CT影像组学和机器学习预测胆囊息肉样病变性质的研究

目的 探讨不同机器学习的影像组学模型预测胆固醇性胆囊息肉和腺瘤牲胆囊息肉的价值。方法 回顾性分析2015年9月至2022年9月我院100例经手术病理证实的胆固醇性息肉和腺瘤性息肉患者的临床及影像资料。基于术前增强CT提取的影像组学特征,训练集采用T检验和最小绝对收缩和选择算子交叉验证法进行特征筛选。然后用3种机器学习方法 (人工神经网络、逻辑回归和支持向量机)构建预测模型,利用ROC曲线下面积、准确率以及F1度量值评估3种模型的预测能力,并通过验证集进行验证。结果 人工神经网络算法在基于10个影像组学特征的息肉病变性质鉴别模型中预测效果最好,具有最高的曲线下面积(训练集为1;验证集为0.81)、准确率(训练集为1;验证集为0.83)及F1度量值(训练集为1;验证集为0.76)。10个影像组学特征中,基本特征1个、小波特征9个。结论 基于增强CT的机器学习影像组学模型有助于预测胆固醇性胆囊息肉和腺瘤牲胆囊息肉的病变性质,为两者的定性诊断及治疗方式的选择提供依据。