换一批基于CT影像组学的肺腺癌气腔播散预测与不同瘤周扩展区域的比较
Prediction of spread through air spaces in lung adenocarcinoma based on CT radiomics and comparison of different peritumoral expansion regions
摘要目的:探讨基于CT影像组学的机器学习模型预测肺腺癌(lung adenocarcinoma,LUAD)气腔播散(spread through air spaces,STAS)的价值,并确定最佳瘤周分析区域.方法:回顾性分析 2013年 1月至 2017年 1月浙江省肿瘤医院接受非小细胞肺癌手术治疗的 378例LUAD患者资料,构建肿瘤边缘外扩 0、3、6、9、12 mm区域的逻辑回归、随机森林和XGBoost模型.结果:6 mm区域的XGB模型在测试集上表现最佳,其次为AUC-ROC达 0.855(95%CI:0.756～0.950),9 mm区域的XGB模型.DCA分析显示 6 mm和 9 mm区域XGB模型临床净收益较高.特征分析显示部分小波变换特征对STAS预测贡献较大.结论:本研究初步表明基于CT影像组学的机器学习模型对预测STAS具有一定的预测价值,其中基于 6 mm瘤周区域的XGB模型表现最优,有望辅助术前评估.
更多相关知识
关键词
肺腺癌气腔播散影像组学机器学习lung adenocarcinoma(LUAD)spread through air spaces(STAS)radiomicsmachine learning
栏目名称
DOI
10.12354/j.issn.1000-8179.2025.20250388
发布时间
2025-07-25（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
