换一批基于MRI影像组学模型术前预测垂体神经内分泌瘤血供
Preoperative prediction of blood supply in pituitary neuroendocrine tumors based on MRI radiomic models
摘要目的:探讨基于MRI影像组学特征的机器学习模型在术前预测垂体神经内分泌瘤血供的价值.方法:回顾性分析 2013年4月至 2023年 4月皖南医学院第一附属弋矶山医院 136例经病理确诊的垂体神经内分泌瘤(直径>10 mm)患者的临床和影像资料.根据术中所见将其分为血供丰富组 50例和血供一般组 86例.按照完全随机的方法将所有患者以 7∶3的比例分为训练组 96例和验证组 40例.采用多因素Logistic回归(LR)、随机森林(RF)、支持向量机(SVM)三种机器学习算法分别建立影像组学预测模型.绘制受试者工作特征曲线(ROC)评价模型的诊断效能,并绘制决策曲线分析(DCA)评估模型的临床净收益.结果:临床模型在训练组和验证组中的曲线下面积(AUC)为 0.74、0.82;T1WI、T2WI、T1WI增强及联合序列影像组学模型在训练组中AUC分别为 0.80、0.84、0.82、0.84,在验证组中分别为 0.82、0.80、0.85、0.83;LR、RF、SVM模型在训练组中的AUC分别为0.85、0.87、0.84,验证组中分别为 0.85、0.85、0.83.影像组学各模型均优于临床模型的诊断效能.DCA显示联合序列模型、LR及SVM模型均获得较好的临床净收益,LR模型最优.结论:MRI影像组学的机器学习各模型均具有较高的预测价值,优于临床医生肉眼观察MRI图像的判断,且具有较好的临床净收益,能够为临床决策提供有效指导作用.
更多相关知识
关键词
垂体神经内分泌瘤血供机器学习影像组学磁共振成像pituitary neuroendocrine tumorsblood supplymachine learningradiomicsmagnetic resonance imaging(MRI)
栏目名称
DOI
10.12354/j.issn.1000-8179.2024.20240254
发布时间
2024-07-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览27
- 被引0
- 下载18
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
