| 王闻静，孙丹琦，黄仁军，李勇刚.MRI生境影像组学在术前预测直肠癌淋巴结转移中的价值[J].放射学实践,2026,41(08):884-891 |
| MRI生境影像组学在术前预测直肠癌淋巴结转移中的价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.08.006 |
| 中文关键词: 直肠肿瘤 淋巴结转移 磁共振成像 影像组学 生境分析 机器学习 |
| 英文关键词: |
| 基金项目:江苏省卫生与健康委员会重点科研项目（K2023027）；苏州大学“医学+X”科研项（ML12203423）；江苏省研究型医院学会感染与炎症放射学专委会科研基金资助（GY202301） |
|
| 摘要点击次数: 17 |
| 全文下载次数: 13 |
| 中文摘要: |
| 【摘要】目的：探讨基于MRI的生境影像组学模型、传统影像组学模型、生境-传统组学模型及联合临床特征构建的综合模型在术前预测直肠癌淋巴结转移（LNM）的效能，为个体化治疗决策提供影像学依据。方法：回顾性纳入2016年7月-2022年7月在本院确诊的234例直肠腺癌患者，按7∶3的比例随机划分为训练集（n=164）和内部测试集（n=70）。另选取2020年3月-2024年12月于外院确诊为直肠腺癌的36例患者作为外部测试集。由两位放射科医师分别在T2WI、DWI及增强T1WI（T1CE）图像上勾画并生成病灶的感兴趣体积（VOI）。使用nnFAE软件进行生境分析，通过Otsu聚类方法将病灶划分为两个亚区（Habitat 1、2）并分别提取这两个生境区域的影像组学特征。生境特征经主成分分析（PCA）降维后以方差分析（ANOVA）进行特征筛选，并采用线性判别分析（LDA）、逻辑回归（LR）、最小绝对收缩和选择算子逻辑回归（LRL）及支持向量机（SVM）分类器构建生境模型；传统影像组学特征经Pearson相关系数 （PCC）去冗余后采用递归特征消除（RFE）法进行特征筛选，并采用自编码器（AE）、LDA、LRL及SVM分类器构建传统影像组学模型。整合上述传统组学与生境特征，基于LDA算法构建生境-传统组学模型；进一步联合临床独立预测因子（性别、CEA、可疑LNM），采用高斯过程分类器（GP）及朴素贝叶斯分类器（NBC）构建两个联合模型（生境-临床模型、传统组学-临床模型）及一个综合模型（生境-传统组学-临床模型）。所有模型均经5折交叉验证法进行优化，并在内部及外部测试集中进行验证。采用受试者工作特征（ROC）曲线评估各模型的预测效能，采用DeLong检验比较模型间AUC的差异，应用决策曲线分析（DCA）评估模型的临床价值。结果：生境组学模型在训练集、内部及外部测试集中术前预测LNM的AUC分别为0.870、0.859和0.756，高于传统组学模型（AUC分别为0.764、0.730和0.722）；生境-传统组学模型的AUC分别为0.895、0.879和0.759；综合模型的AUC分别为0.914、0.901和0.759，且Delong检验显示在内部测试集中效能显著优于传统组学-临床模型（P=0.001）。结论：基于MRI的生境影像组学模型可有效预测直肠癌LNM；联合传统组学及临床特征可进一步提升预测效能。 |
| 英文摘要: |
| |
|
查看全文
下载PDF阅读器 HTML全文 |
| 关闭 |
