基于多参数MRI影像组学方法鉴别Ⅰ型和Ⅱ型上皮源性卵巢癌

摘要：

目的 探究基于多参数MRI影像组学和机器学习方法在术前鉴别诊断Ⅰ型和Ⅱ型上皮性卵巢癌(EOC)中的价值.方法 回顾性搜集两个中心共 181 例EOC患者(中心一 136 例为训练集,中心二 45 例为外部验证集),其中Ⅰ型59 例,Ⅱ型122 例.从每例患者抑脂(FS)-T2 WI、DWI及ADC图像分别提取1130 个影像组学特征.通过对四种机器学习算法的性能评价,确定了构建影像组学模型的理想算法.构建影像组学模型、临床模型和联合模型,并通过受试者工作特征(ROC)曲线分析评估诊断性能.采用DeLong检验比较曲线下面积(AUC).结果 随机森林(RF)算法是构建影像组学模型的最优算法.联合模型在外部验证集AUC 为 0.912(95%CI:0.820～1.000),显著优于临床模型(AUC =0.718,95%CI:0.552～0.884,P =0.036)和影像组学模型(AUC =0.810,95%CI:0.675～0.946,P =0.012).结论 基于多参数MRI的影像组学和机器学习方法有潜力术前准确鉴别Ⅰ型和Ⅱ型EOC,并协助临床决策.

关键词：卵巢癌、磁共振成像、影像组学、机器学习

所属期刊栏目：42

分类号：R737.31;R34-33;Q75

在线出版日期：2023-11-02（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：1636-1641