换一批
换一批基于钆塞酸二钠增强MRI的机器学习模型可预测肝细胞癌的微血管侵犯
Machine learning model based on Gd-EOB-DTPA-enhanced MRI in predicting microvascular invasion of hepatocellular carcinoma
摘要目的 探讨基于钆塞酸二钠增强MRI的机器学习模型预测肝细胞癌微血管侵犯(MVI)的价值.方法 回顾性分析2017年1月～2020年12月接受钆塞酸二钠增强MR扫描的59例经病理证实为肝细胞癌患者的MRI图像资料及临床资料,依据术后病理结果分为MVI阴性组(n=34)及阳性组(n=25).分别在肝胆特异期及表观弥散系数图像上测量得到信噪比及对比噪声比.采用主成分分析法对特征进行降维并构建支持向量机模型,采用ROC曲线及混淆矩阵评价模型的诊断效能.结果 构建的支持向量机预测模型诊断MVI的曲线下面积为0.92(95%CI:0.83,0.95),准确率为0.80,敏感度为0.64,特异性为0.91.结论 基于钆塞酸二钠增强MRI构建的机器学习模型在肝细胞癌术前诊断MVI具有较好的应用价值.
更多相关知识
关键词
肝细胞癌微血管侵犯钆塞酸二钠磁共振成像hepatocellular carcinomamicrovascular invasionGd-EOB-DTPAmagnetic resonance imaging
栏目名称
临床研究
DOI
10.12122/j.issn.1674-4500.2023.04.28
发布时间
2023-07-25
基金项目
梅州市人民医院科研培育项目
- 浏览32
- 被引1
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
