基于钆塞酸二钠增强MRI的机器学习模型可预测肝细胞癌的微血管侵犯

摘要：

目的 探讨基于钆塞酸二钠增强MRI的机器学习模型预测肝细胞癌微血管侵犯(MVI)的价值.方法 回顾性分析2017年1月～2020年12月接受钆塞酸二钠增强MR扫描的59例经病理证实为肝细胞癌患者的MRI图像资料及临床资料,依据术后病理结果分为MVI阴性组(n=34)及阳性组(n=25).分别在肝胆特异期及表观弥散系数图像上测量得到信噪比及对比噪声比.采用主成分分析法对特征进行降维并构建支持向量机模型,采用ROC曲线及混淆矩阵评价模型的诊断效能.结果 构建的支持向量机预测模型诊断MVI的曲线下面积为0.92(95%CI:0.83,0.95),准确率为0.80,敏感度为0.64,特异性为0.91.结论 基于钆塞酸二钠增强MRI构建的机器学习模型在肝细胞癌术前诊断MVI具有较好的应用价值.

关键词：肝细胞癌、微血管侵犯、钆塞酸二钠、磁共振成像

所属期刊栏目：46

分类号：R742;F271;P642.23

资助基金：梅州市人民医院科研培育项目PY-C2021012

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：736-740