目的 探讨基于三期CT图像的影像组学特征建立机器学习模型术前预测透明细胞肾细胞癌(ccRCC)WHO/ISUP核分级的价值。方法 回顾性收集2016年1月至2023年1月安徽医科大学第一附属医院经病理证实的236名ccRCC患者的3期(平扫期、皮髓质期、实质期)CT图像和临床病理资料。并按照7∶3的比例随机分为训练集和测试集,人工手动分割病灶后提取三期影像组学特征,并对提取得到的特征进行降维,筛选出最有价值的组学特征并用机器学习的方法建立3种机器学习模型,分别为逻辑回归(LR)、支持向量机(SVM)、随机森林(LR)。模型的诊断性能通过受试者工作特征曲线(ROC)及曲线下面积(AUC)来评估。结果 最终筛选得到15个有价值的特征用来构建模型,在测试集中3种机器学习模型的AUC值分别为0.797、0.753、0.761。结论 基于三期CT图像影像组学特征建立的机器学习模型在术前预测ccRCC的WHO/ISUP级别具有一定的价值。 |