论著-腹部
CT影像组学和机器学习预测胆囊息肉样病变性质的研究*
作者：尹胜男 计一丁 丁 宁 李梦娟 迟 婧 刘 利 张亦弛 金 龙*
所属单位：苏州大学附属苏州九院影像科 (江苏 苏州 215200)
PDF摘要
目的 探讨不同机器学习的影像组学模型预测胆固醇性胆囊息肉和腺瘤性胆囊息肉的价值。方法 回顾性分析2015年9月至2022年9月我院100例经手术病理证实的胆固醇性息肉和腺瘤性息肉患者的 临床及影像资料。基于术前增强CT提取的影像组学特征，训练集采用T检验和最小绝对收缩和选择算子交叉验证法进行特征筛选。然后用3种机器学习方法 (人工神经网络、逻辑回归和支持向量机)构建预测模 型，利用ROC曲线下面积、准确率以及F1度量值评估3种模型的预测能力，并通过验证集进行验证。结果 人工神经网络算法在基于10个影像组学特征的息肉病变性质鉴别模型中预测效果最好，具有最高的曲线下面积(训练集为1；验证集为0.81)、准确率(训 练集为1；验证集为0.83)及F1度量值(训练集为1； 验证集为0.76)。10个影像组学特征中，基本特征1 个、小波特征9个。结论 基于增强CT的机器学习影像组学模型有助于预测胆固醇性胆囊息肉和腺瘤性 胆囊息肉的病变性质，为两者的定性诊断及治疗方 式的选择提供依据。
【关键词】胆囊息肉样病变；增强CT成像； 影像组学；机器学习
【中图分类号】R575.6
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2023.12.032
中国CT和MRI杂志
第21卷， 第 12 期
2023年12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