T2WI序列纹理分析联合机器学习的影像组学术前预测肾透明细胞癌的病理分级

目的 探讨基于磁共振T2加权图像纹理分析联合机器学习的影像组学评价肾透明细胞癌(ccRCC)病理分级的价值.资料与方法 回顾性分析经手术病理证实为ccRCC的63例患者,术前行腹部3.0T MR扫描,首先使用ITK-Snap软件在T2序列图像上勾画感兴趣区,再采用A.K.软件提取影像组学特征,得到对术后病理分级最具有诊断价值的特征参数,最后构建随机森林(RF)机器学习模型对最具特征参数进行分类训练和测试.结果 通过特征筛选后最后筛选出5个影像组学特征参数,分别为Uniformity、Compactness2、Correlation_AllDirection_offset7_SD、GLCMEntropy_AllDirection_offset7_SD和LongRunHigh GreyLevelEmphasis_angle90_offset7.使用RF模型计算的准确度、敏感度、特异度及ROC曲线下面积分别为85％、100％、72％、0.87.结论 基于T2WI图像纹理分析联合机器学习的影像组学对高级别和低级别肾透明细胞癌的鉴别诊断具有价值.