临床放射学杂志

作者：魏明翔, 丁聪, 严彩英, 柏根基, 陈双庆

单位：215001 苏州,南京医科大学附属苏州医院放射科,苏州市立医院魏明翔、严彩英、陈双庆;211166 苏州,南京医科大学姑苏学院魏明翔、严彩英、陈双庆;223300 淮安,南京医科大学附属淮安第一医院影像中心丁聪、柏根基

关键词：卵巢癌,磁共振成像,影像组学,机器学习

<b>目的</b> 探究基于多参数MRI影像组学和机器学习方法在术前鉴别诊断Ⅰ型和Ⅱ型上皮性卵巢癌(EOC)中的价值。<b>方法</b> 回顾性搜集两个中心共181例EOC患者(中心一136例为训练集,中心二45例为外部验证集),其中Ⅰ型59例,Ⅱ型122例。从每例患者抑脂(FS)-T₂WI、DWI及ADC图像分别提取1130个影像组学特征。通过对四种机器学习算法的性能评价,确定了构建影像组学模型的理想算法。构建影像组学模型、临床模型和联合模型,并通过受试者工作特征(ROC)曲线分析评估诊断性能。采用DeLong检验比较曲线下面积(AUC)。<b>结果</b> 随机森林(RF)算法是构建影像组学模型的最优算法。联合模型在外部验证集AUC 为0.912(95%CI:0.820~1.000),显著优于临床模型(AUC=0.718,95%CI:0.552~0.884,P=0.036)和影像组学模型(AUC=0.810,95%CI:0.675~0.946,P=0.012)。<b>结论</b> 基于多参数MRI的影像组学和机器学习方法有潜力术前准确鉴别Ⅰ型和Ⅱ型EOC,并协助临床决策。

来源：2023年第10期

《临床放射学》期刊编辑部

查看临床放射学杂志2023年第10期