基于超声影像组学建立肝棘球蚴病分型模型的可行性研究

作者：张旭辉; 索朗拉姆; 邱甲军; 蒋静文; 殷晋; 王俊人; 王逸非; 李永忠; 蔡迪明^*

来源：中国血吸虫病防治杂志, 2022, 34(05): 500-536.

DOI：10.16250/j.32.1374.2022202

• 肝棘球蚴病
• 分型
• 超声图像
• 影像组学
• 机器学习

目的 探究基于超声影像组学构建肝棘球蚴病分型模型的可行性，从而为肝棘球蚴病精准超声诊断提供参考依据。方法 回顾性收集2014年10月于四川省甘孜藏族自治州石渠县采集的200例肝棘球蚴病患者超声声像图，勾画肝棘球蚴病病灶感兴趣区域。采用25种方法提取肝棘球蚴病影像组学特征，应用预选方式与最小绝对收缩和选择算法进行特征筛选，按7∶3比例将图像根据病灶类型随机划分为训练集与独立测试集。基于内核逻辑回归（kernel logistic regression, KLR）与高斯核函数型支持向量机（medium Gaussian support vector machine, MGSVM）两种分类器构建肝棘球蚴病分型的机器学习模型，绘制受试者工作特征（receiver operating characteristic, ROC）曲线，计算构建的机器模型用于肝棘球蚴病分型的敏感度、特异度及曲线下面积（area under the curve, AUC）。结果 25种方法累计提取5 005个棘球蚴病患者超声影像组学特征，经特征选择筛选出36个最优影像组学特征，并在此基础上建立了KLR和MGSVM两种机器学习模型。ROC曲线分析显示，MGSVM模型在训练集中用于肝棘球蚴病分型效果更优，敏感度、特异度和AUC分别为0.82、0.78和0.88，而KLR模型在独立测试集中表现更佳，敏感度、特异度和AUC分别为0.82、0.72和0.86。结论 基于超声影像组学的机器学习模型可用于肝棘球蚴病分型。

• 单位
  四川大学华西医院; 西藏自治区疾病预防控制中心