基于T₂WI抑脂序列的影像组学特征对腮腺多形性腺瘤与腺淋巴瘤的鉴别诊断价值

摘要

目的：研究基于磁共振T₂WI抑脂序列（T₂WI-FS）的影像组学特征与机器学习算法相结合的模型，探究其在鉴别腮腺多形性腺瘤与腺淋巴瘤中的价值，以提高诊断准确率，为制定个体化治疗方案提供依据。方法：回顾性分析2017年8月—2023年8月无锡市锡山人民医院收治的66例经病理证实的腮腺多形性腺瘤（41例）和腺淋巴瘤（25例）患者的术前T₂WI-FS的MRI图像，勾画病灶感兴趣区（ROI），提取影像组学特征，并用LASSO算法筛选特征。构建6种机器学习模型，分别为逻辑回归模型（LR）、支持向量机模型（SVM）、随机森林模型（RF）、XGBoost模型（XGB）、LightGBM模型（LGBM）、多层感知机模型（MLP），将数据按8︰2随机分为训练集和验证集，采用5折交叉验证评估模型效能。绘制受试者工作特征（ROC）曲线，计算曲线下面积（AUC）、准确率等指标。结果：T₂WI-FS序列图像经过筛选得到9个用于模型训练的最重要的组学特征，使用6种机器学习模型分别建立影像组学特征模型，在验证集中，RF模型表现最佳，AUC值为0.759。结论：基于T₂WI-FS序列的MR影像组学特征结合机器学习算法构建模型，能够在鉴别腮腺多形性腺瘤与腺淋巴瘤方面展现出诊断价值，其中RF模型的诊断效能最佳。

关键词

影像组学 / 腮腺肿瘤 / 多形性腺瘤 / 腺淋巴瘤 / 鉴别诊断