典型文献
基于多参数MRI影像组学及临床特征的鼻咽癌远处转移可解释性机器学习预测模型
文献摘要：
目的建立基于多参数MRI影像组学及临床特征的机器学习预测模型,并评价其治疗前预测鼻咽癌(nasopharyngeal carcinoma,NPC)远处转移风险的效能及临床应用价值.材料与方法回顾性分析2010年6月至2017年9月来自三家医院的1393例经病理证实的NPC患者的临床资料及MRI图像(训练队列1049例、外部验证队列344例).用ITK-SNAP勾画感兴趣区并用Pyradiomics包逐层提取特征.使用相关性分析、单因素分析和递归特征消除法筛选特征,最后通过梯度提升机(Gradient Boosting Machine,GBM)算法构建模型.通过受试者工作特征(receiver operating characteristic,ROC)曲线比较模型的预测效能,以及决策曲线分析评估临床实用性.利用SHAP(SHapley Additive exPlanation)算法赋予最佳预测模型可解释性.结果经筛选后最终保留10个影像组学特征.基于影像组学特征、临床特征、影像组学+临床特征三种特征组合构建了GBM_R、GBM_C和GBM_RC模型.三者在训练集上的ROC曲线下面积(area under the curve,AUC)值分别为0.938、0.724和0.938;GBM_RC(命名为NPC-Wise)在外部验证集中取得了最高的AUC值,为0.775.N分期是NPC-Wise预测过程中最重要的特征.SHAP模型预测力图能直观可视化特征影响NPC-Wise预测远处转移风险的过程.结论基于多参数MRI影像组学及临床特征的可解释性机器学习预测模型NPC-Wise在预测NPC远处转移风险方面具有较高效能,SHAP算法为其提供了个体水平的可解释性,能为个性化治疗提供有价值的决策依据.
文献关键词：
鼻咽癌;远处转移;影像组学;梯度提升机;可解释性;磁共振成像
中图分类号：
作者姓名：
金哲;张斌;张璐;张水兴
作者机构：
暨南大学附属第一医院医学影像科,广州 510627
文献出处：
引用格式：
[1]金哲;张斌;张璐;张水兴-.基于多参数MRI影像组学及临床特征的鼻咽癌远处转移可解释性机器学习预测模型)[J].磁共振成像,2022(11):22-29
A类：
B类：
多参数,鼻咽癌,远处转移,可解释性机器学习,机器学习预测,nasopharyngeal,carcinoma,NPC,转移风险,临床应用价值,材料与方法,三家,训练队,外部验证,ITK,SNAP,勾画,感兴趣区,Pyradiomics,逐层提取,提取特征,递归特征消除法,梯度提升机,Gradient,Boosting,Machine,GBM,构建模型,受试者工作特征,receiver,operating,characteristic,比较模型,预测效能,决策曲线分析,分析评估,SHAP,SHapley,Additive,exPlanation,模型可解释性,影像组学特征,特征组合,RC,训练集,area,under,curve,Wise,验证集,预测力,高效能,个性化治疗,决策依据,磁共振成像
AB值：
0.329403
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。
