优化前列腺癌诊断的影像组学:特征选择策略、机器学习分类器与MRI序列
该研究使用两个多中心数据集(465例与204例)比较10种特征选择方法、4种机器学习分类器和T2w/ADC/联合特征对双参数MRI诊断临床显著性前列腺癌模型性能的影响,共建立480个模型,发现特征选择方法和特征来源对性能影响显著,ADC衍生特征优于T2w且联合无增益。
要点
- 特征选择方法对模型性能的影响大于机器学习分类器。
- 表现最佳的特征选择方法为RFE、L1-lasso、RF变量重要性和Boruta。
- ADC衍生影像组学特征构建的模型比T2w衍生特征更稳健,二者联合未提升性能。
核心结论
- 特征选择方法和影像组学特征来源对临床显著性前列腺癌诊断模型性能有深远影响。
- Boruta、RFE、L1-lasso和RF变量重要性是表现最佳的特征选择方法,机器学习分类器的选择未显著影响结果。
- ADC衍生特征判别力最高,T2w衍生特征信息量较低,二者联合未带来性能提升。
研究设计与样本
- 研究为影像组学方法学比较研究,使用两个多中心数据集:ProstateNET(465例)和公开的ProstateX2(204例)。
- ProstateNET为多中心、多厂商前列腺癌数据集,来自8个欧洲国家的12个临床中心,使用Siemens、Philips和GE不同型号设备采集,无直肠内线圈。
- ProstateX2包含204例患者mpMRI,使用两种Siemens 3-T扫描仪采集,采用涡轮自旋回波序列,无直肠内线圈。
- 临床显著性前列腺癌由活检或前列腺切除术组织学确定,定义为Gleason分级≥2,对应Gleason评分≥7。
- 每例患者每个MRI序列提取1246个影像组学特征,使用10种特征选择方法、4种机器学习分类器和三种特征来源(T2w、ADC及二者联合)构建模型,共480个模型。
诊断标准与关键数值
- 临床显著性前列腺癌定义为Gleason分级≥2(对应Gleason评分≥7),基于欧洲泌尿外科学会指南。
- 嵌套交叉验证中最佳模型为Boruta联合Boosted GLM(AUC=0.71,F1=0.76)。
- 外部验证中最佳模型为L1-lasso联合Boosted GLM(AUC=0.71,F1=0.47)。
- 外部验证中120个模型有62个至少一次表现出显著优于其他模型,最频繁的显著差异来自bpMRI特征联合RF-imp与Boosted GLM分类器(31次)或L1-lasso与SVM分类器(30次)。
临床应用与阅片要点
- 作者认为特征选择方法的选择是优化影像组学前列腺癌分析预测性能的关键决定因素。
- 作者指出ADC衍生影像组学特征构建的模型最稳健,T2w衍生特征信息量较低,二者联合未带来明显改善。
局限性
- 原文未报告局限性。
全文中译17 节 · 点击展开
引言
前列腺癌(PCa)是一种常见的男性疾病,早期诊断是有效治疗的基石,估计10年生存率可达99%[1]。尽管只有通过活检才能确诊PCa,但磁共振成像(MRI)在可疑区域的初步评估和定位中发挥着关键作用[2]。
影像组学利用人工智能(AI)的能力,从医学图像中提取无创的定量生物标志物,这些标志物与肿瘤异质性和生物学特征相关,有助于多种疾病(包括PCa)的检测、诊断和表征[3–7]。影像组学分析包括几个方法学上相互关联的步骤,包括图像采集、感兴趣区域(ROI)勾画、提取数百至数千个影像组学特征、特征选择以及模型开发[8]。
特征选择在影像组学工作流程的可靠性和泛化性中发挥着关键作用[9]。这是因为变量间的冗余和多重共线性会对机器学习(ML)模型产生不利影响,导致误导性结果、过拟合和可解释性降低[10]。此前为解决特征维度过大、过拟合以及提高ML分类器预测性能等相关问题所做的努力,主要集中在标准化成像生物标志物以及解决影像组学特征的可重复性和稳定性方面。尽管取得了诸多进展,但在严格评估影像组学中各种特征选择方法和ML分类器的性能方面仍存在关键差距,尤其是在PCa诊断的背景下[11]。
已提出多种特征选择方法,旨在将大型影像组学数据集缩减为合理数量的特征,这些特征足以描述与所讨论分类任务最相关和最具预测性的成像特征[12, 13]。特征选择方法分为三种方法学类别,包括过滤法、包装法和嵌入法,每种方法都提供了不同的途径来识别最具信息量的特征,同时缓解过拟合和降维等问题[14]。不同的特征选择方法可能将不同的特征识别为相关特征,方法的选择可能影响影像组学模型的性能[13]。
