首站-论文投稿智能助手
典型文献
基于CT影像组学预测肾透明细胞癌ISUP分级及病理分期的研究
文献摘要:
目的 探讨基于CT影像组学方法术前预测肾透明细胞癌(ccRCC)的病理分级和分期的可行性.方法 搜集本院2015年1月至2018年6月泌尿外科收治的125例经病理证实的ccRCC患者.根据肾细胞癌(RCC)世界卫生组织(WHO)/国际泌尿病理协会(ISUP)(2012)组织学分级系统分为低级别组(核Ⅰ~Ⅱ级)66例和高级别组(核Ⅱ~Ⅲ、Ⅲ级和Ⅳ级)59例;之后随机按照7:3的比例分入训练组和测试组,选取出最具预测意义的特征,并采用随机森林法建立影像组学模型,最终使用受试者工作特征(ROC)曲线和准确率评估模型的诊断效能.再根据病理分期,将患者分为低分期组65例和高分期组60例,也建立相应影像组学模型并测试预测效能.结果 共5个特征被筛选入鉴别核低级别和核高级别的模型中.该模型在训练组曲线下面积(AUC)=0.946,灵敏度和特异度分别为0.891、0.87,阳性预测值和阴性预测值分别为0.872和0.889,准确率为0.88;在测试组,AUC=0.876,灵敏度和特异度分别为0.75和0.7,阳性预测值和阴性预测值分别为0.872和0.879,准确率为0.725.共筛选出7个特征用于构建鉴别病理低分期组和高分期组的模型中,其在训练组AUC=0.974,灵敏度和特异度分别为0.911、0.911,阳性预测值和阴性预测值分别为0.911和0.911,准确率为0.911;测试组AUC=0.751,灵敏度和特异度分别为0.8和0.45,阳性预测值和阴性预测值分别为0.593和0.692,准确率为0.625.结论 基于CT的影像组学模型对术前预测ccRCC细胞核分级有着较好的效果,而预测病理分期效果稍差.
文献关键词:
肾透明细胞癌;影像组学;评估模型;病理分级;分期
作者姓名:
王煦;洪楠;尹平;孙超
作者机构:
100044 北京大学人民医院放射科
文献出处:
引用格式:
[1]王煦;洪楠;尹平;孙超-.基于CT影像组学预测肾透明细胞癌ISUP分级及病理分期的研究)[J].临床放射学杂志,2022(04):670-675
A类:
B类:
影像组学,肾透明细胞癌,ISUP,病理分期,法术,术前预测,ccRCC,病理分级,本院,泌尿外科,肾细胞癌,世界卫生组织,WHO,组织学分级,低级,别组,高级别,训练组,预测意义,随机森林法,终使,受试者工作特征,诊断效能,建立相应,预测效能,选入,组曲,阳性预测值,阴性预测值,征用,细胞核,稍差
AB值:
0.242562
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。