基于增强CT图像支持向量机模型鉴别诊断透明细胞肾细胞癌与乏脂性肾血管平滑肌脂肪瘤的效果  

作　　者：唐美群 王梓延 马楚塬 胡思瑶 黄孜恒 赵子康 叶汝娴 

机构地区：[1]广州医科大学附属清远医院<清远市人民医院>放射科,广东清远511518 [2]广州医科大学附属清远医院<清远市人民医院>核医学科,广东清远511518 [3]广州医科大学第六临床学院,广东清远511518 [4]广州医科大学附属清远医院<清远市人民医院>体检科,广东清远511518

出　　处：《影像研究与医学应用》2025年第3期62-64,共3页Journal of Imaging Research and Medical Applications

基　　金：2024年度清远市科协科技智库专项课题成果(QYKX2024011)。

摘　　要：目的:探讨基于增强CT图像支持向量机模型鉴别诊断透明细胞肾细胞癌(ccRCC)与乏脂性肾血管平滑肌脂肪瘤(fp-RAML)的效果。方法:回顾性分析2020年1月—2024年7月在广州医科大学附属清远医院行肾脏CT增强扫描的ccRCC与fp-RAML患者各40例的资料,对图像进行勾画感兴趣容积勾画和特征提取,使用相关性分析、LASSO回归对特征进行降维,降维处理后的最优特征用于计算每位患者的影像组学评分,并构建SVM机器学习模型。结果:在训练集中,fp-RAML的Radscore平均值为(-0.58±0.98),ccRCC的Radscore平均值为(1.44±0.79),两者比较差异有统计学意义(P<0.05);在验证集中,fp-RAML的Radscore平均值为(-0.97±1.05),ccRCC的Radscore平均值为(1.24±1.00),两者比较差异有统计学意义(P<0.05)。SVM机器学习模型在训练集和验证集中鉴别诊断ccRCC与fp-RAML的AUC分别为0.972和0.923。结论:基于增强CT图像支持向量机模型有助于鉴别诊断ccRCC与fp-RAML。

关 键 词：影像组学 机器学习 支持向量机 透明细胞肾细胞癌 血管平滑肌脂肪瘤 

分 类 号：R445.3[医药卫生—影像医学与核医学]