若干研究也探讨了算法选择对影像组学性能的影响,发现模型性能可能存在很大差异[15]。虽然基于树的方法(主要是随机森林(RF))往往表现最佳,但一些研究也得出了支持向量机(SVM)和线性模型具有优越性的结论[16–20]。然而,ML选择对PCa诊断影像组学模型的影响仍不明确。
本研究旨在使用不同的验证设置,全面评估几种常用特征选择方法和机器学习(ML)分类器以及双参数磁共振成像(bpMRI)序列在基于影像组学的前列腺癌(PCa)诊断中的作用。尽管既往研究已探讨了影像组学分析的各个单独方面[16, 21–26],但尚缺乏对多种特征选择技术和预测模型的全面比较。本研究旨在通过系统评估这些方法,填补这一空白,以提高影像组学模型在前列腺癌研究中的性能和可靠性。
研究人群和结局定义(第1步)
使用了两个人群:ProstateNET [27],这是一个多中心、多厂商的前列腺癌数据集;以及公开可用的ProstateX2数据集[28]。ProstateNET包含数千张前列腺癌多参数磁共振成像(mpMRI)图像,这些图像使用西门子、飞利浦和GE不同型号的设备采集,来自8个欧洲国家的12个临床中心。为我们的研究目的,共有465例回顾性收集的、具有手动病灶分割且未使用直肠内线圈采集的患者数据可用。ProstateX2数据集包含204例患者的mpMRI,使用两种西门子3-T扫描仪、采用涡轮自旋回波序列且未使用直肠内线圈采集。相应的人工生成病灶分割[29, 30]已公开可用(https://github.com/rcuocolo/PROSTATEx_masks)。
两个数据集的临床特征见表1。临床显著性前列腺癌(csPCa)通过活检或前列腺切除术进行组织学确定,并根据欧洲泌尿外科学会指南定义为Gleason分级≥2,对应于Gleason评分≥7 [31, 32]。基于这一定义,ProstateNET中74%的患者被诊断为csPCa,ProstateX2中为25%。
预处理和特征提取(第2步)
首先,使用N4偏场校正算法[33]和Python软件包SimpleITK(版本2.2.12.0.0)对所有T2w图像应用偏场校正,以补偿强度不均匀性。所有后续预处理步骤,包括重采样至各向同性体素、像素强度值归一化和离散化,均使用开源PyRadiomics库(版本2.2.0)[34]中嵌入的函数执行。确切配置见补充表1。所有扫描均使用b样条插值重采样至1 mm平面内分辨率和层厚。感兴趣区(ROI)也被重采样至表观扩散系数(ADC)图。进行了强度归一化,将数值缩放100倍。对于直方图离散化,采用绝对离散化方法(固定箱宽),因为与相对离散化相比,该方法在MRI中倾向于保留更多可重复的特征[35]。最优箱宽的定义使每幅图像直方图中的箱数范围为30至128个箱[36]。
从每个代表肿瘤体积的3D ROI中,分别从T2w扫描和ADC图提取放射组学特征。特征提取包括形状、一阶、灰度共生矩阵、灰度游程长度矩阵、灰度尺寸区域矩阵、灰度依赖矩阵和邻域灰度差矩阵特征。除原始图像域外,还从变换后的图像中提取高阶特征,即在应用梯度滤波器、核尺寸为2 mm至5 mm的高斯-拉普拉斯滤波器以及在每个图像维度上应用高低通滤波器所有组合的小波滤波器之后。该过程导致每位患者每个MRI序列提取1246个特征。
特征选择(第3步)
在特征选择之前,我们剔除了高度相关的特征以及与结局无关的变量。使用0.01的方差阈值排除低方差特征,并使用0.85的Pearson相关阈值消除多重共线特征。如果两个变量的相关性超过阈值,我们剔除与其他变量平均绝对相关性最大的那个变量。随后,监督式特征选择仅应用于训练数据以防止数据泄漏。为了仅保留与结局相关的特征,进行了Wilcoxon秩和检验,显著性阈值设为0.1,使我们能够优先选择一部分特征进行进一步的特征选择。该方法显著减少了特征数量(< 150个变量),便于进行更全面的特征选择。
实施了某些最常用的特征选择技术,包括四种过滤法、三种包装法和三种嵌入法。
过滤法
