肾脏CT容积纹理分析及机器学习相结合的影像组学评价肾透明细胞癌病理分级的价值初探

• 作者: Cai Wenli 丰志强 余永强 刘云鹏 刘斌 徐海 徐璐瑶 李小虎 林慧慧 梁晓 裴子璐 邱本胜
• 来源期刊: 中华放射学杂志
• 关键词: 肾肿瘤 影像组学 透明细胞肾癌 病理分级 纹理分析
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 影像组学研究
• 页码范围: 344-348
• 页数: 5页
• 字数: 3608字
• 语种: 中文
• DOI: 10.3760/cma.j.issn.1005-1201.2018.05.005

摘要

目的 探讨基于肾脏CT容积纹理分析及机器学习相结合的影像组学评价肾透明细胞癌(ccRCC)病理分级的价值.方法 回顾性分析2013年6月至2017年10月安徽医科大学第一附属医院,经手术病理证实且能确定病理分级,术前行肾脏CT平扫及三期增强扫描(皮髓期、实质期、分泌期)的34例患者.采用美国3DQI体积图像分析平台在皮髓期CT图像上进行病变ROI的勾画与分割,以皮髓期图像为参考使用非刚性配准法校正CT的多期图像.应用59个CT容积纹理特征(直方图特征、梯度特征、游程程度、灰度共生矩阵、形状特征、二阶矩特征)对上述4期图像中的病变进行随机森林分类的训练和测试.对肾脏病变进行病理分级,根据Fuhrman标准分为4级,Ⅰ级+Ⅱ级为低级别组,Ⅲ级+Ⅳ级为高级别组.使用随机森林周围的一种特征选择包装算法Boruta算法进行特征的筛选,采用10次交叉验证方法结合ROC法对上述RF分类的性能进行验证,并计算特异度和敏感度.结果 34例ccRCC中,Fuhrman分级Ⅰ级3例、Ⅱ级19例、Ⅲ级8例、Ⅳ级4例.皮髓期的峰度(KURT)和长游程优势特征(LRE)是ccRCC分级具有显著性的2个特征.以KURT和LRE作为影像组学特征,使用RF算法进行10倍交叉验证的学习,ROC下面积为0.88,最佳点的敏感度为0.79,特异度为0.82.低、高级别组KURT的统计值分别为(-20.00±22.00)×10-2和(31.00±32.00)×10-2,LRE分别为(3.00± 0.40)×10-2和(5.00±0.02)×10-2,在均数±标准差的统计范围内,影像组学特征可以区分低、高级别肿瘤.4期图像综合分析中(236个特征参数),峰度(皮髓期)、灰度共生矩阵同质性特征1(分泌期)及灰度共生矩阵同质性特征2(分泌期)是具有显著性的3个特征.灰度共生矩阵同质性1(分泌期)及灰度共生矩阵同质性2(分泌期)平均值在低级别组为(19.00±0.03)×10-2和(11.00±0.02)×10-2,高级别组分别为(22.00±0.03)×10-2和(14.00±0.02)×10-2.ROC曲线下面积为0.92,最佳点的敏感度为0.93,特异度为0.87.结论 基于肾脏CT容积纹理分析及机器学习相结合的影像组学可以进行ccRCC术前病理分级预测.