基于T2WI影像组学机器学习模型预测软组织肉瘤病理分级的价值研究

作者：孙伟凯; 王鹤翔; 郭佳; 郭健; 段绍峰; 徐文坚^*

来源：临床放射学杂志, 2020, 39(11): 2292-2296.

DOI：10.13437/j.cnki.jcr.2020.11.033

• 磁共振成像
• 软组织肿瘤
• 肉瘤
• 影像组学
• 人工智能

目的探讨基于T2WI影像组学机器学习模型评价软组织肉瘤病理分级的应用价值。方法回顾性收集2009年5月至2018年11月期间113例经组织活检或手术切除后病理证实为软组织肉瘤的患者。应用所提取出的组学特征构建机器学习模型。对上述模型计算其曲线下面积(AUC)、准确率、特异度和灵敏度以评估其效能。结果最佳的模型为随机森林算法与合成少数类过采样算法的组合,其AUC值、准确率、特异度和灵敏度依次为0.9176[95%可信区间(CI):0.8008～1.000]、81.82%、55.56%、91.67%。结论基于T2WI影像组学机器学习模型有助于提高对软组织肉瘤病理分级预测的准确率。

• 单位
  青岛大学附属医院