基于ADC图的影像组学模型在前列腺癌Gleason危险度分级中的诊断价值
目的 探讨基于ADC图的影像组学模型在鉴别前列腺癌Gleason危险度分级中的价值.方法 回顾性分析2019 年9 月至2021 年12 月行前列腺MRI检查并行手术或穿刺病理学证实为前列腺癌的59 例患者资料(28例Gleason评分≤3+4 分,31 例Gleason评分≥4+3 分),采用ITK-SNAP软件对患者的ADC图像进行感兴趣区(ROI)勾画,共勾画病灶73 个,采用Pyradiomics方法提取纹理特征Spearman去除相关性较高的特征,最小绝对收缩和选择算法(LASSO)回归进行特征筛选,最终采用迭代的方式建立支持向量机(SVM)分类模型,筛选最优诊断模型,并进行验证,结果用曲线下面积(AUC)表示.结果 共提取94 个特征,通过Spearman去除相关系数较高的72 个特征后,经LASSO筛选出最佳特征 10 个,构建SVM最优模型,在训练集中其AUC为 0.95(95%CI:0.90~1.00),经交叉验证后,在验证集中AUC为0.87(95%CI:0.72~1.00).结论 基于ADC图的影像组学模型在鉴别前列腺癌Gleason低危组和高危组中有一定的诊断价值.
前列腺癌、表观扩散系数、影像组学
42
R737.25;R445.2;TP391.41
安徽省转化医学研究院科研基金项目;安徽医科大学校科研基金项目
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
1625-1629