论文部分内容阅读
目的 评估基于MR T2WI影像组学模型预测肝泡型包虫病(HAE)病灶边缘微血管侵犯的价值.方法 回顾性分析89例经术后病理证实的HAE患者,其中32例病灶边缘存在微血管侵犯、57例无侵犯.提取病灶MR T2WI影像组学特征,以方差阈值法和单变量选择法筛选最优特征,以随机森林(RF)、极限梯度增强树(XGBoost)和逻辑回归(LR)三种分类器构建预测HAE病灶边缘微血管侵犯的机器学习(ML)模型.按8:2比例将患者分为训练集(n=70)和测试集(n=19),验证模型的预测效能;绘制受试者工作特征(ROC)曲线,计算其曲线下面积(AUC).结果 共提取1409个影像组学特征,经特征降维选出7个最优影像组学特征,并以之构建模型.ROC曲线显示,XGBoost模型在训练集及测试集中的AUC分别为0.96和0.89.结论 基于MR T2WI影像组学XGBoost模型可有效预测HAE病灶边缘微血管侵犯.