MR-T 2 WI影像组学区分不同病理亚型子宫肌瘤的诊断价值

目的探讨MR-T 2 WI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T 2 WI信号特点及构成比。然后使用图像分割软件（ITK-SNAP）在T 2 WI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T 2 WI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T 2 WI均匀高信号的比率最多（65.2%）,退变型子宫肌瘤在T 2 WI呈混杂高信号最多（61.9%）,普通型子宫肌瘤在T 2 WI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T 2 WI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。