目的探讨基于超声的影像组学结合临床参数预测子宫内膜癌淋巴结转移的价值。方法回顾性分析2017年1月至2021年2月在广西医科大学第一附属医院255例术后确诊为子宫内膜癌患者的临床资料及术前超声图像。采用ITK-SNAP软件手动勾勒肿瘤的...目的探讨基于超声的影像组学结合临床参数预测子宫内膜癌淋巴结转移的价值。方法回顾性分析2017年1月至2021年2月在广西医科大学第一附属医院255例术后确诊为子宫内膜癌患者的临床资料及术前超声图像。采用ITK-SNAP软件手动勾勒肿瘤的边界即感兴趣区(region of interest,ROI),并从中提取特征。通过随机抽样将数据以7∶3的比例分为用于构建模型的训练组和用于评估模型可靠性的验证组(例数比177∶78)。训练组采用Spearman相关系数以0.95为阈值去除相关性高的特征,决策树模型对特征进行重要性排序,选择重要性前6%的特征建立逻辑回归模型,计算每例患者的影像组学评分。在逻辑回归分析的基础上,建立综合预测模型,绘制列线图,并通过ROC曲线下面积(AUC)、校准曲线及决策曲线分析对其预测效果进行评价。结果经降维及逻辑回归分析后最终获得20项特征和2项临床参数(CA125、CA153)用于构建模型。影像组学模型和综合预测模型中训练组和验证组的AUC分别为0.81、0.78和0.89、0.85。临床决策曲线显示两者均有较好的临床实用性。结论基于超声图像构建的影像组学模型及结合相关临床参数构建的综合模型对子宫内膜癌淋巴结转移均有较好的预测效能。展开更多
文摘目的探讨基于超声的影像组学结合临床参数预测子宫内膜癌淋巴结转移的价值。方法回顾性分析2017年1月至2021年2月在广西医科大学第一附属医院255例术后确诊为子宫内膜癌患者的临床资料及术前超声图像。采用ITK-SNAP软件手动勾勒肿瘤的边界即感兴趣区(region of interest,ROI),并从中提取特征。通过随机抽样将数据以7∶3的比例分为用于构建模型的训练组和用于评估模型可靠性的验证组(例数比177∶78)。训练组采用Spearman相关系数以0.95为阈值去除相关性高的特征,决策树模型对特征进行重要性排序,选择重要性前6%的特征建立逻辑回归模型,计算每例患者的影像组学评分。在逻辑回归分析的基础上,建立综合预测模型,绘制列线图,并通过ROC曲线下面积(AUC)、校准曲线及决策曲线分析对其预测效果进行评价。结果经降维及逻辑回归分析后最终获得20项特征和2项临床参数(CA125、CA153)用于构建模型。影像组学模型和综合预测模型中训练组和验证组的AUC分别为0.81、0.78和0.89、0.85。临床决策曲线显示两者均有较好的临床实用性。结论基于超声图像构建的影像组学模型及结合相关临床参数构建的综合模型对子宫内膜癌淋巴结转移均有较好的预测效能。
