Page 117 - 南京医科大学自然版

第44卷第12期 夏志伟，苏春秋，王彬彬，等. 基于T2WI和DWI影像组学在术前预测垂体腺瘤质地中的应用价值［J］.
2024年12月 南京医科大学学报（自然科学版），2024，44（12）：1729-1734 ·1731 ·

小波变换等高阶变换。将所有病例以7∶3的比例随 1.2.3.3 模型建立与效能评价
机分为训练组（75 例）和验证组（33 例）。影像组学 采用支持向量机（support vector machine，SVM）
流程图如图1所示。 作为分类器建立组学模型，分别构建临床模型、基
1.2.3.2 特征处理 于 T2WI 影像组学模型、基于 DWI 影像组学模型及
首先使用 Z⁃score 法将影像组学特征标准化到 联合 T2WI 和 DWI 影像组学模型。在建模过程使
0~1范围内，剔除ICC<0.8的特征。由于质地为硬的 用网格搜索和 5 倍交叉验证法以提高预测模型的
垂体腺瘤相对较少，考虑到两组间的样本量不平衡 精度和泛化性。并绘制模型训练组和验证组的受
会影响分类器的效能，因此采用合成少数过采样技 试者工作特征（receiver operating characteristic，ROC）
术（synthetic minority over ⁃ sampling technique， 曲线，计算曲线下面积（area under curve，AUC）、准
SMOTE）来避免数据偏倚。使用无监督特征选择 确率、灵敏度、特异度。绘制校准曲线验证模型
（unsupervised feature selection，UFS）进行特征筛选。 效能。

Delineation of the volume of interest Extraction and select of features Construction and evaluation of models

First⁃order features Second⁃order features
ROC analysis

Wavelet transform
Calibration curves
Shape features features

Volume of interest were delineated manually on T2WI and DWI images. Radiomics features were extracted by FeAture Explorer software，includ⁃
ing shape features，first⁃order features，second⁃order features，and wavelet transform features. UFS was used to select features. SVM was used as the clas⁃
sifier，and Grid research and 5⁃fold cross⁃validation were used to optimize the model in the modeling process. The performance of the predictive model
was evaluated by AUC and calibration curves.
图1 影像组学流程图
Figure 1 The flow chart of radiomics

1.3 统计学方法 的性别差异有统计学意义（P < 0.05）。年龄、Knosp
使用SPSS23.0软件进行统计分析。首先对计量 分级、肿瘤体积、肿瘤最大直径及内分泌功能在质
资料包括年龄、肿瘤最大直径、肿瘤体积进行 Kol⁃ 软组和质硬组间差异无统计学意义（P均>0.05）。
mogorov⁃Smirnov 正态性检验和 Levene 方差齐性检 2.2 影像组学模型及效能评价
验，符合正态分布的计量资料用均数±标准差（x ± s） 影像组学模型最终均纳入 9 个影像组学特征，
表示，采用独立样本t检验；不符合正态分布者以中位 利用 ROC 曲线来评估组学模型的诊断效能（图 2）。

数（四分位数）［M（P25，P75）］表示，采用非参数Mann⁃ 校准曲线分析模型校准效能（图 3）。在临床模型
Whitney U检验进行比较。分类资料包括性别、Knosp 中，训练组预测垂体腺瘤质地的 AUC 为 0.82，验证
分级、内分泌功能用频数（百分比）表示，采用卡方检 组的AUC为0.63；在基于T2WI影像组学模型中，训
验进行比较。P < 0.05为差异有统计学意义。 练组预测垂体腺瘤质地的 AUC 为 0.85，验证组的
AUC 为 0.52；在基于 DWI 影像组学模型中，训练组
2 结 果
预测垂体腺瘤质地的AUC为0.85，验证组的AUC为
2.1 临床影像资料 0.75；在联合T2WI和DWI影像组学模型中模型效能
患者临床影像资料见表 1，质软组与质硬组间 最优，训练组预测垂体腺瘤质地的 AUC 为 0.89，验