基于瘤内异质性分割的软组织肿瘤MRI影像组学辅助诊断研究

摘要

目的 建立用于软组织瘤磁共振成像(Magnetic Resonance Imaging,MRI)影像辅助诊断的计算机影像组学方法.方法 收集了在中国医科大学附属辽宁省肿瘤医院就诊的75例软组织瘤患者的T1增强和T1平扫序列MRI影像数据,采用无监督k-means算法将肿瘤区域分割为高亮度和低亮度亚区.分别提取瘤内亚区及肿瘤完整区域的影像组学特征建立模型,评估各区域诊断价值,建立基于k-最邻近机器学习分类器的融合模型,绘制受试者工作特征(Receiver Operating Characteristic,ROC)曲线和校正曲线,计算ROC曲线下面积(Area Under Curve,AUC)、特异性和敏感性作为模型评价指标,通过决策曲线(Decision Curve Analysis,DCA)分析模型的潜在临床应用价值.结果 T1增强序列和T1平扫序列的瘤内高亮度亚区诊断效果均优于低亮度亚区及肿瘤完整区域.通过特征级融合建立的影像组学融合预测模型在训练集和测试集上获得AUC值分别为0.865(特异性=0.763,敏感性=0.763)和0.856(特异性=0.867,敏感性=0.800),校正曲线表明建立的诺模图模型有较好的预测能力,DCA分析进一步表明模型具有良好的潜在临床应用价值.结论 本研究提出的基于瘤内亚区分割的MRI影像组学融合模型能对软组织瘤进行有效辅助诊断,具有一定的临床医学应用价值.