目的探讨磁共振T2WI的影像组学在前列腺癌预测中的价值,以期为临床应用提供依据。方法收集2015年6月-2019年8月经病理证实的122例前列腺癌及前列腺增生患者,应用MaZda软件对每例患者T2WI图像进行预处理并提取纹理特征参数,采用Fisher系...目的探讨磁共振T2WI的影像组学在前列腺癌预测中的价值,以期为临床应用提供依据。方法收集2015年6月-2019年8月经病理证实的122例前列腺癌及前列腺增生患者,应用MaZda软件对每例患者T2WI图像进行预处理并提取纹理特征参数,采用Fisher系数、分类错误概率与平均相关系数(Classification error probability and average correlation coefficients,POE+ACC)及互信息(Mutual information,MI)各筛选10个最具鉴别意义的纹理参数。原始数据分析(Raw data analysis,RDA)、主成分分析(Principal component analysis,PCA)、线性判别分析(Linear discriminant analysis,LDA)及非线性判别分析(Nonlinear discriminant analysis,NDA)计算每种降维方法的准确率、敏感度等,并分析各纹理参数后处理方式间的差异。结果在Fisher、POE+ACC及MI降维方法中,HorzlGLevNonU和WavEnLLs-1均被筛选出。RDA、PCA、LDA及NDA四种判别方式中,Fisher/NDA法预测前列腺癌和前列腺增生的灵敏度最高(93.52%),特异度、准确率最高为MI/NDA法、POE+ACC/NDA法(分别为95.05%、93.68%)。Fisher降维中判别方式PCA、LDA与NDA之间差异均具有统计学意义(P<0.05),POE+ACC降维中RDA、PCA、LDA与NDA之间差异均具有统计学意义(P<0.05),MI降维中RDA、PCA、LDA与NDA之间差异具有统计学意义(P<0.05)。结论基于磁共振T2WI的影像组学分析在前列腺癌的诊断、预测中具有一定价值,不同降维方法及判别方式能够影响影像组学的预测结果。展开更多
文摘目的探讨磁共振T2WI的影像组学在前列腺癌预测中的价值,以期为临床应用提供依据。方法收集2015年6月-2019年8月经病理证实的122例前列腺癌及前列腺增生患者,应用MaZda软件对每例患者T2WI图像进行预处理并提取纹理特征参数,采用Fisher系数、分类错误概率与平均相关系数(Classification error probability and average correlation coefficients,POE+ACC)及互信息(Mutual information,MI)各筛选10个最具鉴别意义的纹理参数。原始数据分析(Raw data analysis,RDA)、主成分分析(Principal component analysis,PCA)、线性判别分析(Linear discriminant analysis,LDA)及非线性判别分析(Nonlinear discriminant analysis,NDA)计算每种降维方法的准确率、敏感度等,并分析各纹理参数后处理方式间的差异。结果在Fisher、POE+ACC及MI降维方法中,HorzlGLevNonU和WavEnLLs-1均被筛选出。RDA、PCA、LDA及NDA四种判别方式中,Fisher/NDA法预测前列腺癌和前列腺增生的灵敏度最高(93.52%),特异度、准确率最高为MI/NDA法、POE+ACC/NDA法(分别为95.05%、93.68%)。Fisher降维中判别方式PCA、LDA与NDA之间差异均具有统计学意义(P<0.05),POE+ACC降维中RDA、PCA、LDA与NDA之间差异均具有统计学意义(P<0.05),MI降维中RDA、PCA、LDA与NDA之间差异具有统计学意义(P<0.05)。结论基于磁共振T2WI的影像组学分析在前列腺癌的诊断、预测中具有一定价值,不同降维方法及判别方式能够影响影像组学的预测结果。