临床医学论文_放射组学模型鉴别腮腺多形性腺瘤-实用放射学杂志

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

临床医学论文_放射组学模型鉴别腮腺多形性腺瘤

作者:

关键词:

摘要：

文章目录

1 资料和方法

1.1 临床资料

1.2 仪器与方法

1.3 图像处理与分析

1.4 特征筛选与模型建立

2 结果

2.1 PA与WT的一般资料比较

2.2 分类模型的特征子集

2.3 3种放射组学分类模型的效能

3 讨论

文章摘要:目的:探讨基于计算机体层成像（computed tomography,CT）的放射组学模型在腮腺多形性腺瘤（pleomorphic adenoma,PA）与沃辛瘤（Warthintumor,WT）鉴别中的价值。方法:收集经病理学检查证实的28例PA与25例WT,使用MaZda软件提取CT平扫图像中肿瘤的直方图分析（histogram analysis,HA）、灰度共生矩阵（gray-level co-occurrence matrix,GLCM）、灰度游程矩阵（gray-level run length matrix,GLRLM）、绝对梯度（absolute gradient,AG）和自回归模型（autoregressive model,AR）5种放射组学特征。使用组内相关系数（intraclass correlation coefficient,ICC）分析组学特征,选取PA与WT组中ICC>0.75的特征,然后选取组间差异有统计学意义的特征参数,再使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）回归分析进一步析筛选,最后以筛选出的特征参数建立随机森林（random forest,RF）、逻辑回归（logistic regression,LR）与支持向量机（support vector machine,SVM）分类模型,并应用受试者工作特征（receiver operating characteristic,ROC）曲线评估模型的效能。结果:PA与WT之间差异有统计学意义的特征中,GLCM数量最多。最终筛选出11个特征参数作为子集建立RF、LR、SVM共3个模型,其中RF的效能最佳,准确度、灵敏度、特异度及曲线下面积（area under curve,AUC）分别为83.3%、78.6%、88.0%及0.882。结论:基于CT的放射组学模型具有良好的分类效能,可于术前有效地鉴别PA与WT。

文章关键词:

论文DOI:10.19732/j.cnki.2096-6210.2021.06.012

论文分类号:R730.44;R739.87

文章来源：《实用放射学杂志》网址: http://www.syfsxzzs.cn/qikandaodu/2022/0111/384.html