摘要
目的 分析多参数核磁共振成像(MRI)联合前列腺特异性抗原(PSA)结合机器学习对前列腺中央区良恶性结节的诊断价值。方法 回顾性分析2018年6月至2021年6月期间于医院进行前列腺多参数MRI检查的135例患者临床资料,包括前列腺癌患者62例和前列腺增生患者73例,应用MaZda软件提取T2WI、表观扩散系数(ADC)图像纹理特征,分别构建PSA与T2WI、ADC图像纹理特征的数据库,并分析基于T2WI、ADC纹理特征以及PSA的逻辑回归(LR)、支持向量机(SVM)和K邻近(KNN)机器学习模型诊断前列腺中央区良恶性结节的效能。结果 基于T2WI纹理特征以及PSA的3种机器学习模型LR、SVM、KNN测试集AUC分别为0.782、0.777、0.772,基于ADC纹理特征以及PSA的3种机器学习模型LR、SVM、KNN测试集AUC分别为0.906、0.877、0.889,基于ADC纹理特征以及PSA的3种机器学习模型的AUC高于T2WI,且LR模型具有最理想的诊断效能。结论 多参数MRI联合PSA结合机器学习在前列腺中央区良恶性结节诊断中具有良好的应用价值,且构建基于ADC纹理特征以及PSA的机器学习模型LR更加有助于鉴别诊断前列腺中央区良恶性结节,继而提高诊断效能。
【关键词】前列腺癌;多参数核磁共振成像;前列腺特异性抗原;机器学习;诊断价值
【中图分类号】R445.2
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2023.06.044
中国CT和MRI杂志
第21卷, 第 6 期
2023年08月
相关文章