基于CT影像组学特征的肾肿瘤组织学亚型分类

作者：杨熠; 钱旭升; 周志勇; 沈钧康; 朱建兵^*; 戴亚康^*

来源：北京生物医学工程, 2020, 39(01): 15-20.

• 乏脂肪血管平滑肌脂肪瘤
• 肾透明细胞癌
• 影像组学
• 机器学习

目的在术前准确鉴别乏脂肪血管平滑肌脂肪瘤(fat-poor angiomyolipoma,fp-AML)和肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)对制定正确的治疗方案是至关重要的。为了提高fp-AML和ccRCC的分类准确率,本文提出一种基于影像组学技术的分类模型。方法回顾性地收集苏州大学附属第二医院放射科18例fp-AML患者和42例ccRCC患者的CT图像。首先,从CT图像中提取430个影像组学特征。然后,分3步进行特征选择:计算皮尔森相关矩阵剔除冗余特征;使用Welch’st检验确定具有显著差异的特征;利用序列浮动前向选择算法选择具有鉴别能力的特征。最后,建立k最近邻(k-nearest neighborhood,kNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和AdaBoost 4种分类器进行分类。结果 SVM分类器所构建的模型获得了最佳分类性能,正确率、敏感度、特异性、阳性预测值、阴性预测值和ROC曲线下面积分别为91.67%、88.89%、92.86%、84.21%、95.12%和0.9418。结论本研究所构建的模型能提高fp-AML和ccRCC的分类准确率,能辅助医生进行fp-AML和ccRCC的鉴别诊断。

• 单位
  中国科学院苏州生物医学工程技术研究所; 南京医科大学; 中国科学技术大学; 苏州大学附属第二医院