换一批基于影像组学与临床-影像学特征的MRI多分类模型鉴别原发性肝癌病理亚型
MRI-Based Multi-Classification Model Integrating Radiomics and Clinical-Radiological Features for Discriminating Pathological Subtypes of Primary Liver Cancer
摘要目的 开发并验证基于单中心 MRI 资料、融合影像组学与临床-影像学特征的多分类模型,用于原发性肝癌主要病理亚型的术前无创鉴别.资料与方法 回顾性纳入河南省中医院 2018 年 1 月—2024 年 12 月经病理确诊的 215 例原发性肝癌患者,按7∶3分为训练集150 例与验证集65 例.采用两阶段建模策略:先基于随机森林与支持向量机构建临床-影像学模型、影像组学模型和联合模型,随后采用递归特征消除(RFE)对最优模型进行特征优化构建RFE-联合模型.模型训练采用五折交叉验证,以受试者工作特征曲线下面积(AUC)和准确度为主要指标评估模型性能.结果 初始模型中,基于随机森林的联合模型在验证集表现最佳,准确度为81.5%,微平均和宏平均AUC分别为0.920(95%CI 0.852～0.973)和0.921(95%CI 0.857～0.973).经RFE优化后,基于随机森林的RFE-联合模型性能进一步提升,验证集准确度提高至86.2%,微平均与宏平均AUC分别达到0.904(95%CI 0.827～0.966)和0.905(95%CI 0.836～0.967).结论 基于随机森林算法的RFE-联合多分类模型可以提高原发性肝癌主要病理亚型的术前鉴别效能,有望为制订个体化精准治疗策略提供参考依据.
更多相关知识
关键词
原发性肝癌磁共振成像机器学习影像组学多分类诊断,鉴别Primary liver cancerMagnetic resonance imagingMachine learningRadiomicsMulticlass classificationDiagnosis,differential
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.12.008
发布时间
2026-01-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省高等学校重点科研项目（21B320002）
- 浏览9
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
