不同深度学习重建水平下T2加权前列腺图像中影像组学特征的可重复性研究OACSTPCD

目的评估未采用深度学习重建(Deep Learning-based Reconstruction,DLR)与采用不同水平DLR的前列腺磁共振成像(Magnetic Resonance Imaging,MRI)图像中提取的影像组学特征的可重复性。方法纳入57例疑似前列腺癌患者的T2加权图像,分别采用常规重建方法及低、中、高3个水平DLR技术重建。从原始图像、高斯拉普拉斯(Laplacian of Gaussian,LoG)滤波图像和小波变换图像中提取影像组学特征,采用组内相关系数(Intra-Class Coefficient,ICC)量化影像组学特征的可重复性,并评估特征校正对减轻重建相关影响的作用。结果随着DLR水平升高,特征总体可重复性显著降低(P<0.05)。纹理特征中,灰度尺寸区域矩阵指标对重建水平最敏感,有5个特征的ICC<0.75;而一阶特征保持稳定,ICC均值为0.99。在滤波图像相关分析中,LoG滤波表现出最优的稳定性,所有LoG滤波影像组学特征的ICC>0.96;而通过小波变换高频图像提取的特征,随着高频成分占比增加,可重复性下降趋势显著。此外,开展特征校正能够有效提升影像组学特征的可重复性。结论DLR会影响前列腺MRI影像组学特征的可重复性,基于DLR的图像开展影像组学特征分析时,优先选择一阶特征或LoG滤波特征,并通过特征校正减小偏差。