基于影像组学的直肠癌术前T分期预测

作者：王楠; 王远军^*; 廉朋^*

来源：波谱学杂志, 2022, 39(01): 43-55.

• 磁共振成像
• 直肠癌分期
• 机器学习
• 支持向量机(SVM)

直肠癌T分期对患者的术前评估有重要作用．然而，传统的放射科医生根据患者磁共振图像直接判断分期的方法效果欠佳．本文提出使用影像组学的方法预测直肠癌T分期，首先获取105例直肠癌患者影像数据，根据病理报告中的T分期结果将T1、T2期患者划分为未突破肌层组，将T3、T4期患者分为突破肌层组，整理数据得到未突破肌层组31例，突破肌层组74例．在患者的轴向位T2WI图像中勾画病灶区域，并在病灶上使用pyradiomics工具包提取影像组学特征，使用最小绝对值收敛和选择算子（LASSO）对高维特征做特征选择，得到与T分期高度相关的特征数据，使用随机森林、支持向量机（SVM）、逻辑回归、梯度提升树（GBDT）分别建模，进行交叉验证调参，评估模型性能．每层图像提取100维特征，经LASSO特征选择后得到7个与T分期高度相关的特征，使用4种模型分别建模，其中SVM算法表现最优，平均受试者操作特征曲线下面积（AUC）、准确率、灵敏度、特异度分别为0.968 5、0.886 4、0.962 5、0.899 2，测试集准确率达到了0.904 7．结果表明，使用影像组学方法可以提高直肠癌T分期预测的准确率．

• 单位
  复旦大学附属肿瘤医院; 上海理工大学