基于CT影像的机器学习模型术前预测肝脏泡型包虫病边缘带浸润

作者：许文瑶; 张铁亮; 夏雨薇; 刘文亚^*

来源：中国医学计算机成像杂志, 2022, 28(03): 286-290.

DOI：10.19627/j.cnki.cn31-1700/th.2022.03.018

• 肝泡型棘球蚴病
• 机器学习
• 影像组学
• 边缘带

目的：基于机器学习的CT影像组学分析构建肝泡型棘球蚴病（HAE）边缘带浸润术前预测模型。方法：回顾性分析经病理确诊为HAE的92例患者，其中边缘带有浸润40例，边缘带无浸润52例，所有患者手术前均接受GE Discovery750HDCT扫描。从CT门脉期图像中逐层勾画病灶区域并提取影像组学特征，采用方差阈值法和SelectKBest法进行特征降维，并结合极限梯度增强树（XGBoost）机器学习分类器，对提取的特征进行统计建模。结果：共勾画92个VOI，每个VOI上提取了1 409个影像组学特征，最终筛选出2个最优特征，分别为10Percentile和Gray Level Non Uniformity，结合XGBoost分类器构建的模型具有良好预测能力，其中边缘带有浸润在训练集上AUC为0.94，测试集AUC为0.73。结论：本研究引入机器学习技术预测HAE边缘带浸润状态，结果提示其可作为一种新型无创术前预测方法，所提取的2个CT影像标志物构建的模型具有良好预测准确度，为HAE的精准诊疗提供了新的评价方法。

• 单位
  新疆医科大学第一附属医院