结节性甲状腺肿与甲状腺乳头状癌DWI多参数的支持向量机模型建立及其预测价值

摘要

目的:探索使用网格搜索交叉验证法查找最优支持向量机(SVM)超参数与核函数并建立模型,提升DWI多参数直方图鉴别结节性甲状腺肿与甲状腺乳头状癌的性能。方法:回顾性分析88例患者(101个甲状腺结节)的DWI图像,使用单指数模型、拉伸指数模型、双指数模型重建图像,共得到6种参数图,分析每种参数图的直方图,得到相关图像特征后,使用网络搜索交叉验证法寻找最优超参数与核函数并建立模型,通过精准度、召回率、f1值与AUC评价SVM模型鉴别结节性甲状腺肿与甲状腺乳头状癌的性能。使用随机排序特征重要性衡量各DWI参数的重要性。结果:选择多项式核函数、C=10、gamma=1、degree=5建立的SVM模型诊断效能最高,精准度达0.88,AUC达0.89。随机排序特征重要性前3位分别是75%-α(0.23)、max-α(0.16)、STDEV-α(0.13)。结论:以DWI单指数、双指数及拉伸指数模型部分参数直方图特征建立的SVM模型能有效鉴别结节性甲状腺肿与甲状腺乳头状癌。