目的 评估基于多参数MRI影像组学特征的机器学习方法 对甲状腺乳头状癌(papillary thyroid carcinoma,PTC)患者术前预测颈部淋巴结状态的价值.材料与方法回顾性分析182例经手术病理确诊淋巴结状态的PTC患者的影像和临床资料,分为91例颈部淋巴结转移组和91例非转移组.在多种MRI影像序列[轴位T1WI、T2WI、T2WI压脂、T1WI增强、T1WI压脂增强以及弥散加权成像(diffusion weighted imaging,DWI)]中勾画感兴趣区(region of interest,ROI)获得纹理特征和直方图特征.最后,使用多参数MRI纹理特征和直方图特征作为输入,构建了支持向量机(support vector machine,SVM)模型对颈部转移和非转移淋巴结进行分类.结果 结合多种磁共振序列的多参数模型具有良好的分类性能,分类准确度高达79.61％,敏感度为75.00％,特异度为83.00％,曲线下面积(area under the curve,AUC)值为0.911.结论 基于多参数MRI影像组学的机器学习方法可以有效地预测PTC患者术前的颈部淋巴结状态.
作者：马伟琼；陈康胤；杨宁；江桂华；蓝博文；曾裕镜
来源：磁共振成像 2022 年 13卷 10期
