增强CT影像组学特征构建随机森林机器学习模型鉴别诊断小细胞肺癌与非小细胞肺癌的应用价值

摘要

目的：探讨增强CT影像组学特征构建随机森林(RF)机器学习模型鉴别诊断小细胞肺癌(SCLC)与非小细胞肺癌(NSCLC)的应用价值。方法：选取2017年1月—2024年8月在广州医科大学附属清远医院(清远市人民医院)影像中心行肺部CT双期增强扫描的84例患者的增强CT扫描图像，按照约7:3的比例随机分为训练集(58例)和验证集(26例)。使用最大相关最小冗余算(mRMR)法降维处理后的特征分别构建动脉期、静脉期和双期联合RF机器学习模型。采用受试者工作特征(ROC)曲线的曲线下面积(AUC)评估增强CT双期影像组学特征构建RF机器学习模型的诊断效能。结果：动脉期联合静脉期机器学习模型诊断SCLC与NSCLC的灵敏度、特异度、准确率、AUC分别为0.818、0.733、0.769和0.861，其中反映诊断效能的AUC高于单独动脉期和单独静脉期所构建的模型(0.736和0.836)。结论：基于双期增强CT影像组学特征构建的RF模型对SCLC和NSCLC的鉴别具有重要价值。

关键词

计算机体层摄影 / 影像组学 / 机器学习 / 小细胞肺癌 / 非小细胞肺癌