基于表观扩散系数影像组学在鉴别前列腺癌Gleason评分分级分组中的应用

• 作者: 赵士玉 刘子桢 卢山 郭瑜 沈文
• 来源期刊: 临床放射学杂志
• 关键词: 前列腺癌 Gleason评分分级分组 表观扩散系数 鉴别诊断
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 泌尿生殖影像学
• 页码范围: 298-302
• 页数: 5页
• 语种: 中文

摘要

目的 探讨基于表观扩散系数(ADC)影像组学模型对前列腺癌(PCa) Gleason评分分级分组(GG)≤2与GG ＞2的鉴别诊断价值.方法 搜集符合入组标准的PCa患者行MR检查.提取PCa ADC影像组学特征,采用多种后处理方法,训练支持向量机(SVM)、线性判别分析(LDA)、自编码器(AE)、随机森林(RF)、逻辑回归(LR)、LR-Lasso、AB、决策树(DT)、高斯过程(GP)和朴素贝叶斯(NB)10个机器模型,分析鉴别GG≤2与GG ＞2最佳模型.结果 最佳后处理组合是经上采样平衡数据、Z-score归一化、主成分分析(PCA)降维和递归特征消除(RFE)特征选择组合后的AE模型机器学习,AE模型机器学习训练组准确率、曲线下面积(AUC)、敏感度及特异度分别65.0％、0.705、51.1％、82.9％;测试组准确率、AUC、敏感度及特异度分别88.2％、0.930、89.5％、86.7％.结论 AE模型机器学习鉴别GG≤2与GG ＞2效果最佳,进而对PCa的治疗方案及预后评估起到指导性作用.