CT纹理特征结合机器学习对膀胱尿路上皮癌T分期及病理级别的诊断价值

摘要：

目的 探讨影像组学鉴别膀胱尿路上皮癌(GUC)T分期及病理分级的可行性.方法 回顾性分析经术后病理证实的55例膀胱癌患者的影像资料.T分期中非肌层浸润性膀胱癌(NMIBC) 31例,肌层浸润性膀胱癌(MIBC)24例.病理分级中,高级别GUC(HGUC)34例,低级别GUC(LGUC)21例.运用Mazda软件沿病灶最大层面边缘勾画感兴趣区,通过B11数据包的Fisher系数进行参数过滤.对连续变量行两独立样本t检验或Wilcoxon秩和检验.应用随机森林、支持向量机、朴素贝叶斯算法及神经网络四种不同学习算法,联合十折交叉验证进行模型构建.结果 朴素贝叶斯算法诊断效能最好,鉴别NMIBC和MIBC的准确率、敏感度及特异度分别为81.73％、70.83％、84.65％.同时,该算法鉴别HGUC和LGUC的准确率、敏感度及特异度分别为86.70％,88.24％、74.34％,均优于其他三种学习算法.结论 CT纹理组学能有效诊断GUC T分期及病理级别,朴素贝叶斯算法诊断效能最佳.

关键词：计算机体层摄影术、纹理分析、膀胱癌、病理分级

所属期刊栏目：39

分类号：TP391.41;R737.14;TP181

在线出版日期：2020-12-24（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：1553-1558