基于多b值DWI的栖息地放射组学分析在鉴别鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤中的应用

《Oral Radiology》：Multi-b-value DWI–based habitat radiomics analysis for differentiating sinonasal small round cell malignant tumors from non-small round cell malignant tumors

　　

摘要

研究目的

探讨利用多b值扩散加权成像进行栖息地放射组学分析，在区分鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤中的作用。

研究方法

本研究纳入了110例鼻窦小圆细胞恶性肿瘤和非小圆细胞恶性肿瘤患者，将其随机分为训练数据集（n?=?88）和测试数据集（n?=?22）。根据能够分别反映细胞密度、灌注状况及异质性的真实扩散系数（Dt）、灌注分数（f）和平均峰度系数（MK），通过k均值聚类方法将鼻窦肿瘤分为四种不同的类型。在提取放射组学特征并降低维度后，采用逻辑回归（LR）、朴素贝叶斯（NB）、支持向量机（SVM）、随机森林（RF）、XGBoost（XGB）和多层感知器（MLP）分类器构建了放射组学模型、栖息地模型以及融合模型。模型性能通过接收者操作特征曲线（ROC）曲线、校准曲线和决策曲线分析（DCA）来评估。

研究结果

融合模型MK+Habitat_3_RF结合了放射组学特征和栖息地特征，在训练数据集和测试数据集中的AUC值分别达到0.936和0.940，表现最为优异。校准曲线和DCA分析结果表明该模型的拟合度更高，实际应用价值更大。此外，在测试数据集中，MK+Habitat_3_RF的AUC值显著高于传统DWI的放射组学模型、ADC的一阶特征“original_firstorder_Mean”以及两名放射科医生的视觉评估结果（Ps?<?0.05）。

研究结论

MK+Habitat_3_RF是一种准确且无创的工具，可用于区分鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤。