临床放射学杂志

作者：简远熙, 柳瑞, 鲁茸迪几, 扎西七林, 拉茸七林, 尼玛卓玛, 吴自强, 杨素萍

单位：650101 昆明医科大学第二附属医院放射科简远熙、柳 瑞、杨素萍; 674400 香格里拉市人民医院影像科鲁茸迪几、扎西七林、拉茸七林、尼玛卓玛、吴自强

关键词：睾丸病变,良性,恶性,磁共振成像,影像组学

<b>目的</b> 探讨基于多参数MRI影像组学联合多种机器学习算法模型对睾丸良恶性病变的鉴别诊断价值。<b>方法</b> 回顾性搜集148例经病理证实为睾丸良恶性病变患者的首次MRI及临床、实验室检查资料;其中良性60例,恶性88例;按照7∶3比例随机将其分为训练集(n=103)和测试集(n=45)。采用3D-Slicer软件逐层勾画病灶的感兴趣区(ROI),并提取组学特征。采用最大相关最小冗余(mRMR)、最小绝对收缩和选择算子算法(LASSO)筛选最优组学特征,并分别采用6种机器学习算法构建模型。应用受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度、准确率评估模型的预测效能。<b>结果</b> 对比增强(CE)-T₁WI+扩散加权成像(DWI)+T₂WI中提取的组学特征联合逻辑回归(LR)机器学习算法所构建的模型的AUC值在训练集和测试集分别为0.927和0.982,且敏感度、特异度和准确率为所有模型中最高。<b>结论</b> 基于CE-T₁WI+DWI+T₂WI组学特征并结合LR机器学习算法的模型在睾丸良恶性病变的鉴别诊断中具有最佳的预测效能。

来源：2025年第4期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第4期