CT纹理特征结合机器学习对膀胱尿路上皮癌T分期及病理级别的诊断价值

作者：邹金钊; 叶靖; 徐圆^*

来源：临床放射学杂志, 2020, 39(08): 1553-1558.

DOI：10.13437/j.cnki.jcr.2020.08.021

• 计算机体层摄影术
• 纹理分析
• 膀胱癌
• 病理分级

目的探讨影像组学鉴别膀胱尿路上皮癌(GUC)T分期及病理分级的可行性。方法回顾性分析经术后病理证实的55例膀胱癌患者的影像资料。T分期中非肌层浸润性膀胱癌(NMIBC)31例,肌层浸润性膀胱癌(MIBC)24例。病理分级中,高级别GUC(HGUC)34例,低级别GUC(LGUC)21例。运用Mazda软件沿病灶最大层面边缘勾画感兴趣区,通过B11数据包的Fisher系数进行参数过滤。对连续变量行两独立样本t检验或Wilcoxon秩和检验。应用随机森林、支持向量机、朴素贝叶斯算法及神经网络四种不同学习算法,联合十折交叉验证进行模型构建。结果朴素贝叶斯算法诊断效能最好,鉴别NMIBC和MIBC的准确率、敏感度及特异度分别为81.73%、70.83%、84.65%。同时,该算法鉴别HGUC和LGUC的准确率、敏感度及特异度分别为86.70%,88.24%、74.34%,均优于其他三种学习算法。结论 CT纹理组学能有效诊断GUC T分期及病理级别,朴素贝叶斯算法诊断效能最佳。

• 单位
  扬州大学; 江苏省苏北人民医院