最小冗余最大相关集成(mRMRe):使用互信息选择与结局相关的特征(相关性),同时最小化特征之间的相关性(冗余性)。
ReliefF:基于实例学习评估特征重要性,通过评估不同类别间特征值的差异。基于最近邻实例对之间的差异为每个特征分配特征评分。
基于相关性的前向选择策略特征选择(CorrSF):一种基于相关系数的前向选择策略,逐步纳入相关特征同时考虑它们之间的相互关系。
统计等效多特征子集(SES):一种前向-后向特征选择方法,通过单变量关联和条件独立性检验评估特征相关性,根据统计显著性对特征进行排序。
包装法
Boruta:基于RF,通过比较特征与阴影特征(随机置换)的重要性来选择特征。排名靠前的特征通过Benjamin Hochberg方法[37]进行p值校正,超过阈值的特征被选中。
递归特征消除(RFE):用所有特征拟合模型,并迭代地移除最弱的特征。在此,使用SVM进行基于RFE的特征选择。
遗传算法(GA):模拟遗传进化,评估各种特征子集,通过遗传操作在世代间进化它们,并使用预定义标准评估其适应度。
嵌入法
L1-lasso:将带有L1正则化的最小绝对收缩和选择算子(lasso)应用于线性模型,对系数的绝对值进行惩罚以促进特征稀疏性,使部分系数趋近于零[38]。
HSIC-lasso:将希尔伯特-施密特独立性准则(HSIC)[39]整合到lasso框架中。与L1-lasso不同,它衡量特征与结局之间的独立性。可将其视为mRMR特征选择算法的凸变体。
随机森林变量重要性(RF-imp):在随机森林框架内利用树最小深度方法来评估特征的重要性。
模型构建与性能评估(第4步)
考虑两种实验设置用于训练和验证预测模型[40]。在设置1中,对ProstateNET数据集进行嵌套交叉验证(CV),采用3个外层折,确保目标类别和临床站点的分布在各折之间保持一致。在设置2中,模型在ProstateNET数据集上训练,并使用ProstateX2进行外部验证。
关于放射组学特征的影像来源,考察了三种情形:(i)使用T2w衍生特征,(ii)使用ADC衍生特征,(iii)联合T2w和ADC特征(bpMRI)。
为构建基于放射组学的模型,我们选择了四种成熟且方法学多样的机器学习分类器,即随机森林(RF)、LASSO、采用径向基函数的支持向量机(SVM)以及提升广义线性模型(Boosted GLM)。每个分类器均通过20次重复5折交叉验证进行训练以调优超参数。采用降采样以平衡类别,并通过网格搜索和参数网格的自适应重采样获得参数调优。
模型性能主要基于受试者工作特征曲线下面积(AUC)和F1分数进行估计,但也计算了其他指标,包括平衡准确率(BA)、阴性预测值(NPV)、阳性预测值(PPV)/精确率、灵敏度/召回率和特异度。
统计分析
描述性统计以均值和标准差报告。模型在ROC AUC方面的性能比较采用DeLong检验,p值小于0.05视为显著。由于存在多重比较,使用Bonferroni校正调整显著性阈值并控制总体I类错误率。不同因素及其交互作用对模型性能的影响通过多因素方差分析进行量化。我们检验了以下零假设:在所考虑的因素中,模型的AUC性能不存在显著差异。具体而言,我们评估了特征选择、机器学习分类器和MRI序列的主效应及其交互作用。此外,还确定了在各种特征选择方法和设置下最常被选择的放射组学特征,为持续贡献预测性能的特征提供了见解。特征选择、预测建模和统计分析使用R(版本4.3.0)完成。
放射组学研究质量评估
为确保放射组学研究的可信度、可重复性和透明度,本研究遵循了放射组学研究评估清单(CLEAR)[41]报告指南,并使用放射组学方法学评分(METRICS)[42]评估其质量。在CLEAR清单的58个条目中,共涉及44项(是:44;否:10;不适用:4),METRICS质量评分为“优秀”(81.7%)。CLEAR和METRICS评分的详细信息汇总于补充表S2和S3中。
结果
鉴于不同的验证设置、MRI序列、特征选择方法和机器学习分类器,本研究共产生了480个放射组学模型。表2和表3分别显示了在设置1和设置2中,使用不同特征选择方法的模型平均性能(AUC和F1)。在两种情况下,ADC衍生的放射组学特征的平均性能均高于T2w放射组学特征,而T2w和ADC特征的组合(bpMRI)未产生任何明显改善。在设置1中,mRMRe和RF-imp方法分别导致最高的平均AUC(0.74 ± 0.04)和F1(0.78 ± 0.04)。在设置2中,L1-lasso和RF-imp产生最佳AUC(0.74 ± 0.04),而RFE产生最高F1(0.78 ± 0.04)。每个分类器和特征选择方法的详细性能评估见补充图S1和S2。
