基于对比增强T1WI图像纹理建立机器学习模型诊断脑转移瘤原发灶来源

摘要：

目的 探讨基于对比增强T1WI图像纹理特征建立机器学习模型诊断脑转移瘤原发灶来源的价值.资料与方法 回顾性分析2016年8月—2020年2月南京鼓楼医院集团宿迁医院肺癌、乳腺癌和消化系统肿瘤脑转移患者112例,共137枚脑转移瘤.利用Mazda软件提取对比增强T1WI图像纹理特征,通过组内相关系数检验选取重复性良好的纹理特征.按照7:3分为训练集(n=96)和验证集(n=41).对训练集中的特征进行降维,并采用OneVsRest多分类策略,分别训练Logistic回归、随机森林和支持向量机3种机器学习模型.建立的模型在验证集中进行验证.绘制3种脑转移作为阳性分类时的受试者工作特征曲线,比较3种模型曲线下面积(AUC)的差异.通过计算3种模型的宏平均AUC评价模型的整体分类性能.结果 3种模型中随机森林模型诊断效能最好,验证集中对肺癌、乳腺癌和消化系统肿瘤脑转移的AUC分别为0.801、0.928、0.817,宏平均AUC为0.87.3种模型AUC差异均无统计学意义(P>0.05).结论 基于对比增强T1WI图像纹理特征建立机器学习模型能够有效诊断脑转移瘤原发灶来源,其中随机森林模型的诊断效能较好.

关键词：脑转移瘤、磁共振成像、纹理分析、机器学习

所属期刊栏目：31

分类号：R739.41;R445.2(肿瘤学)

资助基金：宿迁市科技局社会发展项目;宿迁市指导性科技计划;宿迁市科技局社会发展项目;江苏省卫生健康委员会医学科研指导性项目

在线出版日期：2023-05-15（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：321-325