论文部分内容阅读
目的 探讨MR多参数成像纹理及定量分析结合机器学习在诊断高级别前列腺癌中的价值.方法 回顾性分析临床怀疑前列腺癌并接受前列腺多参数MRI的患者资料,所有患者均经直肠超声引导穿刺活检取得病理结果.采用Omni-Kinetics软件分析T2 WI、ADC、T1 WI动态增强(T1 WI_DSC)序列,提取病变区纹理特征及定量数据导入R软件进行多因素逻辑回归分析.采用ROC曲线评价各单序列(T2 WI、ADC、T1 WI_DSC)及多序列所得参数(T2 WI+ADC+T1 WI_DSC)在诊断高级别前列腺癌中的价值.结果 前列腺良性增生120例及高级别前列腺癌74例纳入研究.4种模型(T2WI、ADC、T1WI_DSC、T2WI+ADC+T1WI_DSC)预测高级别前列腺癌敏感性分别为86.96％、73.91％、65.22％、86.96％,特异性分别为75.00％、86.11％、66.67％、88.89％,准确率分别为79.66％、81.36％、66.10％、88.14％,AUC值分别为0.8925、0.8575、0.6667、0.9396.结论 MR多参数纹理及定量分析结合机器学习诊断高级别前列腺癌有较高的价值,可临床推广运用于诊断高级别前列腺癌.