典型文献
MRI影像组学在预测子宫内膜癌风险因素中的价值
文献摘要：
目的 分析术前MRI与子宫内膜癌患者风险因素高度相关的影像组学特征并建立风险分类模型.方法 选取159例经病理证实的子宫内膜癌患者并分为训练集和测试集.分别在T2WI图像、扩散加权成像(DWI)图像、动态对比增强图像和表观扩散系数(ADC)图上提取与高危病理类型、肌层浸润深度(DMI)、宫颈间质浸润(CSI)、淋巴血管间质浸润(LVSI)和淋巴结转移(LNM)的高度相关特征.采用L1正则化逻辑回归方法进行特征选择,使用多种机器学习算法进行建模并择优筛选影像组学特征进行整合建模.采用受试者工作特征(ROC)曲线对模型进行评估.结果 训练集中影像组学特征鉴别DMI、CSI、LVSI、LNM和高危病理类型的曲线下面积(AUC)分别为0.89、0.92、0.79、0.96、0.95;测试集中影像组学特征鉴别DMI、CSI、LVSI、LNM和高危病理类型的AUC分别为0.89、0.84、0.73、0.97、0.82.整合模型预测风险类型的AUC为0.91[95％置信区间(CI)0.87～0.96].结论 由风险因素DMI、CSI、LVSI、LNM和高危病理类型组成的影像组学模型对于术前判断子宫内膜癌风险类型具有良好的预测效能.
文献关键词：
子宫内膜癌;风险因素;磁共振成像;影像组学
中图分类号：
作者姓名：
叶芷君;宁刚;谢淋旭;李学胜;曾剑刚
作者机构：
四川大学华西第二医院放射科 出生缺陷与相关妇儿疾病教育部重点实验室,四川 成都 610041
文献出处：
引用格式：
[1]叶芷君;宁刚;谢淋旭;李学胜;曾剑刚-.MRI影像组学在预测子宫内膜癌风险因素中的价值)[J].实用放射学杂志,2022(09):1483-1486,1503
A类：
B类：
子宫内膜癌患者,患者风险,影像组学特征,风险分类,分类模型,训练集,测试集,T2WI,扩散加权成像,DWI,动态对比增强,增强图像,表观扩散系数,ADC,病理类型,肌层浸润,浸润深度,DMI,宫颈,间质浸润,CSI,LVSI,淋巴结转移,LNM,L1,正则化,逻辑回归,特征选择,机器学习算法,择优,整合建模,受试者工作特征,中影,整合模型,测风,风险类型,置信区间,预测效能,磁共振成像
AB值：
0.282034
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
