来源：期刊VIP网 时间：
作者：袁权;吴树剑;范莉芳;翟建;
单位：皖南医学院第一附属医院(弋矶山医院)放射科;皖南医学院医学影像学院;
摘要：目的 探讨基于横轴位高分辨T2WI深度迁移学习影像组学术前预测直肠癌患者脉管浸润（lymphovascular invasion,LVI）的应用价值。材料与方法 回顾性分析皖南医学院弋矶山医院2018年1月至2023年12月行MRI检查且术后病理证实为直肠癌的384例患者，收集临床及影像资料。根据病理LVI状态将患者分为LVI阳性（LVI+）组81例及LVI阴性（LVI-）组303例，按7∶3比例将患者随机分为训练组（n=269）与验证组（n=115）。以ResNet-34为深度迁移学习特征提取的基础模型，基于瘤体分别提取深度迁移学习特征与传统影像组学特征，通过Spearman秩相关和最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）回归的方法进行降维，消除冗余特征，保留最具预测价值的特征。使用自适应增强（adaptive boosting, AdaBoost）、朴素贝叶斯（na?ve Bayes, NB）、弹性网络（elastic net, Enet）、梯度推进机（gradient boosting machine, GBM）、神经网络（neutral network, NN）及支持向量机（support vector machine, SVM）共6种机器学习算法基于传统影像组学特征、深度迁移学习特征及组合特征分别构建预测模型。通过受试者工作特征（receiver operating characteristics curve,ROC）曲线评价各模型的诊断效能。结果 通过Spearman秩相关及LASSO回归降维后共筛选出23个最优特征，其中传统影像组学特征6个，深度迁移学习特征17个，构建的所有模型中基于组合特征模型的曲线下面积（area under the curve, AUC）均高于单独特征模型，6种机器学习算法基于组合特征的AUC在训练组分别为0.956、0.802、0.879、0.966、0.973、0.944，验证组分别为0.924、0.868、0.901、0.892、0.817、0.905。结论 基于组合特征的模型在预测直肠癌LVI状态方面具有高效能，可辅助术前个体化预测，改善患者预后。
关键词：直肠癌;;脉管浸润;;磁共振成像;;深度迁移学习;;影像组学
基金资助：安徽省教育厅省级质量工程项目（编号：2023xjzlts057）;; 皖南医学院校级重点研究项目科研基金（编号：WK2023ZZD09）;皖南医学院校级中青年项目科研基金（编号：WK2023ZQNZ53）~~
