论著-腹部
基于双参数MRI影像组 学机器学习鉴别前列腺 癌Gleason评分分级分 组中的应用*
作者：孙于越1 张濬韬2 苏月婷3 田为中3,*
所属单位：1.大连医科大学研究生院 (辽宁 大连 116044) 2.通用电气医疗通用电器药业高级应用团 队 (上海 210000) 3.泰州市人民医院影像科 (江苏 泰州 225300)
PDF摘要
【摘要】目的 探讨基于双参数MRI影像组学机器学 习模型对前列腺癌(PCa)Gleason评分分级分组中 的价值。方法 回顾性收集经病理证实为PCa的患 者138例，其中GG>２患者83例，GG≤２患者55 例。 所有病人术前均进行MRI检查。按 7∶3将患随 机分为训练集和测试集，分别用于影像组学模型的 机器学习和验证，采用RF、SVM和 XGboost构建 3 组模型(ADC、T2WI、ADC+T2WI)，采用受试者操 作特征(ROC)曲线评估析各模型鉴别GG≤２与GG> ２PCa的诊断效能。结果 测试集中应用SVM算法的 T2WI+ADC模型诊断效能最高，AUC为0.896。其次 为T2WI+ADC中的RF模型，AUC为0.871。在各特征 集中，RF和SVM算法的模型的AUC均高于XGboost 算法。 结论 基于双参数MRI影像组学机器学习模型 可较好地鉴别GG≤２与GG＞２PCa
【关键词】前列腺癌 ；Gleason评分分级分组；影 像组学；机器学习
【中图分类号】R697+.3
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2023.08.038
中国CT和MRI杂志
第21卷， 第 8 期
2023年09月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号