换一批多参数MRI影像组学机器学习模型预测直肠癌神经浸润的价值
Value of a multiparametric MRI radiomics based machine learning model in predicting perineural invasion in rectal cancer
摘要目的:探究基于多参数MRI组织学结合临床和常规放射学特征的机器学习模型在直肠癌术前预测周围神经浸润(PNI)中的价值.方法:回顾性分析2016年1月—2019年12月大连大学附属新华医院经术后病理确诊的123例直肠癌患者的临床资料.根据术后病理结果,将患者分为PNI阳性组(n=29)和PNI阴性组(n=57).将患者按照7∶3的比例随机分为训练集(n=86)和验证集(n=37).在T2WI和T1WI中手动划定感兴趣体积(VOI),从中提取出共计1 476个放射组学特征.使用斯皮尔曼相关分析、曼-惠特尼U检验及最小绝对收缩和选择操作器(LASSO)进行特征选择,并使用Logistic回归算法构建PNI预测模型,包括3个单一模式模型和2个混合模式模型.通过受试者工作特征(ROC)曲线、校准曲线和决策曲线分析(DCA)评估模型的预测性能和临床实用性.结果:临床放射-影像组学模型显示出最佳预测效果,在训练集中的曲线下面积(AUC)为0.868,在验证集中的AUC为0.901.校准曲线显示,临床放射-影像组学模型的预测结果与临床实际事件之间具有良好的一致性,DCA提示模型具有较高的临床获益.结论:临床放射-影像组学模型对PNI的预测效能较好,在手术前预测直肠癌患者的PNI状态方面存在潜在的应用价值.
更多相关知识
关键词
放射组学机器学习多参数MRI直肠癌神经周围侵犯RadiomicsMachine learningMultiparametric MRIRectal cancerPerineural invasion
分类号
R445.2（诊断学）
栏目名称
DOI
10.20267/j.issn.2096-3807.2026.06.005
发布时间
2026-04-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
大连市医学科学研究计划项目（2211043）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
