基于超声影像组学的机器学习模型对腮腺肿瘤良恶性的鉴别诊断价值
张舜初1
夏祯2
缪青2
黄骁辰3
张伟2
1.江苏省肿瘤医院 江苏省肿瘤防治研究所 南京医科大学附属肿瘤医院口腔科 江苏 南京 2100092.江苏省肿瘤医院 江苏省肿瘤防治研究所 南京医科大学附属肿瘤医院超声科 江苏 南京 2100093.江苏省肿瘤医院 江苏省肿瘤防治研究所 南京医科大学附属肿瘤医院病理科 江苏 南京 210009
摘要：目的 探讨基于超声影像组学的机器学习模型对腮腺肿瘤良恶性的鉴别诊断价值.方法 选取经病理证实的 144 例单发腮腺肿瘤患者,其中良性 96 例(良性组)、恶性 48 例(恶性组).两组均接受常规超声检查,由有经验的超声科医师在图像上手动勾画感兴趣区域,并使用基于Python 的 Pyradiomics 软件提取影像组学特征.以病理结果为金标准,筛选出在良恶性鉴别中最具判段价值的影像组学特征.基于筛选后的特征,分别构建多种机器学习模型,绘制受试者工作特征曲线并计算曲线下面积(AUC)评估模型的诊断效能.结果 共筛选出 6 个影像组学特征用于模型构建.各模型在训练集中均表现良好,其中K近邻算法模型在验证集中AUC最高(AUC=0.88),支持向量机模型次之(AUC=0.86).结论 基于超声影像组学构建的机器学习模型在腮腺肿瘤良恶性鉴别中具有良好的诊断价值.
关键词：腮腺肿瘤超声检查影像组学机器学习
分类号：R739.87(口腔、颌面部肿瘤)R445.1(诊断学)
资助基金：江苏省肿瘤医院院科技发展基金项目(ZL202217)
论文发表日期：2025-08-30
在线出版日期：2025-09-28（本平台首次上网日期，不代表文献的发表时间）
页数：4( 24-27 )
英文信息