基于增强CT影像组学特征建立条件推理树模型对肾癌亚型的鉴别诊断

发布时间：2023-02-27 20:05

　　目的探讨基于增强CT影像组学特征建立的条件推理树模型鉴别常见病理亚型肾细胞癌(RCC)的价值。资料与方法回顾性分析经病理学检查证实且具有完整CT增强图像的120枚RCC病灶,其中肾透明细胞癌(CCRCC)60枚、肾嫌色细胞癌(CRCC)27枚、乳头状肾细胞癌(PRCC)33枚。利用ITK-Snap软件在皮髓期病灶最大层面轴位图像勾画感兴趣区。利用A.K.软件提取感兴趣区处的影像组学特征。将病灶随机分为训练组和验证组(约7∶3)。通过Pearson相关分析及随机森林函数进行特征筛选。利用所选特征建立条件推理树模型"ctree"。使用验证组受试者工作特征曲线评价模型的鉴别诊断能力。结果每枚病灶提取396项组学特征,过滤筛选后获得32项特征用于建立条件推理树模型。模型所得CCRCC、CRCC、PRCC组的ROC曲线下面积分别为0.87、0.70、0.89,敏感度分别为79.2%、60.0%、69.2%,特异度分别为91.3%、81.1%、88.2%。结论基于增强CT影像组学特征建立和验证的条件推理树模型在鉴别3种常见的病理亚型RCC时具有较高的临床价值。

【文章页数】：4 页

【文章目录】：
1 资料与方法
    1.1 研究对象
    1.2 检查方法
    1.3图像分割及提取
    1.4 特征筛选与模型建立
    1.5 统计学方法
2 结果
    2.1 一般特征
    2.2 影像组学特征
    2.3 诊断效能
3 讨论



本文编号：3751359