磁共振T2WI的影像组学在前列腺癌预测中的临床研究

目的 探讨磁共振T2WI的影像组学在前列腺癌预测中的价值,以期为临床应用提供依据.方法 收集2015年6月-2019年8月经病理证实的122 例前列腺癌及前列腺增生患者,应用MaZda软件对每例患者T2WI图像进行预处理并提取纹理特征参数,采用Fisher系数、分类错误概率与平均相关系数( Classification error probability and average correlation coefficients, POE+ACC)及互信息( Mutual information, MI)各筛选10个最具鉴别意义的纹理参数.原始数据分析( Raw data analysis, RDA)、主成分分析( Principal component analysis, PCA)、线性判别分析(Linear discriminant analysis, LDA)及非线性判别分析( Nonlinear discriminant analysis, NDA)计算每种降维方法的准确率、敏感度等,并分析各纹理参数后处理方式间的差异.结果 在Fisher、POE+ACC及MI降维方法中,Horzl GLevNonU和 WavEnLL s-1均被筛选出. RDA、PCA、LDA及 NDA四种判别方式中,Fisher/NDA法预测前列腺癌和前列腺增生的灵敏度最高(93. 52% ),特异度、准确率最高为MI/NDA法、POE+ACC/NDA法(分别为95. 05% 、93. 68% ). Fisher降维中判别方式PCA、LDA与NDA之间差异均具有统计学意义(P＜0. 05),POE+ACC降维中 RDA、PCA、LDA 与 NDA 之间差异均具有统计学意义(P ＜0. 05),MI 降维中 RDA、PCA、LDA与NDA之间差异具有统计学意义(P＜0. 05).结论 基于磁共振T2WI的影像组学分析在前列腺癌的诊断、预测中具有一定价值,不同降维方法及判别方式能够影响影像组学的预测结果.