目的 在术前准确鉴别乏脂肪血管平滑肌脂肪瘤(fat-poor angiomyolipoma,fp-AML)和肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)对制定正确的治疗方案是至关重要的.为了提高fp-AML和ccRCC的分类准确率,本文提出一种基于影像组学技术的分类模型.方法 回顾性地收集苏州大学附属第二医院放射科18例fp-AML患者和42例ccRCC患者的CT图像.首先,从CT图像中提取430个影像组学特征.然后,分3步进行特征选择:计算皮尔森相关矩阵剔除冗余特征;使用Welch's t检验确定具有显著差异的特征;利用序列浮动前向选择算法选择具有鉴别能力的特征.最后,建立k最近邻(k-nearest neighborhood,kNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和AdaBoost 4种分类器进行分类.结果 SVM分类器所构建的模型获得了最佳分类性能,正确率、敏感度、特异性、阳性预测值、阴性预测值和ROC曲线下面积分别为91.67％、88.89％、92.86％、84.21％、95.12％和0.9418.结论 本研究所构建的模型能提高fp-AML和ccRCC的分类准确率,能辅助医生进行fp-AML和ccRCC的鉴别诊断.
作者：杨熠；钱旭升；周志勇；沈钧康；朱建兵；戴亚康
来源：北京生物医学工程 2020 年 39卷 1期
