计算机辅助超声影像组学预测肝纤维化进程的实验研究

摘要

目的 建立机器学习方法 诊断肝纤维化进程的自动分类模型,并将其与超声弹性成像联合,研究两种方法评估肝纤维化进程的诊断价值.方法 腹腔注射硫代乙酰胺建立99只肝纤维化大鼠实验模型.于成模不同时期对每只大鼠分别进行超声灰阶与弹性成像,以病理诊断为"金标准",建立基于灰阶图像的机器学习诊断肝纤维化自动分类模型;并将其与弹性成像联合.采用受试者工作特性曲线分析两种方法的诊断价值.结果 机器学习方法和联合诊断方法在二分类:诊断轻度肝纤维化、显著肝纤维化、严重肝纤维化和肝硬化的受试者工作特性曲线下面积分别为0.942与0.952、0.944与0.964、0.875与0.908、0.893与0.918,对应的灵敏度分别为91.3％ 与88.2％ 、91.9％ 与85.7％ 、88.5％ 与85.7％ 、87.5％ 与90.9％,特异度分别为81.8％ 与95.2％ 、90.1％ 与94.4％ 、78.0％ 与85.7％ 、89.7％ 与70.0％.结论 计算机辅助超声影像组学预测肝纤维化进程具有较高的诊断价值.