目的:探讨基于
18F－FDG PET/CT影像组学特征的机器学习模型在胃癌(GC)和原发性胃淋巴瘤(PGL)的术前鉴别诊断中的价值。
方法:回顾性分析2012年1月至2020年12月于天津医科大学肿瘤医院术前行
18F－FDG PET/CT检查且经病理证实的155例GC患者[男104例、女51例，年龄(59.3±12.8)岁]和82例PGL患者[男40例、女42例，年龄(56.8±14.6)岁]，使用Python3.7.1软件将患者随机分为训练集和测试集。分别对PET和CT图像进行感兴趣体积(VOI)勾画，提取三维和二维影像组学特征。使用多层感知机(MLP)、支持向量机(SVM)2种机器学习模型分别对CT影像组学特征、PET影像组学特征和PET/CT影像组学特征进行学习，以鉴别GC和PGL。通过ROC曲线分析评估各模型的预测性能。
结果:训练集166例，测试集71例。基于PET/CT影像组学特征的SVM模型在GC和PGL的鉴别诊断方面(AUC＝0.88，95
作者：王婷；王子阳；陈旖文；李小凤；陈薇
来源：中华核医学与分子影像杂志 2023 年 43卷 7期
