继发胶质母细胞瘤前体肿瘤MRI特征探索及预测复发的SVM模型的构建

• 作者: 张立伟 魏新亭
• 来源期刊: 河南医学研究
• 学科: 医学
• 关键词: 继发胶质母细胞瘤 磁共振成像 病理学 支持向量机 主成分分析
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论著
• 页码范围: 1932-1936
• 页数: 5页
• 分类号: R739.4
• 字数: 2852字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-437X.2020.11.004

摘要

目的 探索继发胶质母细胞瘤(sGBM)前体低级别胶质瘤MRI的特征值,基于机器学习构建预测复发的支持向量机(SVM)模型.方法 回顾性分析2011年10月至2019年10月郑州大学第一附属医院神经外科收治的89例复发胶质瘤患者临床资料.分析MRI T2 FLAIR像.3D slicer软件半自动确定肿瘤范围.python程序包pyradiomics提取各自特征值,数据标准化后主成分分析(PCA),由R包e1071构建SVM模型,选择径向基函数,网络搜索及交叉验证选择最佳参数并绘制模型ROC曲线.结果 将89例样本分为sGBM组(40例)和非sGBM组(49例).两组性别、年龄、肿瘤原发部位差异无统计学意义(均P>0.05),两组IDH、ATRX及TP53的突变差异无统计学意义(均P>0.05),1p19q的联合缺失是肿瘤复发进展为sGBM的保护因素.3D slicer圈定ROI后Python程序包pyradiomics提取得到包含7种像素矩阵共107个特征值,其中30个特征值在两组间差异有统计学意义(均P<0.05),定义为sGBM前体胶质瘤的MRI特征值.SVM模型参数:惩罚系数C为7,γ值为7,degree值为3,coef0值为0.ROC曲线示AUC面积为0.864.结论 sGBM前体胶质瘤患者的MRI T2 FLAIR像较复发后未进展为sGBM的患者均一性较差,纹理粗糙且有较大面积的低信号区域.基于影像组学的机器学习模型可有效预测胶质瘤复发转归,有利于评估预后及早期诊断和干预.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏新亭	郑州大学第一附属医院神经外科	88	395	11.0	16.0
2	张立伟	郑州大学第一附属医院神经外科	1	0	0.0	0.0