深度学习模型与机器学习模型在术前预测结直肠癌错配修复系统分型表现的对比:基于CT影像组学

摘要

目的 建立多种基于CT影像组学特征的机器学习模型和以卷积神经网络为基础的深度学习模型，对比两种方法预测结直肠癌患者术前错配修复系统（MMR）分型模型的效能。方法 回顾性纳入河北北方学院附属第一医院120例结直肠癌患者并按7∶3随机分为训练集和验证集。绘制感兴趣区（ROI），并提取影像组学特征选择最优集合。建立机器学习模型随机森林、支持向量机和逻辑回归算法以及深度学习卷积神经网络（CNN）结构Vgg16模型。采用ROC曲线下面积（AUC）、敏感度、特异度、准确率及F1评分评估模型的诊断效能。结果 3种机器学习模型的验证集AUC值为0.82(95%CI:0.75～0.84)、0.75(95%CI:0.73～0.81)、0.71(95%CI:0.59～0.74),F1评分分别为0.60、0.82、0.57。深度学习模型的验证集AUC为0.87(95%CI:0.76～0.91),F1评分为0.82。结论 基于CT图像所建立的影像组学机器学习和深度学习模型均可有效鉴别结直肠癌错配修复系统分型。根据不同模型所得出的AUC值发现深度学习模型鉴别两种分型的效能高于机器学习模型。

关键词

结直肠癌 / 错配修复系统 / 影像组学 / 深度学习 / 随机森林