《表4 单特征变量与多变量模型性能比较(P值)》

  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

《根据磁共振T2加权影像特征预测乳腺癌组织学分级》

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T2加权MRI影像多特征预测组织学分级中，通过计算AUC值、标准误差（standard error，SE）、95%置信区间（confidence interval，CI）、F1值以及敏感性和特征性，分别对3种模型的预测结果进行全面综合评估，如表2所示。可以看出，最佳预测模型为SVM模型，其AUC值为0.772±0.036，95%置信区间为0.702～0.842。MLR预测模型的AUC为0.767±0.036，95%置信区间为0.696～0.839；MTL预测模型的AUC值为0.771±0.037，95%置信区间为0.669～0.843。此外，3个预测模型的灵敏度分别为0.737、0.747、0.684，特异性分别为0.653、0.667、0.708，F1值分别为0.737、0.747、0.718。在表3中，分别列举了T2影像特征预测模型的所有重要特征（通过对LOOCV过程中模型特征筛选的频率统计），可见每个模型中都有大面积高灰度级增强和病灶半径两个特征。图4为MLR、SVM和MTL等3个预测模型的预测组织学分级性能比较，其中（a）为3个预测模型AUC值和标准误差的值，（b）为3个预测模型的ROC曲线。如图4所示，3个预测模型在预测组织学分级的分类性能（AUC值）非常接近，其中SVM最优，MTL次之，MLR最低。此外，对单变量模型与多变量模型进行显著差异分析，发现P值均大于0.05，即没有显著差异。这说明，单个纹理特征（大面积高灰度级增强）的模型预测性能具有较好的区分性，与基于多特征的模型预测性能相似，具体结果如表4所示。