文章摘要:目的肾脏乏脂肪血管平滑肌脂肪瘤（AMLwvf）是一种良性肿瘤，预后良好，其影像表现与恶性肿瘤相似。本研究通过放射组学方法从每位患者四期CT图像中提取有意义特征数据，并建立机器学习模型从常见肾脏肿瘤中区分出AMLwvf。方法回顾性分析29例病理证实AMLwvf与169例其他常见肾肿瘤。所有病例CT图像病灶内均未发现肉眼可见脂肪，均行CT平扫（PCP）及三期增强扫描：皮髓质期（CMP）、肾实质期（NP）、排泄期（EP）扫描。首先对每位患者各期图像中病灶行手工绘制容积感兴趣区（VOI），提取放射组学特征，为降低模型冗余度，采用最小绝对收缩和选择算子（LASSO）用于特征筛选，最后采用五折交叉验证的机器学习分类器进行鉴别诊断，具体包括k-最近邻（KNN）、逻辑回归（LR）、多层感知器（MLP）、支持向量机（SVM）。分类器的性能主要通过受试者工作曲线曲线下的面积（AUC）和准确率、敏感性、特异性来评价和比较。结果 对每个病灶每期VOI所提取特征进行筛选，最终PCP、CMP、NP、EP以及CMP+NP等CT放射组学的特征分别为10、10、14、2、7个。其中CMP和NP在使用了MLP后达到了令人满意的性能，AUC分别为0.82±0.06和0.85±0.06，准确率分别为83.33%（敏感性为0.6896，特异性为0.8579）和75.76%（敏感性为0.7241，特异性为0.7633）。EP和PCP的AUC分别为0.73±0.16和0.79±0.06，准确率分别为78.79%（敏感性为0.6207，特异性为0.8166）和79.29%（敏感性为0.5862，特异性为0.8284），将CMP和NP结合后，AUC为0.86±0.06，准确率为70.20%（敏感性为0.8621，特异性为0.6746）。结论基于放射组学特征的机器学习能区分良性的AMLwvf与常见肾脏肿块，这有助于临床对肾肿瘤患者干预方式的选择。

文章关键词:

论文分类号:R737.11

文章来源：《肿瘤药学》 网址: http://www.zlyxzz.cn/qikandaodu/2021/1112/1602.html