基于CT平扫影像组学特征在预测胸腺上皮性肿瘤WHO简化病理分型中的价值

作     者：陈杰 洪悦 王艳 Chen Jie;Hong Yue;Wang Yan

作者机构：新疆维吾尔自治区人民医院放射影像中心新疆乌鲁木齐830001 

出 版 物：《中国CT和MRI杂志》 (Chinese Journal of CT and MRI)

年 卷 期：2024年第22卷第1期

页      面：71-73页

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

主　　题：胸腺上皮肿瘤 WHO病理分型 影像组学 支持向量机 多层感知机 逻辑回归 

摘      要：目的探讨基于CT平扫的影像组学特征在预测胸腺上皮性肿瘤WHO简化病理分型中的应用价值。方法回顾性收集2010年1月-2022年3月由病理结果证实的胸腺上皮肿瘤(TETS)患者共57例,通过TETS的WHO简化病理分型,分为低危组(A、AB、B1型)23例、高危组(B2、B3、C型)34例,并按照8:2的比例,随机分成训练集和测试集。每个病灶均由两名放射科医生经过协商后,利用ITK-SNAP软件对兴趣区(ROI)进行勾画。使用Python v3.67提取放射组学特征,并使用Spearman相关系数和LASSO特征选择方法进行降维和筛选。在训练集中,应用支持向量机(SVM)、多层感知机(MLP)和逻辑回归(LR)构建术前诊断预测模型。采用受试者工作特征曲线(ROC)评估预测效果,并通过内部测试集验证预测模型。结果共提取了1649个影像组学特征参数,经过Spearman相关系数筛选得到221个差异特征,并通过LASSO方法将其降维至12个组学特征。在测试集中,基于SVM、MLP和LR构建的术前预测模型分别表现出AUC值为0.800、0.868和0.971,其中LR模型具有更好的预测效果。结论基于CT平扫影像组学特征构建的SVM、MLP和LR模型在预测胸腺上皮性肿瘤WHO简化病理分型方面展现出较好的预测潜力,其中LR模型具有更好的预测效果。