MRI-T2WI影像组学在软组织良恶性肿瘤鉴别中的价值

目的 探讨MRI-T2 WI序列影像组学模型对良恶性软组织肿瘤的鉴别诊断价值.方法 回顾性分析术前行MRI平扫检查,且术后经病理证实的软组织肿瘤60例,其中良性30例,恶性30例.在MRI轴位T2 WI序列图像上手工勾画肿瘤感兴趣区(ROI),并提取影像组学特征.利用R语言软件计算组内相关系数(ICC).计算机按7︰3比例随机分为训练组(42例)和验证组(18例),使用Lasso回归法降维后筛选最优子集,利用机器学习算法构建模型.应用受试者工作特征(ROC)曲线和曲线下面积(AUC)验证其鉴别诊断效能.结果 影像组学模型在3种机器算法中随机森林诊断效能最高,AUC值、特异度、灵敏度分别为0.728、1.000、0.556,Logistic回归次之,支持向量机(SVM)最低,结合影像医师诊断,可提高鉴别效能(AUC值上升至0.914).结论 MRI-T2 WI序列影像组学模型可以作为一种客观定量的方法,在肿瘤三维立体结构中鉴别软组织肿瘤良恶性,其中随机森林模型最具潜力.