基于常规MRI图像的不同影像组学模型在脑胶质瘤术前分级中的应用

• 作者: 吴志钢 张雁伟 穆建华
• 来源期刊: 磁共振成像
• 学科: 医学
• 关键词: 影像组学 胶质瘤 病理分级 机器学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术研究
• 页码范围: 55-59
• 页数: 5页
• 分类号: R445.2|R739.41
• 字数: 4841字
• 语种: 中文
• DOI: 10.12015/issn.1674-8034.2020.01.012

摘要

目的 拟采用不同核磁共振图像、不同机器学习模型来建立胶质瘤术前分级的影像组学模型,探究影像组学模型在胶质瘤术前分级中的可行性.材料与方法 回顾性分析术前行常规MRI检查的脑胶质瘤患者93例,分为低级别胶质瘤(LGG组)和高级别胶质瘤(HGG组).将DICOM格式图像导入GE-AK软件,对T2WI和T1增强(T1CE)图像进行感兴趣区(region of interest,ROI)勾画,将提取得到的直方图特征和纹理特征导入R语言软件包进行特征预处理和降维,选择三种函数建立六种机器学习模型,将全部数据按照7:3比例,分为训练集与测试集,利用10倍交叉验证对六种模型进行训练,然后通过测试集进行验证,并绘制ROC曲线,计算其分类LGG与HGG的敏感度、特异度、AUC.结果 LGG组平均年龄低于HGG组,差异有统计学意义(JP＜0.01).LGG组与HGG组性别组成差异无统计学意义(P＞0.05).六种影像组学模型的AUC值均大于0.8,基于T1CE图像的影像组学模型的AUC值均大于基于T2WI图像模型的AUC,其中基于T1CE图像的RF模型的AUC最高,达到0.97.结论 影像组学诊断模型对胶质瘤的病理分级具有较好的诊断价值,六种影像组学模型的诊断效能均较高,其中基于T1CE图像的RF模型诊断效能最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雁伟	北京积水潭医院放射科	4	42	2.0	4.0
2	穆建华	北京积水潭医院放射科	1	0	0.0	0.0
3	吴志钢	北京积水潭医院放射科	3	2	1.0	1.0