增强CT影像组学特征构建随机森林机器学习模型鉴别诊断小细胞肺癌与非小细胞肺癌的应用价值.pdfVIP

影像技术影像研究与医学应用2025年4月第9卷第7期

增强CT影像组学特征构建随机森林机器学习模型鉴别

诊断小细胞肺癌与非小细胞肺癌的应用价值

1233334

张德唯，王梓延（通信作者），马楚塬，胡思瑶，黄孜恒，赵子康，叶汝娴

（1广州医科大学附属清远医院清远市人民医院影像科广东清远511518）

（2广州医科大学附属清远医院清远市人民医院核医学科广东清远511518）

（3广州医科大学第六临床学院广东清远511518）

（4广州医科大学附属清远医院清远市人民医院体检科广东清远511518）

CTCTRFRFSCLCSCLCNSCLCNSCLC

【【摘要摘要】】目的：目的：探讨增强探讨增强影像组学特征构建随机森林（影像组学特征构建随机森林（）机器学习模型鉴别诊断小细胞肺癌（）机器学习模型鉴别诊断小细胞肺癌（）与非小细胞肺癌（）与非小细胞肺癌（））

的应用价值。的应用价值。方法：方法：选取2017年1月—2024年8月在广州医科大学附属清远医院（清远市人民医院）影像中心行肺部选取2017年1月—2024年8月在广州医科大学附属清远医院（清远市人民医院）影像中心行肺部CTCT双期增强扫描的双期增强扫描的

84例患者的增强84例患者的增强CTCT扫描图像，按照约7:3的比例随机分为训练集（58例）和验证集（26例）。使用最大相关最小冗余算（扫描图像，按照约7:3的比例随机分为训练集（58例）和验证集（26例）。使用最大相关最小冗余算（mRMRmRMR）法降）法降

RFRFROCROCAUCAUC

维处理后的特征分别构建动脉期、静脉期和双期联合维处理后的特征分别构建动脉期、静脉期和双期联合机器学习模型。采用受试者工作特征（机器学习模型。采用受试者工作特征（）曲线的曲线下面积（）曲线的曲线下面积（）评估增强）评估增强

CTCT双期影像组学特征构建双期影像组学特征构建RFRF机器学习模型的诊断效能。机器学习模型的诊断效能。结果：结果：动脉期联合静脉期机器学习模型诊断动脉期联合静脉期机器学习模型诊断SCLCSCLC与与NSCLCNSCLC的灵敏度、特异度、的灵敏度、特异度、

AUCAUCAUCAUC

准确率、准确率、分别为0.818、0.733、0.769和0.861，其中反映诊断效能的分别为0.818、0.733、0.769和0.861，其中反映诊断效能的高于单独动脉期和单独静脉期所构建的模型（0.736和0.836）。高于单独动脉期和单独静脉期所构建的模型（0.736和0.836）。

结论：结论：基于双期增强基于双期增强CTCT影像组学特征构建的影像组学特征构建的RFRF模型对模型对SCLCSCLC和和NSCLCNSCLC的鉴别具有重要价值。的鉴别具有重要价值。

计算机体层摄影；影像组学；机器学习；小细胞肺癌；非小细胞肺癌计算机体层摄影；影像组学；机器学习；小细胞肺癌；非小细胞肺癌

【关键词】【关键词】

R445.3R445.3AADOIDOI:10.20267/j.issn.2096-3807.2025.07.017:10.20267/j.issn.2096-3807.2025.07.017

【中图分类号】【中图分类号】