基于MK图像的影像组学方法鉴别不同风险病理类型子宫内膜癌的价值

摘要

目的 探讨基于平均扩散峰度(MK)图的影像组学方法鉴别不同风险病理类型子宫内膜癌(EC)的价值.资料与方法回顾性分析70例EC患者的MK图像,其中高风险病理类型28例,低风险病理类型42例,采用合成少数类过采样技术使高风险病理类型数量达42例.将患者分为训练组58例和测试组26例.使用ITK-SNAP软件在MK图像获得肿瘤全域三维感兴趣区,然后导入A.K.分析软件提取高维影像组学特征,使用最小绝对收缩和选择算子、单变量Logistic回归和方差分析方法进行特征筛选和降维,构建多元逻辑回归模型,绘制受试者工作特征曲线评价模型效能,并在测试组中验证.结果 经降维得到4个与EC病理类型风险性相关的组学特征.构建的模型在训练组鉴别不同风险病理类型EC的准确度、受试者工作特征曲线下面积、敏感度、特异度分别为81.0％、0.866、89.7％、72.4％,测试组分别为80.8％、0.893、92.3％、69.2％.结论 基于MK图的影像组学可有效鉴别不同风险病理类型的EC,有助于制订临床决策.