关键词:
棘球蚴病,肺
体层摄影术,X线计算机
机器学习
预测模型
放射组学
摘要:
目的探讨基于CT放射组学特征的分类器模型预测肺囊型包虫病(CE)活性的价值。方法该研究为横断面研究。回顾性分析2010年1月至2020年10月在新疆医科大学第一附属医院确诊为肺CE患者81例,采用Python的函数以2∶8的比例分为内部验证组17例和训练组64例;另收集2020年10月至2024年新疆医科大学第四附属医院确诊为肺CE患者16例纳入外部验证组。所有患者均接受CT检查,使用汇医慧影的Radcloud平台提取放射组学特征,对特征进行一致性检验,然后使用SelectKBest方法、方差阈值法和最小绝对收缩和选择算子进行特征筛选,最后采用支持向量机(SVM)、K邻近(KNN)以及logistic回归(LR)3种分类器来建立模型。采用受试者操作特征曲线及曲线下面积(AUC)来评估模型的效能。结果81例肺CE患者中,男58例,女23例,有活性28例,无活性53例。共筛选了11个最优特征,CT放射组学分别建立SVM分类器模型、KNN分类器模型、LR分类器模型。训练组中KNN分类器模型预测肺CE活性的AUC值最高(0.93)、特异度最高(0.98);内部验证组中SVM分类器模型预测肺CE活性的AUC值最高(0.92)、特异度最高(0.91);外部验证组中LR分类器模型预测肺CE活性的AUC最高(0.85),3个模型的特异度均为0.92。结论基于CT放射组学特征建立的分类器模型预测肺CE活性具有一定价值,指导临床制定关于肺CE诊疗方案具有重要的意义。