目的:探讨宫颈癌术前磁共振T2WI矢状位图的影像特征对近期预后的预测作用,构建并验证SVM预测模型。方法:回顾性选取2020年6月至2022年6月在我院接受宫颈癌手术治疗的患者80例,统计患者2年内预后情况,根据患者预后情况分为良好组(n=40)...目的:探讨宫颈癌术前磁共振T2WI矢状位图的影像特征对近期预后的预测作用,构建并验证SVM预测模型。方法:回顾性选取2020年6月至2022年6月在我院接受宫颈癌手术治疗的患者80例,统计患者2年内预后情况,根据患者预后情况分为良好组(n=40)和不良组(n=40),再按7:3比例分为建模集(n=56)和验证集(n=24),收集患者术前MR-T2WI矢状位图的影像组学特征,使用单变量曲线下面积(Area under curve,AUC)分析及五折交叉验证的最低绝对收缩和选择算子LASSO回归算法进行特征筛选,以此构建SVM支持向量机预测模型。结果:SVM支持向量机结果显示,影响近期预后不良的前6位特征是灰度游程矩阵运行熵、灰度尺寸区域数量、灰度共生矩阵差异熵、一阶特征平均绝对偏差、运行长度不均匀度标准化、最大行2D直径,模型AUC为0.765,最佳截断值0.536对应的灵敏度、特异度分别为0.667、0.828。结论:基于宫颈癌术前T2WI影像组学特征构建的SVM支持向量机模型具有较好的预测效能,可为临床预防宫颈癌术后预后不良提供参考。展开更多
文摘目的:探讨宫颈癌术前磁共振T2WI矢状位图的影像特征对近期预后的预测作用,构建并验证SVM预测模型。方法:回顾性选取2020年6月至2022年6月在我院接受宫颈癌手术治疗的患者80例,统计患者2年内预后情况,根据患者预后情况分为良好组(n=40)和不良组(n=40),再按7:3比例分为建模集(n=56)和验证集(n=24),收集患者术前MR-T2WI矢状位图的影像组学特征,使用单变量曲线下面积(Area under curve,AUC)分析及五折交叉验证的最低绝对收缩和选择算子LASSO回归算法进行特征筛选,以此构建SVM支持向量机预测模型。结果:SVM支持向量机结果显示,影响近期预后不良的前6位特征是灰度游程矩阵运行熵、灰度尺寸区域数量、灰度共生矩阵差异熵、一阶特征平均绝对偏差、运行长度不均匀度标准化、最大行2D直径,模型AUC为0.765,最佳截断值0.536对应的灵敏度、特异度分别为0.667、0.828。结论:基于宫颈癌术前T2WI影像组学特征构建的SVM支持向量机模型具有较好的预测效能,可为临床预防宫颈癌术后预后不良提供参考。
