二维和三维MR纹理特征提取在脑肿瘤影像组学模型构建中的对比研究

摘要

目的 探讨脑肿瘤二维和三维纹理特征提取在影像组学模型构建中的影响,评价2种纹理特征提取的应用价值.方法 回顾性收集50例脑肿瘤患者的MR图像和病理资料,对所有图像进行二维和三维纹理特征的提取和模型构建.所有步骤采用相同方法,模型采用朴素贝叶斯、支持向量机和K-近邻算法分别联合10折交叉验证进行构建,对比2种纹理特征提取对模型构建的影响.结果 2种纹理特征提取方式在脑肿瘤影像组学研究中,二维和三维在朴素贝叶斯+10折交叉验证模型中的正确预测比例分别是74％、84％.在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.857、0.855,胶质瘤的AUC分别为0.868、0.874.二维和三维在支持向量机+10折交叉验证模型中的正确预测比例分别是88％、94％,在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.875、0.933,胶质瘤的AUC分别为0.875、0.933.二维和三维在K-近邻算法+10折交叉验证模型中的正确预测比例分别是82％、80％,在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.817、0.792,胶质瘤的AUC分别为0.817、0.792.结论 支持向量机+10折交叉验证模型在脑肿瘤分类预测中准确率较高,脑膜瘤和胶质瘤的AUC较高;采用三维纹理特征进行模型构建更加准确,合理的影像组学模型构建在脑肿瘤分类预测研究中有重要价值.