换一批
换一批多参数MRI影像组学与深度学习模型鉴别良、恶性黏液样软组织肿瘤
Differentiating benign and malignant myxoid soft tissue tumors based on multiparametric MRI radiomics and deep learning models
摘要：
目的 观察基于多参数MRI构建的影像组学与深度学习(DL)模型鉴别良、恶性黏液样软组织肿瘤(MSTT)的价值.方法 回顾性纳入141例经病理证实的MSTT患者,以7∶3比例随机将其分为训练集(n=98,包括51例恶性及47例良性MSTT)及测试集(n=43,包括22例恶性及21例良性MSTT).分别于训练集T1WI和脂肪抑制(FS)-T2WI中提取并遴选影像组学特征及DL特征,并以之构建鉴别良、恶性MSTT的影像组学模型及DL模型.绘制受试者工作特征(ROC)曲线、校准曲线及决策曲线,对比评估2个模型的区分度、校准度及净收益.结果 于训练集提取并筛选得到9个最佳影像组学特征用于构建鉴别良、恶性MSTT的影像组学模型,包括2个一阶特征、1个形态特征、3个灰度共生矩阵特征、1个灰度相关矩阵特征和2个灰度大小区域矩阵特征;以其中7个最佳DL特征构建DL模型.所获影像组学模型和DL模型鉴别测试集良、恶性MSTT的ROC曲线下面积分别为0.758及0.911,后者高于前者(P=0.017);2个模型均具有良好校准度;相比影像组学模型,DL模型在测试集的总体净收益更高.结论 基于MRI构建的DL模型鉴别良、恶性MSTT的效能较影像组学模型更好且净收益更高.
更多
作者：
作者单位：
青岛大学附属医院放射科,山东青岛 266003
[1]
诸城市人民医院放射科,山东潍坊 262200
[2]
期刊：
《中国医学影像技术》2024年40卷7期 1078-1082页
ISTICPKUCSCD
栏目名称：
骨骼肌肉影像学
DOI：
10.13929/j.issn.1003-3289.2024.07.024
发布时间：
2024-09-04
- 浏览：3
- 被引：0
- 下载：4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
