Eur Radiol：血管平滑肌脂肪瘤脂肪成分太少，如何与肾细胞肾癌鉴别？
本研究旨在评价CT图像基于机器学习的定量纹理分析对鉴别无可见脂性成分的小(≤ 4 cm)血管平滑肌脂肪瘤(AMLwvf)与肾细胞肾癌(RCC)的价值，并将结果发表在Eur Radiol上。
本研究旨在评价CT图像基于机器学习的定量纹理分析对鉴别无可见脂性成分的小(≤ 4 cm)血管平滑肌脂肪瘤(AMLwvf)与肾细胞肾癌(RCC)的价值，并将结果发表在Eur Radiol上。
本研究共纳入了58例病例证实的肾小肿块的患者(17例AMLwvf和41例RCC)。纹理特征在由手动对术前3期图像中最大肿瘤性感兴趣区域(ROIs)中提取。观察者间的一致性及Mann-Whitney U对纹理特征进行初步选择。然后，联合回归特征消除及支持向量机及SMOTE技术建立识别性分类器，进而评价分类器的效果。
在提取的42个特征中，16个候选特征在组间具有统计学差异(P < 0.05)，并有较好的组间组间一致性。通过SVM-RFE选出优化特征亚设置，其中包括11个特征。SVM-RFE+SMOTE分类器在鉴别小的AMLwvf 和RCC具有最佳的诊断效果，最高准确性、敏感性、特异性及AUC分别为93.9 %、87.8 %、100 % 、0.955。
本研究表明，CT纹理特征的机器学习分析有助于准确地鉴别小的AMLwvf与RCC。
原始出处：
Feng Z， Rong P， Cao P . et al.Machine learning-based quantitative texture analysis of CT images of small renal masses： Differentiation of angiomyolipoma without visible fat from renal cell carcinoma.Eur Raidol.DOI： 10.1007/s00330-017-5118-z
相关文章
评论
我要跟帖
.jpg)
