机器学习鉴别表现为肺纯磨玻璃结节的浸润性腺癌与非浸润性腺癌

发布时间：2023-11-17 18:55

　　目的探讨基于影像组学特征构建的机器学习模型鉴别表现为肺纯磨玻璃结节的浸润性腺癌与非浸润性腺癌的可行性。方法回顾性分析经手术病理证实的87例CT表现为纯磨玻璃结节的肺腺癌患者,其中浸润性腺癌32例,非浸润性腺癌55例(原位癌17例,微浸润性腺癌38例)。应用ITK-SNAP软件勾画ROI,A.K.软件提取影像组学特征。筛选有意义的特征参数,以Spearman相关性分析和Lasso回归分析进行特征降维。选取降维后的特征参数,分别构建支持向量机(SVM)、随机森林(RF)及逻辑回归(LR)3种机器学习模型,采用十折交叉验证法得到最优模型,绘制ROC曲线,评价3种模型的性能。结果共提取396个影像组学特征,通过特征筛选后最终得到19个影像组学特征。SVM、RF、LR 3种机器学习模型可有效鉴别浸润性腺癌与非浸润性腺癌,准确率分别为93.30%、86.70%和83.30%,AUC分别为0.94、0.92和0.83。结论基于影像组学特征构建的机器学习模型有较好的分类性能,可于术前有效鉴别肺浸润性腺癌与非浸润性腺癌。

【文章页数】：6 页

【文章目录】：
1 资料与方法
    1.1 一般资料
    1.2 仪器与方法
    1.3 数据预处理与特征提取
    1.4 特征筛选与统计学分析
2 结果
    2.1 特征参数
    2.2 诊断效能
3 讨论



本文编号：3864697