桥本甲状腺炎性结节与甲状腺微小乳头状癌鉴别诊断:基于MRI影像组学机器学习的应用

摘要：

目的 研究基于甲状腺MRI多序列图像影像组学机器学习分类诊断模型鉴别诊断桥本甲状腺炎性结节与甲状腺微小乳头状癌的价值.资料与方法回顾性纳入2015年6月—2022年4月于解放军总医院第六医学中心行MRI检查并经病理证实的114个桥本甲状腺炎性结节和76个甲状腺微小乳头状癌,MRI检查序列包括T1WI、T2WI、扩散加权成像(b=0、800、2000 s/mm2)、表观扩散系数和增强扫描T1WI.基于MRI图像对两组病灶进行分割、配准、影像组学特征提取和特征选择,经有监督机器学习建立并超参数调优6个常用的单模型分类诊断模型:逻辑回归、线性判别分析、支持向量机、K邻近算法、高斯朴素贝叶斯和分类回归树,比较6个分类模型对两组病变的鉴别诊断能力.结果 每个序列图像提取960个特征,共提取6720个影像组学特征,最终经特征选择筛选出30个表观扩散系数原始图像形状和一阶统计量特征.在6个分类诊断模型中,支持向量机和逻辑回归模型鉴别桥本甲状腺炎性结节和甲状腺微小乳头状癌的效果最优,曲线下面积均为0.97.结论 基于甲状腺MRI影像组学机器学习分类模型鉴别诊断桥本甲状腺炎性结节与甲状腺微小乳头状癌具有一定的应用价值.

关键词：甲状腺炎、甲状腺癌、乳头状、磁共振成像、影像组学、机器学习、诊断、鉴别

所属期刊栏目：31

分类号：R445.2;R736.1;R581.4(诊断学)

资助基金：北京市海淀区卫生健康发展科研培育计划立项项目HP2021-32-80501

在线出版日期：2023-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：213-219