考虑到特征选择方法与机器学习分类器之间的潜在交互作用,我们评估了某些组合是否比其他组合表现更好。图2和图3中的箱线图分别展示了在设置1和设置2中每种特征选择方法与机器学习分类器组合的平均性能。在设置1中,最佳模型来自Boruta与Boosted GLM的组合(AUC = 0.71,F1 = 0.76)。Boruta、RFE、L1-lasso和RF-imp属于表现最佳的特征选择方法,通常与Boosted GLM和LASSO分类器组合使用。值得注意的是,使用mRMRe的模型变异性最高。设置2中的最佳模型来自L1-lasso与Boosted GLM的组合(AUC = 0.71,F1 = 0.47)。无论选择何种分类器,L1-lasso总体表现最佳,而RFE、Boruta和RF-imp属于表现最佳的特征选择方法。
经Delong检验确定,并在多重比较校正后(校正p值 = 0.00042),在设置2中表现出显著优越性能的模型如图4所示。x轴表示特定模型显著优于其他模型的频率,而模型按出现频率降序排列于y轴。在外部验证设置中训练和测试的120个模型中,有62个至少一次表现出对其他模型的显著优越性。最频繁的统计学显著差异来自bpMRI特征与RF-imp和Boosted GLM分类器的组合,共计31次,或与L1-lasso和SVM分类器的组合,共计30次。按MRI序列、特征选择方法和机器学习分类器分类的分组分析结果见补充图S3。
机器学习(ML)分类器与MRI序列的比较
机器学习(ML)分类器在设置1和设置2中的性能(对所有特征选择方法取平均值)分别见表4和表5。提升广义线性模型(Boosted GLM)在若干情况下表现出略微改善的性能,而随机森林(RF)的轻微优势仅在设置2中被观察到。然而,未出现明显趋势表明任何特定算法具有一致的优越性。
性能变异解释
图5显示了在所有实验合并分析时(图5A)以及分别对两种设置分析时(图5B),不同因素可解释的AUC变异百分比。总体而言,特征选择方法、分类器、MRI序列及其交互作用解释了AUC变异的45%。MRI序列是变异的最主要来源,其解释了AUC评分总方差的28.8%(F = 4.17,p < 0.05)。特征选择解释了5.8%(F = 92.83,p < 0.05),特征选择与MRI序列的交互作用另外解释了总变异的5.7%(F = 2.02,p < 0.05)。这些因素/交互作用对AUC的影响均具有统计学显著性。相反,分类器及其与其他因素的交互作用各自解释的总方差不足2%,相应的影响无统计学显著性。值得注意的是,在设置2中,MRI序列解释了AUC变异的73%,而设置1中为21%。
影像组学特征
仅考虑ADC影像组学特征集时,图6A显示了每种特征选择方法和设置/折所选特征的数量。特征数量范围为3至27个,其中Boruta(18–26个特征)和RFE(17–22个特征)选择的特征较多,而SES(4–6个特征)和RF-imp(7–8个特征)产生的特征子集较小。L1-lasso(11–27个特征)在设置/折之间观察到较高的变异性。
图6B显示了在所有设置/折中同时被选择的ADC影像组学特征,以及它们在各方法中被选择频率的详细信息。在所有实验中至少被一种方法选择的16个特征中,对于被选择频率最高的四个特征,各方法间的选择频率具有良好的一致性。值得注意的是,“wavelet.LLL.firstorder_Minimum”在设置2的所有方法中以及在设置1的每一折中10种方法里的8种中被一致选择。
讨论
本研究全面评估了一些最流行的特征选择方法和机器学习(ML)分类算法对不同bpMRI序列组合的影响,重点关注前列腺癌(PCa)诊断。特征选择方法对模型性能的影响在不同实验中存在差异,而不同ML算法产生的性能评分相似。因此,在基于影像组学的PCa分析背景下,采用有依据的特征选择方法成为优化整体预测性能的关键决定因素。RFE、L1-lasso、RF-imp和Boruta在大多数指标上表现出一致的优越性。同样,在最近的一项研究中,RFE被强调为从bpMRI预测临床显著性前列腺癌(csPCa)最有效的特征选择方法[16]。
