摘要
摘要目的评估基于多参数MRI影像组学特征的机器学习方法对甲状腺乳头状癌（papillary thyroid carcinoma, PTC）患者术前预测颈部淋巴结状态的价值。材料与方法回顾性分析182例经手术病理确诊淋巴结状态的PTC患者的影像和临床资料,分为91例颈部淋巴结转移组和91例非转移组。在多种MRI影像序列[轴位T1WI、T2WI、T2WI压脂、T1WI增强、T1WI压脂增强以及弥散加权成像（diffusion weighted imaging, DWI）]中勾画感兴趣区（region of interest, ROI）获得纹理特征和直方图特征。最后，使用多参数MRI纹理特征和直方图特征作为输入，构建了支持向量机（support vector machine, SVM）模型对颈部转移和非转移淋巴结进行分类。结果结合多种磁共振序列的多参数模型具有良好的分类性能，分类准确度高达79.61％，敏感度为75.00％，特异度为83.00％，曲线下面积（area under the curve, AUC）值为0.911。结论基于多参数MRI影像组学的机器学习方法可以有效地预测PTC患者术前的颈部淋巴结状态。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
