10.3969/j.issn.1673-9701.2023.19.013
基于增强CT影像组学预测非肌层浸润性膀胱癌的病理分级
目的 探讨基于增强CT影像组学建立的非肌层浸润性膀胱癌(non-muscle-invasive bladder cancer,NMIBC)病理分级预测模型的诊断价值.方法 回顾性分析 2015 年 1 月至 2018 年 12 月嘉兴市第二医院病理确诊的 81 例NMIBC患者的临床资料,患者术前接受增强CT检查,收集其皮髓期和实质期影像资料,对膀胱肿瘤轮廓进行勾勒,提取一阶变量、纹理变量、形状特征、小波变换变量,总计 1980 个特征变量.采用最大相关最小冗余(max-relevance and min-redundancy,mRMR)算法与最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征选择,最后利用多种机器学习算法结合有意义的特征变量建立预测模型,用于比较其预测NMIBC病理分级的敏感度、特异性和准确率.结果 运用mRMR联合LASSO筛选出 19 个特征变量,使用K近邻分类(K-nearest neighbor,KNN)、神经网络(neural networks,NNET)、随机森林(random forest,RF)、支持向量机(support vector machines,SVM)4 种机器学习算法建立模型并验证.4种模型建立成功且结果相对一致,其中RF模型表现相对稳定,在验证集中准确率为91.4%.在测试集中准确率为 70.0%.结论 通过术前增强CT影像组学结合机器学习算法可精准预测NMIBC病理分级,对推动膀胱癌个性化治疗具有科学意义.
非肌层浸润性膀胱癌、增强CT、影像组学、机器学习、病理分级
61
R737.14(肿瘤学)
嘉兴市公益性研究计划财政资助项目2021AY30018
2023-08-02（万方平台首次上网日期，不代表论文的发表时间）
共6页
54-59
