换一批基于病灶内部及边缘带的CT影像组学模型预测肝泡状棘球蚴病生物活性的研究
Prediction value of intra-and perilesional CT radiomics on the bioactivity of hepatic alveolar echinococcosis
摘要目的 探讨基于病灶内部及边缘带的CT影像组学模型预测肝泡状棘球蚴病(HAE)生物活性的应用价值.方法 回顾性收集2012年1月—2023年12月经病理学确诊为HAE并明确生物活性的303例患者的临床资料及术前CT门脉期影像数据(有活性182例;无活性121例).手动勾画靶病灶整体体积(GLV),并利用软件的自动扩展功能在边缘带向外扩展10、15及20 mm的范围(病灶周围总体积GPLV10-20mm).按8∶2的比例将入组病例随机分为训练集(n=242)和验证集(n=61).将提取的影像组学特征经Pearson相关系数筛选以及最小绝对收缩和选择算子(LASSO)降维后,利用5种不同分类器构建影像组学模型,采用曲线下面积(AUC)、敏感度、特异度、精确度和F1分数来评估各模型预测HAE生物活性的效能,筛选出最佳分类器进一步构建不同兴趣容积的预测模型,进而确定最优组学模型.结果 每个病灶区域均提取1874个影像组学特征.5种机器学习算法构建的模型均具有预测价值,其中极端随机树(ExtraTrees)算法表现最好.最优组学模型GPLV20mm的预测效能最佳,其在训练集和验证集的AUC分别为0.876(95％CI:0.833～0.918)、0.802(95％CI:0.690～0.914).结论 联合病灶内部及边缘带的影像组学模型可更好地预测肝泡状棘球蚴病生物活性,基于病灶内部及边缘20 mm范围的影像组学特征构建的预测模型具有最好的预测效能.
更多相关知识
关键词
肝泡状棘球蚴病体层摄影术,X线计算机机器学习影像组学生物活性Hepatic alveolar echinococcosisTomography,X-ray computedMachine learningRadiomicsBioactivity
栏目名称
DOI
10.3969/j.issn.1005-8001.2025.01.003
发布时间
2026-07-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81974263）
新疆医科大学研究生创新项目（CXCY2024001）
- 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
