科研成果详情

题名基于增强CT影像组学与机器学习算法预测肿块型肝内胆管癌微血管侵犯
其他题名Prediction of microvascular invasion of mass-forming intrahepatic cholangiocarcinoma based on contrast-enhanced CT radiomics and machine learning
作者
发表日期2024-01-15
发表期刊肝胆胰外科杂志   影响因子和分区
语种中文
原始文献类型学术期刊
关键词肝内胆管癌 微血管侵犯 影像组学 预测模型 机器学习
其他关键词intrahepatic cholangiocarcinoma ; microvascular invasion ; radiomics ; prediction model ; machine learning
摘要目的 研究肿块型肝内胆管癌发生微血管侵犯的影像组学及临床特征,并建立基于机器学习算法的预测模型。方法 回顾性收集2015年1月至2023年2月期间就诊于温州医科大学附属第一医院(75例)和温州医科大学附属第二医院(29例)的肝内胆管癌(ICC)患者资料,提取增强CT的影像组学特征,使用多种机器学习方法进行分析并比较,结合最佳影像组学机器学习方法与临床资料,建立预测模型并进行检验。结果 多种影像组学机器学习方法中,门脉期影像组学特征的朴素贝叶斯分类表现相对较好,曲线下面积(AUC)为0.818,结合筛选出的2个临床特征(瘤内动脉穿行,CEA>5 ng/mL)建立预测模型,训练组和测试组的AUC分别为0.883和0.891,训练组的敏感度为0.978,特异度为0.656,测试组的敏感度为0.909,特异度为0.700。结论 基于增强CT影像组学机器学习结合临床资料的模型可用于预测肝内胆管癌的微血管侵犯状态,具有较好的诊断价值。
其他摘要Objective To study the radiomics and clinical characteristics of intratumoral microvascular invasion in mass-forming intrahepatic cholangiocarcinoma(ICC)and establish a predictive model with the best machine learning algorithm.Methods We retrospectively collected the data from 75 patients with ICC who were treated at the First Affiliated Hospital of Wenzhou Medical University and 29 patients with ICC who were treated at the Second Affiliated Hospital of Wenzhou Medical University between Jan.2015 and Feb.2023.Radiomic features were extracted from contrast-enhanced CT images,and various machine learning methods were used for analysis.The best radiomics machine learning method was combined with clinical data to establish a predictive model,which was then validated.Results Among various radiomic machine learning methods,naive Bayes classification based on portal venous phase imaging features performed relatively well,the area under the cure(AUC)was 0.818.By combining two selected clinical features(tumor arterial penetration,CEA>5 ng/mL),a predictive model was established with the AUC of 0.883 in the training group and 0.891 in the testing group.In the training group,sensitivity was 0.978,while specificity was 0.656,and in the testing group,sensitivity was 0.909,while specificity was 0.700.Conclusion The model based on radiomic machine learning combined with clinical data from contrast-enhanced CT has good diagnostic value for predicting microvascular invasion status in ICC.
资助项目浙江省医药卫生科技计划项目(2019KY104);
ISSN1007-1954
卷号36期号:01页码:13-19+25
DOI10.11952/j.issn.1007-1954.2024.01.003
页数8
收录类别CNKI ; 万方 ; 维普
URL查看原文
引用统计
文献类型期刊论文
条目标识符https://kms.wmu.edu.cn/handle/3ETUA0LF/206086
专题附属第一医院
附属第二医院
第二临床医学院、附属第二医院、育英儿童医院
附属第二医院_外科
通讯作者俞富祥
作者单位
1.温州医科大学附属第一医院肝胆胰外科;
2.温州医科大学附属第二医院肝胆胰外科
第一作者单位附属第一医院
第一作者的第一单位附属第一医院
推荐引用方式
GB/T 7714
吕昊阳,洪重,黄侠鸣,等. 基于增强CT影像组学与机器学习算法预测肿块型肝内胆管癌微血管侵犯[J]. 肝胆胰外科杂志,2024,36(01):13-19+25.
APA 吕昊阳, 洪重, 黄侠鸣, & 俞富祥. (2024). 基于增强CT影像组学与机器学习算法预测肿块型肝内胆管癌微血管侵犯. 肝胆胰外科杂志, 36(01), 13-19+25.
MLA 吕昊阳,et al."基于增强CT影像组学与机器学习算法预测肿块型肝内胆管癌微血管侵犯".肝胆胰外科杂志 36.01(2024):13-19+25.

条目包含的文件

条目无相关文件。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[吕昊阳]的文章
[洪重]的文章
[黄侠鸣]的文章
百度学术
百度学术中相似的文章
[吕昊阳]的文章
[洪重]的文章
[黄侠鸣]的文章
必应学术
必应学术中相似的文章
[吕昊阳]的文章
[洪重]的文章
[黄侠鸣]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。