《表6 3种预测模型的AUC比较》

  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

《基于超声影像组学模型预测浸润性乳腺癌淋巴管血管侵犯状态》

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

通过logistic回归算法联合影像组学评分和有效的临床病理学参数，建立影像组学模型（图5）。如图6A、B所示，在训练组中，影像组学模型在3种模型中均具有最好的预测能力，影像组学模型AUC为0.865，而另两种模型分别为0.729和0.801，在验证组中亦然（AUC:0.857vs 0.786 vs 0.759），较之单纯使用影像组学评分或临床模型，联合了超声影像组学评分和有效临床因素的影像组学模型预测能力显著提高（表6）。校准曲线验证了在训练集和验证集中预测的LVI状态与实际LVI状态有良好的一致性（图7A、B），且通过Hosmer-Lemeshow检验，显示预测数据和实际数据之间差异无统计学意义（P=0.371、0.094），说明组合模型具有良好的校准能力。图8总结了DCA预测模型的临床应用情况，结果证明，影像组学模型在很大的风险阈值概率范围内可提高对LVI阳性风险的预测能力。因此，我们构建了一个列线图以可视化方式表示预测结果。