基于影像组学特征构建机器学习模型鉴别原发性中枢神经系统淋巴瘤与胶质母细胞瘤

摘要：

目的:通过基于磁共振T1加权成像(T1WI)增强序列提取的影像组学特征，结合机器学习方法构建预测原发性中枢神经系统淋巴瘤(PCNSL)与胶质母细胞瘤(GBM)的模型并验证。方法:回顾性收集首都医科大学附属北京天坛医院神经外科学中心2020年1月至2021年12月收治的120例经病理学确诊的PCNSL和GBM患者的临床及影像学资料，并按7 ∶3的比例随机分为训练组(84例)和测试组(36例)。使用3D-Slicer软件在患者术前T1WI增强序列上勾画肿瘤增强边界，使用Python软件中"Pyradiomics"包提取训练组的影像组学特征数据，使用独立样本
t检验及LASSO回归筛选出训练组中鉴别两种肿瘤最佳的影像组学特征；通过随机森林分类器构建基于影像组学特征的诊断模型，使用测试组数据及5折交叉验证方法进行验证。绘制受试者工作特征(ROC)曲线，通过曲线下面积(AUC)评估模型的预测效能。
结果:共提取影像组学特征1 218个，筛选出3个具有鉴别意义的影像组学特征，分别为原始一阶特征的第十百分位特征、指数灰度依赖矩阵的依赖方差特征、平方根灰度依赖矩阵的非均匀依赖性方差。使用影像组学特征构建的随机森林模型，在测试组中预测PCNSL与GBM的AUC为0.874，灵敏度、特异度分别为0.878、0.684，5折交叉验证的AUC分别为0.870、0.881、0.871、0.855、0.898，平均为0.870。结论:基于影像组学特征构建的机器学习模型鉴别PCNSL与GBM的准确率较高。

关键词：中枢神经系统淋巴瘤、胶质母细胞瘤、影像组学、机器学习

所属期刊栏目：39

在线出版日期：2023-05-30（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：30-34