过滤法,如基于互信息的方法,应用统计学方法去除特征,通常基于相关性或方差,而不应用任何预测建模。由于其简单性和高效性,这是影像组学研究中选择特征的热门选择[43]。包装法,如Boruta[44]和RFE[45],创建特征子集并将该子集应用于预测模型以评估其性能。这些方法的优势在于考虑了影像组学特征之间的相关性和交互作用,部分克服了单变量过滤法的局限性,后者仅研究影像组学特征之间的统计关系。包装法的主要局限性在于从高维空间中寻找最优特征集的高计算成本,以及过拟合风险增加。嵌入法通过在生成ML模型过程中执行特征选择,结合了过滤法和包装法的优势[46]。嵌入式特征选择方法的例子包括基于树的算法,如RF分类器和LASSO。本工作中实施和评估的特征选择方法的选择,是基于涵盖全面方法学谱系的需要[47]。纳入了多种过滤法、包装法和嵌入法,特别关注擅长处理高维数据、减少冗余和增强模型可解释性的技术。
对于分类任务,我们评估了一些最常用的ML算法,确保方法学多样性的同时也考虑了先前在其他基于影像组学的比较研究中其有效性的证据[48–50]。提升广义线性模型(Boosted GLM)显示出边际优越性,但这一趋势缺乏一致性。总体而言,ML分类器在各实验中产生了相似的性能评分,表明没有哪种算法比其他算法更为稳健。这与现有文献一致,表明特征选择方法的选择对预测性能的影响大于分类器的选择[13, 16]。
毫无疑问,影像组学特征的来源对模型性能的影响最大。在PCa影像组学研究中,结合多个MRI序列进行特征提取是常见做法。然而,将T2w与ADC或DWI特征结合所带来的附加价值仍是一个研究课题[51]。我们的研究表明,仅使用ADC影像组学特征可获得最稳健的模型,因为整合T2w衍生特征并未带来任何显著改善。同样,在一项比较bpMRI序列以区分高级别PCa的研究中,联合T2w-DWI模型与仅DWI模型之间的AUC无显著差异[52]。在另一项研究中,将T2w信息加入PCa检测模型甚至降低了预测性能,与基于ADC的模型相比[53]。
我们的研究也存在某些局限性,应予说明。具体而言,在穷举式特征选择之前,消除冗余特征(特征内相关性)和无关特征(特征-结局相关性)的效果未被评估。此外,将临床变量纳入影像组学模型或结合多种特征选择方法,有可能改善模型性能。
尽管本研究为改进诊断csPCa的影像组学工作流程提供了有价值的参考,但在解读结果时仍需谨慎。需要进一步研究以确定哪种特征选择方法和ML算法在影像组学应用中更稳健、稳定且通用。其有效性应在不同的MRI数据集上加以确认,不仅用于csPCa的诊断,理想情况下还应适用于不同的临床场景。此外,未来的研究工作应优先开发和评估稳健的特征选择策略,以进一步推进影像组学模型的可靠性和泛化性。特别是,基于深度学习的特征选择,例如基于自编码器的无监督技术[54, 55],是影像组学研究中的一个新兴课题,与传统方法相比,有可能改善分类结果[56]。
我们的发现可为未来的影像组学研究提供指导,为开发更有效、更可靠的影像组学模型铺平道路,不仅有助于推进PCa诊断策略,还可为影像组学在不同医学背景下的更广泛应用提供参考。
补充信息
电子补充材料
引用
- Mylona E, Zaridis DI, Kalantzopoulos CΝ, et al. Optimizing radiomics for prostate cancer diagnosis: feature selection strategies, machine learning classifiers, and MRI sequences. Insights Imaging. 2024. PMID: 39495422. doi:10.1186/s13244-024-01783-9
- 全文:PMC11535140(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11535140/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。