目的探讨基于治疗前MRI-T2WI影像组学特征预测宫颈鳞癌中、低分化的可行性。方法回顾性分析72例宫颈癌患者治疗前MRI图像资料,其中中分化患者40例,低分化患者32例,运用IBEX工具箱提取患者肿瘤大体肿瘤靶区的影像组学特征,特征筛选采用t...目的探讨基于治疗前MRI-T2WI影像组学特征预测宫颈鳞癌中、低分化的可行性。方法回顾性分析72例宫颈癌患者治疗前MRI图像资料,其中中分化患者40例,低分化患者32例,运用IBEX工具箱提取患者肿瘤大体肿瘤靶区的影像组学特征,特征筛选采用t检验,LASSO算法用于特征降维,Pearson相关用于分析组学特征与病理类型的相关性,特征参数绘制接受者操作特性(Receiver Operating Characteristic,ROC)曲线,并计算ROC曲线下面积(Area Under Curve,AUC)。通过ROC分析各个坐标的最大YOUDEN指数并计算组学特征的敏感性、特异性和最佳阈值。结果提取的682个组学特征中,有8个特征与宫颈鳞癌中、低分化病理学分级具有相关性,相关系数均大于0.4,AUC值均大于0.7。其中333_4相关和2_1相关特征参数分别在中分化和低分化病理类型中表现出最佳预测性能,AUC值分别为0.808、0.828,敏感性和特异性分别为0.667、0.663和0.867、0.917。结论MRI-T_(2)WI图像的影像组学特征可以作为治疗前宫颈鳞癌中、低分化病理学分级诊断的一种无创、有价值的辅助手段。展开更多
文摘目的探讨基于治疗前MRI-T2WI影像组学特征预测宫颈鳞癌中、低分化的可行性。方法回顾性分析72例宫颈癌患者治疗前MRI图像资料,其中中分化患者40例,低分化患者32例,运用IBEX工具箱提取患者肿瘤大体肿瘤靶区的影像组学特征,特征筛选采用t检验,LASSO算法用于特征降维,Pearson相关用于分析组学特征与病理类型的相关性,特征参数绘制接受者操作特性(Receiver Operating Characteristic,ROC)曲线,并计算ROC曲线下面积(Area Under Curve,AUC)。通过ROC分析各个坐标的最大YOUDEN指数并计算组学特征的敏感性、特异性和最佳阈值。结果提取的682个组学特征中,有8个特征与宫颈鳞癌中、低分化病理学分级具有相关性,相关系数均大于0.4,AUC值均大于0.7。其中333_4相关和2_1相关特征参数分别在中分化和低分化病理类型中表现出最佳预测性能,AUC值分别为0.808、0.828,敏感性和特异性分别为0.667、0.663和0.867、0.917。结论MRI-T_(2)WI图像的影像组学特征可以作为治疗前宫颈鳞癌中、低分化病理学分级诊断的一种无创、有价值的辅助手段。