机器学习鉴别ⅠA期宫颈癌与高级别鳞状上皮内病变：基于MRI影像组学模型
【摘要】 目的利用宫颈MRI图像提取影像组学特征，建立随机森林模型识别ⅠA期宫颈癌与高级别鳞状上皮内病变(high-gradesquamousintraepitheliallesion，HSIL)。材料与方法回顾性分析经手术病理证实的43例ⅠA期宫颈癌患者与51例HSIL患者，按照4∶1的比例设置训练集(ⅠA=34，HSIL=41)与测试集(ⅠA=9，HSIL=10)。收集其术前MRI图像，经预处理后上传至影像组学云平台，分别在OSag-T2WI、OAx-T1WI以及OAx-T2FS上逐层手动勾画宫颈，获得宫颈三维容积感兴趣区(volumeofinterest，VOI)，提取组学特征。采用方差阈值分析法(VarianceThreshold)、单变量特征选择法(SelectKBest)以及最小绝对值收缩和选择法(leastabsoluteshrinkageandselectionoperator，LASSO)进行数据降维、特征选择。采用随机森林模
