Page 48 - 南京医科大学自然版

第45卷第2期
·188 · 南 京 医 科 大 学 学 报 2025年2月

TIRM DWI ADC DCE2 DCE4

Intra⁃ROI

Peri⁃ROI

Intra⁃ROI（A⁃E）and Peri⁃ROI（F⁃J）on TIRM，DWI，ADC，DCE2，and DCE4 images，respectively.
图1 ROI分割示意图
Figure 1 ROI segmentation illustration

准化强度。各序列图像提取的特征相同，包括原始 1.2.5 联合模型开发和效能评估
特征和高阶特征。原始特征涵盖：①18个一阶统计 通过单因素、多因素Logistic回归分析评估临床
学特征；②14个形状特征；③75个纹理特征，即24个 特征与 N2⁃3 期 ALN 的相关性。筛选出多因素分析
灰度共生矩阵（GLCM）、16 个灰度区域大小矩阵 中的独立预测因素用以构建临床模型。整合临床
（GLSZM）、16 个灰度游程矩阵（GLRLM）、5 个邻域 模型和最优组学模型中的特征构建联合模型，并
灰 度 差 分 矩 阵（NGTDM）、14 个 灰 度 相 关 矩 阵 可视化为列线图。采用受试者工作特征（receiver
（GLDM）；高阶特征是基于小波滤波和拉普拉斯高 operating characteristic，ROC）曲线联合曲线下面积
斯（Laplacian of Gaussian，LoG）滤波器进行图像变换 （area under the curve，AUC）评估和比较模型的诊断
后提取的一阶特征和纹理特征，共744个。最终，在 效能。通过校准曲线和Hosmer⁃Lemeshow拟合优度
每位患者的瘤内、瘤周及瘤内+瘤周 ROI 中各提取 检验衡量预测模型的校准度。采用决策曲线分析
了4 255个影像组学特征。 （decision curve analysis，DCA）验证模型的临床实
1.2.4 特征筛选和组学模型构建 用性。
通过以下4步筛选稳健的组学特征：①计算重复 1.3 统计学方法
分割后特征间的一致性相关系数，保留ICC > 0.8的 使 用 SPSS 软 件（Version 27.0）、Python 软 件
特征；②通过Mann⁃Whitney U检验，将P < 0.05的特 （Version 3.10.9）和 R 软件（Version 3.4.3）进行统计
征纳入后续分析；③采用最小冗余最大相关（minimal 分析。符合正态分布的计量资料用均数±标准差（x
redundancy maximal relevance，mRMR）算法筛选出 ± s）表示，组间比较采用独立样本 t 检验；不符合正
与 N2⁃3 期 ALN 相关性最大同时特征间相关性最小 态分布的计量资料以中位数（四分位数）［M（P25，

的子集；④进行最小绝对收缩和选择算子（leastab⁃ P75）］表示，组间比较采用 Mann⁃Whitney U 检验；计
solute shrinkage and selection operator，LASSO），通 数资料用频数（构成比）表示，组间比较采用χ 检
2
过 10 折交叉验证选择误差最小的超参数λ来确定 验。双侧P < 0.05为差异有统计学意义。
最佳特征集。最后，利用随机森林（random forest，
2 结 果
RF）机器学习算法基于所选特征构建出瘤内、瘤
周和瘤内+瘤周 3 种影像组学模型，并根据模型中 2.1 患者基线资料
的 特 征 加 权 系 数 计 算 出 各 自 的 影 像 组 学 评 分 纳入的 320 例浸润性乳腺癌患者中，训练集
（radiomics score，Radscore）。为避免过拟合，使用 224 例，验证集 96 例；N0⁃1 期 ALN 193 例，N2⁃3 期
5 折交叉验证。 ALN 127例。在训练集和验证集中，N2⁃3期ALN占