| 马超,徐圆,蔺金元,袁为标.CT 影像组学联合免疫炎症指标构建集成学习模型在胃淋巴瘤与Borrmann Ⅳ型胃癌鉴别中的价值:一项双中心研究[J].放射学实践,2026,41(10):1142-1147 |
| CT 影像组学联合免疫炎症指标构建集成学习模型在胃淋巴瘤与Borrmann Ⅳ型胃癌鉴别中的价值:一项双中心研究 |
|
| |
| DOI:10.13609/j.cnki.1000-0313.2026.10.009 |
| 中文关键词: 胃淋巴瘤 Borrmann Ⅳ型胃癌 影像组学 体层摄影术,X线计算机 |
| 英文关键词: |
| 基金项目:盐城市卫健委医学科技发展计划项目普通项目(YK2021083) |
|
| 摘要点击次数: 562 |
| 全文下载次数: 271 |
| 中文摘要: |
|  【摘要】目的:探讨基于CT影像组学联合常规图像特征、外周血免疫炎症指标构建的集成学习模型鉴别原发性胃淋巴瘤(PGL)与Borrmann Ⅳ型胃癌(GC)的价值。方法:回顾性收集中心1(建湖医院)PGL 50例、Borrmann Ⅳ型GC 82例,中心2(盐城第一医院)PGL 40例、GC 40例。所有患者术前均行全腹部增强CT扫描并检测外周血免疫炎症指标。使用MaZda软件提取CT增强门脉期影像组学特征,LASSO回归筛选影像组学重要特征;单因素及多因素分析筛选独立危险因素。基于极端梯度提升(XGBoost)、Logistic回归及随机森林构建模型,并采用集成学习Stacking策略聚合。绘制受试者工作特征曲线(ROC)评估模型诊断效能。结果:经LASSO算法筛选出S(0,1)Correlat及S(0,1)DifVarnc两个关键特征,以此构建影像组学评分。PGL组与Borrmann Ⅳ型GC组在胃腔狭窄、“白线征”、LMR、PIV及SII指标上差异有统计学意义(P<0.05),其中“白线征”及SII是预测Borrmann Ⅳ型GC的独立危险因素。Stacking、XGBoost、Logistic回归及随机森林模型在验证集中的AUC值分别为0.958、0.878、0.840及0.866;在外侧测试集中的AUC值分别为0.912、0.804、0.798及0.745,Stacking集成模型诊断效能最高,稳定性较好。结论:CT增强门脉期影像组学特征联合外周血免疫炎症指标及影像学特征构建的Stacking集成学习模型可有效鉴别PGL与Borrmann Ⅳ型GC。 |
| 英文摘要: |
| |
|
查看全文
下载PDF阅读器 HTML全文 |
| 关闭 |