基于CT影像组学的结直肠癌肝转移与原发性肝癌病灶分类研究

作者：王雪虎^*; 郭海峰; 殷小平; 王云

来源：北京生物医学工程, 2021, 40(06): 551-556.

• 影像组学
• 机器学习
• 原发性肝癌
• 结直肠癌
• 结直肠癌肝转移

目的探索结直肠癌肝转移(colorectal liver metastases, CRLM)与原发性肝癌(hepatocellular carcinoma, HCC)影像组学特征的差异,以实现对CRLM的精准识别。方法纳入河北大学附属医院102例经病例证实的CRLM和HCC患者术前CT增强影像,将其以7∶3的比例随机分配到训练集和测试集。首先,采用基于Python的Pyradiomics包从肝脏病灶中提取影像组学特征;然后,利用最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)和递归消除(recursive feature elimination, RFE)方法选择出最优特征集合;再应用支持向量机(support vector machine, SVM)、K-近邻(k-nearest neighbor, KNN)和随机森林(random forest, RF)、逻辑回归(logistic regression, LR)4种分类器算法训练模型,以受试者工作特征曲线下面积(the area under the receiver operating characteristic curve, AUC)、准确率、敏感度和特异度来评估4种分类器的性能。结果应用SVM分类器算法训练的模型对CRLM识别效能较高(准确率为93%,特异度为88%,灵敏度为100%,AUC值为0.94)。结论本文应用CT影像组学方法提取病灶异质性特征,并通过特征选择找到训练模型效果最佳的特征集合,应用SVM分类器算法训练的模型能够比较准确地识别出CRLM病灶,对医学诊断具有良好的应用价值。

• 单位
  电子信息工程学院; 河北大学; 河北大学附属医院