摘要
目的 探讨MR-T2WI影像组学区分不同病理亚型子宫肌瘤的诊断价值.方法 回顾性分析63例65个不同病理亚型子宫肌瘤(其中普通型肌瘤20例21个,富细胞型肌瘤22例23个,退变型肌瘤21例21个)的T2WI信号特点及构成比.然后使用图像分割软件(ITK-SNAP)在T2WI图像上对子宫肌瘤进行三维分割和A.K软件进行特征提取,对提取的影像组学特征应用Pearson、rfSBF(随机森林函数)和10重交叉验证抽样方法进行特征选择;再利用R语言Caret包中train函数对筛选后的训练集进行训练,建立条件推理树模型,采用ROC曲线和混淆矩阵计算模型总体的诊断性能,Delong检验比较模型训练组和验证组ROC曲线下面积(AUC).结果 三种病理亚型的子宫肌瘤T2WI信号构成比存在统计差异(p＜0.001),其中富细胞型子宫肌瘤呈T2WI均匀高信号的比率最多(65.2％),退变型子宫肌瘤在T2WI呈混杂高信号最多(61.9％),普通型子宫肌瘤在T2WI上均呈低信号.每个子宫肌瘤共提取828项影像组学特征,共筛选出12项在三类子宫肌瘤间最具有鉴别诊断价值的特征.以这些特征建立起来的条件推理树模型鉴别普通型、富细胞型和退变型子宫肌瘤训练组的AUC分别为0.97、0.82、0.91,敏感性分别为100％、70.6％、80％,特异性分别为93.8％、90％、90.6％,阳性预测值88.2％、80％、80％,阴性预测值分别为100％、84.4％、90.6％.验证组的AUC分别为0.92、0.73、0.78,敏感性分别为85.3％、50％、66.7％,特异性分别为100％、75％、75％,阳性预测值100％、50％、57.1％,阴性预测值分别为92.3％、75％、82％.Delong检验显示模型训练组和验证组ROC-AUC无统计学差异(P＞0.05).结论 富细胞、退变型及普通型三类子宫肌瘤具有不同的T2WI信号特点,但存在一定交叉重叠.条件推理树三分类模型可以有效区分子宫肌瘤的三种病理学亚型,为子宫肌瘤病理分型提供了一种全新的技术手段.
NETL
NSTL
万方数据