分类与回归决策树术前辅助盆腔MRI鉴别Ⅰ型子宫内膜癌与Ⅱ型子宫内膜癌
目的 利用分类和回归树算法(CART)建立和验证决策树模型,探索以术前盆腔MRI鉴别Ⅱ型子宫内膜癌(Ⅱ型EC)和Ⅰ型子宫内膜癌(Ⅰ型EC)的价值.方法 388例子宫内膜癌患者,其中Ⅱ型EC组71例,Ⅰ型EC组317例.用子宫内膜癌的MRI形态学、功能学特征(肿瘤大小、形态、浸润深度、宫旁侵犯、淋巴结肿大、rADC、ADCmin值等)和临床因素(年龄、CA125、CA199、P53)构建CART决策树并进行评估和验证,并抽样250例(64.4%)患者作为训练集,138例(35.6%)患者作为验证集.结果 训练集共250例中Ⅱ型EC组40例,Ⅰ型EC组210例;验证集共138例中Ⅱ型EC组31例,Ⅰ型EC组107例.经CART决策树筛选出4个有诊断意义的指标:rADC值,ADCmin值,病灶矢状位短径和盆腔及腹膜后淋巴结肿大.本决策树在训练集的曲线下面积为0.94,敏感度73%,特异度97%,准确率93%;验证集曲线下面积为0.89,敏感度71%,特异度96%,准确率90%.结论 基于MRI影像学特征构建的CART决策树模型为临床术前鉴别Ⅰ型子宫内膜癌与Ⅱ型子宫内膜癌提供了直观简便的工具.
磁共振成像、子宫内膜癌、决策树
42
TP391;R737.33;TM715
2023-06-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
444-449