基于双期增强CT影像组学模型对甲状腺乳头状癌被膜侵犯的预测价值

目的 探讨基于双期增强CT构建的支持向量机(SVM)及K-近邻(KNN)模型预测甲状腺乳头状癌被膜侵犯的可行性。方法回顾性分析2018年1月至2022年12月经手术病理确诊的157例甲状腺乳头状癌患者(160例病灶)的临床资料。根据术后病理结果分为被膜侵犯组(84例)和非被膜侵犯组(76例)。采用随机数表法按7∶3比例随机分为训练组(n=112)和验证组(n=48)。使用2种机器算法基于筛选后的影像组学特征构建模型,并对模型进行内部验证。采用受试者操作特征曲线及曲线下面积评价静脉期、动脉期及双期联合模型的预测效能。结果 在验证组中,基于静脉期CT建立的SVM模型、KNN模型AUC为0.752、0.698,基于动脉期CT建立的SVM模型、KNN模型AUC为0.880、0.716,基于双期联合CT建立的SVM联合模型、KNN联合模型AUC为0.936、0.764。联合模型预测甲状腺乳头状癌被膜侵犯的效能明显高于单时期模型。结论 本研究基于双期增强CT构建的SVM、KNN模型在一定程度上均能预测甲状腺乳头状癌被膜侵犯,其中双期联合的SVM模型表现出最佳的预测效能,在临床个体化诊治甲状腺乳头状癌中具有较高的应用价值。

基于双参数磁共振影像组学模型评估前列腺癌风险分级的应用

目的探讨基于双参数磁共振成像影像组学特征构建支持向量机(SVM)及随机森林(RF)两种机器学习模型预测前列腺癌风险分级的诊断作用。方法回顾性纳入经病理确诊为前列腺癌患者119例,其中中低危组57例,高危组62例,入组患者均在术前2个月内行MRI检查。分别提取基于T_(2)WI、ADC序列的影像组学特征。将入组患者按7∶3比例随机分为训练组和测试组。根据筛选后的影像组学特征分别建立基于T_(2)WI、ADC、T_(2)WI+ADC的SVM模型及RF模型,用测试组对模型进行验模型验证,检验每一种模型的准确率、特异性、敏感性并绘制受试者操作特征曲线(ROC)。采用曲线下面积(AUC)评估影像组学模型对前列腺癌风险分级的预测效能。结果基于T_(2)WI序列建立的SVM模型、RF模型的AUC分别为0.797、0.713;基于ADC序列建立的SVM模型、RF模型的AUC分别为0.826、0.667;T_(2)WI+ADC序列建立SVM模型、RF模型的AUC分别0.871、0.724。联合双参数的模型预测效能优于单参数模型。结论本研究构建的基于双参数磁共振的SVM及RF模型在一定程度上能预测前列腺癌风险分级,其中T_(2)WI+ADC的SVM模型分类效果更佳,有潜力应用于临床以指导前列腺癌患者的个体化治疗。