的差异。结果 获得了17个最佳特征构建机器学习模型，在训练集中，GLM、XGB、SVM和RF模型的平均AUC分别为0.714、0.845、0.768和0.858；在测试集中，对应的AUC分别为0.796、0.729、0.755和0.765。德隆检验和校准曲线表示四种模型之间没有显著差异。决策曲线分析显示四种模型的临床应用价值相近。结论 基于MRI影像组学特征的GLM、XGB、SVM和RF模型能够作为一种有前景的工具预测PCa患者骨转移，为临床诊疗提供潜在的有效信息。收起

文献类型

期刊

浏览量

25