基于CT影像组学的结直肠癌肝转移与原发性肝癌病灶分类研究

目的 探索结直肠癌肝转移(colorectal liver metastases,CRLM)与原发性肝癌(hepatocellular carcinoma,HCC)影像组学特征的差异,以实现对CRLM的精准识别.方法 纳入河北大学附属医院102例经病例证实的CRLM和HCC患者术前CT增强影像,将其以7:3的比例随机分配到训练集和测试集.首先,采用基于Python的Pyradiomics包从肝脏病灶中提取影像组学特征;然后,利用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)和递归消除(recursive feature elimination,RFE)方法选择出最优特征集合;再应用支持向量机(support vector machine,SVM)、K-近邻(k-nearest neighbor,KNN)和随机森林(random forest,RF)、逻辑回归(logistic regression,LR)4种分类器算法训练模型,以受试者工作特征曲线下面积(the area under the receiver operating characteristic curve,AUC)、准确率、敏感度和特异度来评估4种分类器的性能.结果 应用SVM分类器算法训练的模型对CRLM识别效能较高(准确率为93％,特异度为88％,灵敏度为100％,AUC值为0.94).结论 本文应用CT影像组学方法提取病灶异质性特征,并通过特征选择找到训练模型效果最佳的特征集合,应用SVM分类器算法训练的模型能够比较准确地识别出CRLM病灶,对医学诊断具有良好的应用价值.

Classification of colorectal liver metastases and hepatocellular carcinoma lesions based on CT-radiomics