目的 探索基于T2WI的纹理分析和机器学习在区分肾乏脂血管平滑肌脂肪瘤(angiomyolipoma without visible fat,AMLwvf)和肾癌中的效能.材料与方法 回顾分析80例肾脏肿瘤,包括肾AMLwvf、肾透明细胞癌、乳头状肾细胞癌和肾嫌色细胞癌各20例.软件勾画得到感兴趣容积,提取特征.克鲁斯卡尔-沃利斯检验提示肾癌亚型之间所有特征差异无统计学意义,故将肾癌亚型合并为肾癌组进行后续分析.单因素分析:通过非参数检验和ROC曲线寻找最佳特征,分析诊断效能.多特征建模:通过SPSS Modeler软件进行特征选择,构建并评价多个决策树C5.0模型.结果 最佳特征为最小灰度,AUC为0.888,鉴别准确性为86.25％.最佳模型的AUC为0.950,诊断肾AMLwvf的敏感度为90.00％,特异度为100％,阳性预测值为100％,阴性预测值为96.77％,准确度为97.5％,交叉验证准确度为95.0％.结论 基于T2WI的纹理分析和决策树C5.0模型可有效鉴别AMLwvf和肾癌.
作者：刘震昊；白旭；叶慧义；郭爱桃；林明权；左盼莉；王海屹
来源：磁共振成像 2021 年 12卷 2期
