Page 55 - 南京医科大学学报自然科学版

第43卷第5期 舒 洋，王彦平，何瑞星，等. 基于T1W1+C的影像建立支持向量机预测模型对胶质瘤细胞增殖
2023年5月 活性研究［J］. 南京医科大学学报（自然科学版），2023，43（5）：634-639 ·637 ·

A B
20 16 16 10 6 6 5 5 3 3 40 35 10 5 3 3
0.75
0.70 0.8
0.65 0.6
0.60 0.4
二项式偏差 0.50 特征系数 0.2
0.55
0.45
0.40
0.35
0.0
0.30
0.25 -0.2
0.20
0.15 -0.4
10 -3 10 -2 10 -1 10 0 10 1 10 -3 10 -2 10 -1 10 0 10 1
log（λ） log（λ）
C D
0.10 1.0
wavelet⁃LHL_firstorder_Mean
0.08 wavelet⁃HLH_gldm_ShortRunEmphasis 0.8
0.6
0.06
特征系数 0.04 wavelet⁃HHH_gldm_SmallDependence⁃ 0.4
HighGrayLevelEmphasis
0.02
0.2
0.00 wavelet⁃LLL_gldm_LargeDepen⁃ 0.0
denceHighGrayLevelEmphasis
-0.02 -0.2
logarithm_glcm_lmcl
-0.04 logarithm_glcm_lnversevariance -0.4
-0.6
wavelet⁃LHL_firstorder_Mean wavelet⁃HLH_gldm_ShortRunEmphasis wavelet⁃HHH_gldm_SmallDependence⁃ HighGrayLevelEmphasis wavelet⁃LLL_gldm_LargeDepen⁃ denceHighGrayLevelEmphasis logarithm_glcm_lmcl logarithm_glcm_lnversevariance wavelet⁃LHL_firstorder_Mean wavelet⁃HLH_gldm_ShortRunEmphasis wavelet⁃HHH_gldm_SmallDependence⁃ HighGrayLevelEmphasis wavelet⁃LLL_gldm_LargeDepen⁃ denceHighGrayLevelEmphasis logarithm_glcm_lmcl logarithm_glcm_lnversevariance

A：二项式偏差与参数λ的关系，采用10次交叉验证确定最优参数λ值，纵轴为二项式偏差，横轴为log（λ）值，虚线表示模型的最小二项式
偏差时最优log（λ）值；B：特征系数与log（λ）关系变化图，横轴为log（λ），纵轴为系数，曲线上的数字代表系数变化时特征的数量；C：所筛选最
佳影像特征及系数图；D基于最佳影像特征构建特征热图。
图1 Lasso回归运用于特征筛选
Figure 1 Feature selection using Lasso

A B
1.0 1.0
0.8 0.8
灵敏度 0.6 灵敏度 0.6

0.4
0.4
0.2 0.2
AUC=0.821 AUC=0.911
0.0
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
1-特异度 1-特异度
图2 模型预测训练集（A）和测试集（B）在胶质瘤Ki67指数水平的受试者操作特征曲线
Figure 2 Receiver operating characteristic curve of training set（A）and test set（B）for predicting the level of Ki67 indexes
of gliomas

瘤组织中存在大量不同类型细胞，这些细胞共同组 相继发现，如 Ki67、IDH、ATRX、BRAT、TP53 等，为
成胶质瘤增殖侵袭的特殊微环境 ［24-25］ 。随着肿瘤相 胶质瘤的诊疗带来新的突破。其中反映细胞增殖活
关免疫组化的发展，越来越多的肿瘤相关标志物被 性及肿瘤恶性程度的细胞增殖标志物Ki67指数常作