基于超声影像组学鉴别小儿肝移植后淋巴组织增生性疾病与淋巴结反应性增生

摘要：

目的 基于超声影像组学特征,建立机器学习模型鉴别小儿肝移植后淋巴组织增生性疾病(PTLD)与淋巴结反应性增生.方法 回顾性分析小儿肝移植后经病理证实的 112 例 PTLD及 93 例淋巴结反应性增生患者颈部增大淋巴结的二维超声图像.提取影像组学特征构建随机森林、支持向量机、决策树及逻辑回归模型.比较常规超声与 4 种模型的诊断效能.结果 每个淋巴结共提取 118 个影像组学特征,筛选 7 个最优特征建立 4 种机器学习模型.其中随机森林模型的诊断效能最好,优于常规超声[受试者操作特征(ROC)曲线下面积:0.816 vs 0.613,Z=5.991,P<0.05],模型的灵敏度、特异度及准确度分别为 95.7%、68.6%及 86.0%.结论 基于超声影像组学的随机森林模型对小儿肝移植后PTLD与淋巴结反应性增生有较好的鉴别诊断价值.

关键词：移植后淋巴组织增生性疾病、淋巴结反应性增生、超声、影像组学、机器学习

所属期刊栏目：39

分类号：R737.9;R445.1;O211.61

资助基金：国家自然科学基金;天津市科技计划项目

在线出版日期：2023-08-08（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：540-544