基于平扫CT影像组学的机器学习模型对腮腺多形性腺瘤与腺淋巴瘤的鉴别诊断价值
褚相乐
刘海燕
孙海涛
张莹丽
王志芳
黄勇华
河南省濮阳油田总医院放射科 河南 濮阳 457001
摘要：目的 基于平扫CT影像组学特征构建机器学习模型,并探讨其对腮腺多形性腺瘤(PA)与腺淋巴瘤(AL)的鉴别诊断价值.方法 选取经病理检查确诊的 161 例腮腺肿瘤患者,其中PA 77 例、AL 84 例,按 7∶3 随机分为训练集和验证集.于平扫CT图像勾画感兴趣区并提取影像组学特征,采取多重降维方法筛选最优特征,并建立机器学习模型.采用受试者工作特性(ROC)曲线评估各模型的鉴别诊断效能,采用校准曲线和决策曲线评估各模型的准确性和临床有效性.结果 共筛选出 8 个最优影像组学特征,构建了逻辑回归、K邻近、随机森林、支持向量机、多层感知机、极端梯度提升六种机器学习模型.各模型对PA与AL均有较高的鉴别诊断效能.验证集ROC曲线下面积(AUC)为 0.892～0.915,经DeLong检验,各模型鉴别诊断的AUC比较差异无统计学意义(P>0.05),其中多层感知机模型鉴别诊断的AUC最大,灵敏度为 91.3%、特异度为 80.8%.校准曲线显示各模型预测精度良好,决策曲线显示各模型均具有较高的临床净收益.结论 基于平扫CT影像组学构建的机器学习模型能够有效鉴别诊断PA与AL.
关键词：体层摄影术X线计算机影像组学腮腺多形性腺瘤腺淋巴瘤
分类号：R445.3(诊断学)
资助基金：河南省医学科技攻关计划项目(LHGJ20221017)
论文发表日期：2025-09-30
在线出版日期：2025-10-29（本平台首次上网日期，不代表文献的发表时间）
页数：6( 43-47,91 )
英文信息