临床放射学杂志

作者：谢文慧, 李锦园, 龙曦, 范伟雄, 张添辉

单位：514031 梅州市人民医院磁共振科谢文慧、龙 曦、范伟雄、张添辉;盆腔放疗科李锦园

关键词：机器学习,磁共振成像,影像组学,宫颈癌,治疗反应预测,同步放化疗

基金：本研究系梅州市人民医院科研培育资助项目(编号:PY-C2024028)

<b>目的</b> 探讨并对比基于机器学习多种算法构建T₂WI影像组学模型预测宫颈癌放化疗疗效的效能。<b>方法</b> 回顾性分析符合入组标准的155例宫颈癌患者,采用ITK-SNAP软件在T₂WI图像上勾画肿瘤感兴趣区,通过uAI Research Portal软件提取影像组学特征。依次采用最佳k特征算法(SKB)、最小绝对收缩和选择法(LASSO)筛选出最优特征集,分别采用逻辑回归(LR)、高斯过程(GP)、支持向量机(SVM)、随机森林(RF)4种机器学习算法构建T₂WI影像组学预测模型。绘制不同模型的受试者工作特征曲线,并计算曲线下面积(AUC)、准确度、敏感度、特异度和F1值评估模型的效能。<b>结果</b> 通过T₂WI图共提取了2264个组学特征,依次采用SKB、LASSO算法降维筛选出最优特征集,包括boxsigmaimage_glcm_Maximum Probability、wavelet_firstorder_wavelet-HLH-Range、recursivegaussian_ngtdm_Complexity、wavelet_glszm_wavelet-HLH-Gray Level Non Uniformity、wavelet _glszm_wavelet-LLL-Gray Level Non Uniformity、wavelet ngtdm_wavelet-HLH-Complexity。采用LR、GP、SVM、RF 4种机器学习算法构建T₂WI影像组学模型,在训练集预测宫颈癌放化疗疗效的AUC值分别为0.717、0.716、0.720、0.860,在测试集分别为0.730、0.722、0.709、0.694。其中,LR模型具有最高的AUC值和F1值,其综合判别性能最佳,为本研究推荐的优选模型。<b>结论</b> 基于机器学习多种算法构建的T₂WI影像组学模型对宫颈癌治疗反应预测均具有良好的预测效能,且LR模型可作为优选预测模型。

来源：2025年第6期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第6期