| 摘 要： | 目的 探讨 mp-MRI 的影像组学模型术前无创性预测直肠癌患者 Ki-67 表达水平的价值。 方法 回顾性分析 2016年 1 月至 2023 年 7 月在安徽省肿瘤医院就诊的 97 例直肠腺癌患者临床资料,术前行常规 MRI 检查及 IVIM-DWI 扫描,根据术后病理Ki-67 表达状态,分为低表达组（n=64）、高表达组（n=33）。在三个不同序列（高分辨 Ax-T2WI、动态增强平衡期 Sag LAVA-FLEX 和IVIM-DWI）上分别提取三维影像组学纹理分析特征参数。按 7∶3 比例分为训练组（n=67）和测试组（n=30）,训练组用于特征筛选和建立影像组学模型,测试组用于验证所建立模型的可靠性。比较训练组和测试组患者基线资料的差异,使用 Pearson 相关性、SelectPer-centile 和 LASSO 完成最佳预测特征选择,分别基于影像组学特征采用 SGD、SVM 和 LR 机器学习算法构建模型,并进行 10 折交叉验证。应用受试者操作特征（ROC）曲线评估模型预测直肠腺癌 Ki-67 表达水平的效能,采用 DeLong 检验对曲线下面积（AUC）进行比较。 结果 从每例患者的高分辨 Ax-T2WI、动态增强平衡期 Sag LAVA-FLE 和 IVIM-DWI （b=800 s/mm2）三个序列上共提取出 5 622 个影像组学特征;筛选出 6 个影像组学特征作为最佳预测特征构建模型。SGD、SVM 和 LR 的最高 AUC 分别为 0.867、0.853 和 0.884;其中 SGD算法准确率为 76%,在 3 个模型中预测性能最佳。 结论 基于多参数 MRI 的影像组学模型在术前预测直肠腺癌 Ki-67 表达水平有一定的价值,SGD 在预测直肠腺癌 Ki-67 表达水平中效能最佳。
|
