目的 探讨基于MRI T2WI影像组学特征的机器学习模型对胎盘植入性病变的诊断价值.材料与方法 回顾性分析130例因怀疑胎盘植入行MRI检查并后期行剖宫产的患者影像资料,依据剖宫产术后结果在MRI T2WI图像分别提取有胎盘植入改变层面和无胎盘植入层面影像组学特征.以7∶3的比例通过分层抽样的方法将数据分为训练集(n=91)和验证集(n=39),采用 5种机器学习方法:logistic 回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、决策树(decision tree,DT)、K近邻(K nearest neighbor,KNN)进行建模分类诊断,通过5折交叉验证确定机器学习模型的参数,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的预测效能,计算曲线下面积(area under the curve,AUC)、准确度、敏感度及特异度,在验证集中对各模型进行验证.此外,除对比不同机器学习模型与影像诊断医生的诊断效能,采用校准曲线分析模型效能,并以决策曲线分析(decision curve analysis,DCA)评估临床实用性.结果 纳入的130例患者病例中,56例患者剖宫产术后证实有胎盘植入,74例患者无胎盘植入.基于纳入图像预处理的1688个组学特征,经最小绝对收缩和选择算子(least absolute shrinkage and sel

作者：王颖超；黄刚；巴志霞；薛莲；黄宝生；夏东洲

来源：磁共振成像 2023 年 14卷 8期