粗糙集、决策树及回归法根据常规MRI预测胶质瘤分级的对比研究

目的 利用粗糙集、决策树及二元logistic回归法等三种方法根据常规MRl分级诊断胶质瘤,比较三种方法的诊断性能.方法 275例确诊胶质瘤病例(低级别胶质瘤151例,高级别胶质瘤124例),术前常规MRI平扫及增强检查,提取的MRI征象包括病灶数目、形态、边缘、水肿、坏死、占位效应、钙化、出血、T1WI、T2WI及增强特点.粗糙集基于Rosetta软件使用遗传算法进行属性约简并产生诊断规则,决策树使用CRT算法建立胶质瘤分级诊断规则,回归法使用二元logistic回归法建立胶质瘤诊断模型.结果 粗糙集、决策树树及回归法的诊断准确性分别为84.4%、83.3%、83.6%;敏感度分别为75%、74.2%、79.8%;特异度分别为92.1%、91.3%、86.8%,三种方法的ROC曲线下面积分别为0.92、0.907和0.902,ROC曲线下面积之间无明显差异性.相比其他两种方法,粗糙集可以得到更多的确定性诊断规则.结论 粗糙集具有与其他两种方法一样的诊断性能,却可以得出明确及清晰的诊断规则,具有更好的临床应用价值.

Comparison the Performance of Rough Set Theory with Decision Tree and Regress Analysis in Prediction the Degree of Glioma on routine MR images