Page 86 - 南京医科大学学报自然科学版

第44卷第3期
·376 · 南 京 医 科 大 学 学 报 2024年3月

法筛选出的 HCR 和 DTL 特征数量如表 1 所示。随 并对11种多序列的最优实验结果进行整理，结果显
后，分别采用mRMR、SVM⁃RFE、RF⁃RFE 3种筛选方 示，使用 T2+T1c+Flair 序列组合，且基于 SVM⁃RFE
法对上述筛选出的特征进一步选出排名前 10 的特 的特征筛选方法和 SVM 分类器的模型获得最好的
征（表1）。15种影像序列融合方式中，每种序列融合 预测效果（图 4A、B）：在验证集上，AUC 达到 0.996
方式均包含 3 种筛选方法下的 3 种特征组合方式， （95%CI：0.991~1.000），YI、ACC、SEN、SPE 分别为
即 9 个特征子集，最终生成135种特征融合子集。 0.920、0.976、0.988 和 0.932。五折交叉验证结果显
2.2 脑胶质瘤分级模型的构建和比较 示该模型具有较高的稳定性（图4C）。
2.2.1 单序列分析 2.2.3 模型验证
本研究主要包括 4 个序列（15 种序列融合方 使用 30 例未参与训练的测试数据集进行最终
式）、3 种特征和 3 种特征筛选方法，因此对上述这 模型分类效能的验证。在测试集上，AUC值为0.986
135 个特征融合子集分别通过 7 种 ML 分类器进行 （图4D）、ACC为0.921、SEN为0.933、SPE为 0.875。
建模。此外还对 HCR、DTL 和 DLR 这 3 种特征提取 2.3 模型临床获益和可解释性
方法进行比较，4 个单序列数据集的性能分析结果 使用SHAP算法获得各序列的每个DLR预测特
显示，在4个序列中，与HCR和DTL相比，DLR作为 征的权重，并按重要性排序列出前 20 的特征。
输入特征建模时，实验结果更具有竞争力（表2）。 SHAP 值表示每个特征对最终预测的贡献，Flair 序
2.2.2 多序列分析 列的特征贡献较大，其次为T2及T1c序列（图5）；同
单序列分析结果显示，基于 DLR 特征构建的 时，排名前20的特征中，HCR和DTL特征均有贡献。
ML 模型具有较高的分级预测效能，因此在多序列
3 讨 论
建模中使用 DLR 特征集进行后续实验分析。对各
模型特征筛选方法和分类器的预测性能进行比较， 由于侵袭性和浸润性不同，脑胶质瘤的分级直

表1 特征筛选结果
Table 1 Results of the selected features （n）

T1 T2 T1c Flair
Selected methods
HCR DTL HCR DTL HCR DTL HCR DTL
Original features 1 321 1 000 1 321 1 000 1 321 1 000 1 321 1 000
Spearman 469 906 392 915 358 861 495 934
mRMR 10 10 10 10 10 10 10 10
RF⁃RFE 10 10 10 10 10 10 10 10
SVM⁃RFE 10 10 10 10 10 10 10 10

表2 单序列验证集实验结果汇总
Table 2 The summary of single sequence in verification sets
Sequence Feature classification Feature screening and classifier AUC（95%CI） ACC SEN SPE YI
T1 HCR SVM⁃RFE+LR 0.963（0.927-0.99） 0.921 0.950 0.825 0.775
DTL RF⁃RFE+RF 0.700（0.635-0.765） 0.767 0.950 0.724 0.674
DLR SVM⁃RFE+LR 0.980（0.968-0.993） 0.925 0.961 0.797 0.758
T2 HCR SVM⁃RFE+XGBoost 0.968（0.933-0.997） 0.922 0.946 0.838 0.784
DTL RF⁃RFE+XGBoost 0.815（0.764-0.866） 0.780 0.903 0.744 0.647
DLR SVM⁃RFE+SVM 0.971（0.949-0.993） 0.928 0.969 0.784 0.753
T1c HCR SVM⁃RFE+SVM 0.971（0.934-1.000） 0.927 0.957 0.825 0.782
DTL RF⁃RFE+RF 0.836（0.757-0.912） 0.816 0.961 0.703 0.664
DLR SVM⁃RFE+SVM 0.973（0.949-0.997） 0.937 0.977 0.797 0.774
Flair HCR SVM⁃RFE+LR 0.979（0.959-0.998） 0.937 0.977 0.797 0.774
DTL RF⁃RFE+NB 0.737（0.668-0.807） 0.761 0.891 0.703 0.594
DLR SVM⁃RFE+LR 0.978（0.953-0.998） 0.943 0.981 0.811 0.792