《表1 基于脂肪抑制T2WI图像最小误差对应的6个纹理参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《脂肪抑制T_2WI影像组学模型在子宫肌瘤和子宫腺肌瘤中的鉴别价值》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在脂肪抑制T2WI图像上勾画的ROI区域中，共提取出396个特征参数，其中394个特征具有较好的可重复性。首先进行mRMR以消除冗余和无关的特征，保留了20个特征；然后通过LASSO回归筛选并纳入6个纹理参数构建鉴别子宫肌瘤和子宫腺肌瘤的预测模型，见图2和3。其中包括了1个纹理特征、2个GLCM特征和3个GLRLM特征。该预测模型的Rad-score=-2.1366+（2.6501×10-8×特征1）-（4.1243×10-8×特征2）+（4.3418×10-8×特征3）+（6.2868×10-4×特征4）+（1.1305×10-2×特征5）-（4.4976×10-7×特征6），见表1。子宫腺肌瘤Rad-score值的均数为-0.633，95%CI(-0.834～-0.431），子宫肌瘤Rad-score值的均数为1.330，95%CI(0.857～1.802），2组Rad-score值的差异有统计学意义（Z=-7.102，P<0.001）。Hosmer-Lemeshow拟合优度检验显示，训练组和验证组间的预测值和观察值差异均无统计学意义（P=0.148、0.472），表明无拟合偏离，数据与模型配合较好。