基于MRI常规T2WI的不同影像组学模型在卵巢上皮性肿瘤术前三分类中的应用

摘要：

目的 基于MRI的常规T2加权成像(T2-weighted imaging,T2WI)序列,比较采用不同机器学习算法所建立的影像组学模型在卵巢上皮性肿瘤术前三分类中的诊断效能.材料与方法 回顾性分析300例(良性、交界性和恶性各100例)经病理证实为卵巢上皮性肿瘤患者的术前磁共振图像,按8:2随机划分训练集和测试集.从轴位T2WI图像上手动勾画的三维感兴趣区域中提取图像特征,并进行特征筛选.将4种特征选择方法和7种机器学习分类器两两组合,构建28个分类模型.采用曲线下面积(AUC)和准确度对所有模型的预测性能进行评估.结果 28种分类模型中表现最好的是递归特征消除法(recursive feature elimination,RFE)与K近邻(K nearest neighbor,KNN)分类器相结合的"RFE-KNN"模型,其测试集上良性组的AUC为0.94,交界性组的AUC为0.93,恶性组的AUC为0.96.结论 从常规T2WI序列中提取的定量影像组学特征所建立的RFE-KNN模型在卵巢上皮性肿瘤的术前三分类中具有良好的表现.

关键词：卵巢上皮性肿瘤;磁共振成像;影像组学;机器学习;T2加权成像

所属期刊栏目：12

分类号：R445.2;R737.31(诊断学)

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-38,54