节点文献

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

免费订阅

【作者】 穆建华张雁伟吴志钢

【Author】 MU Jianhua;ZHANG Yanwei;WU Zhigang;Department of Radiology, Beijing Jishuitan Hospital;

【通讯作者】 吴志钢;

【机构】 北京积水潭医院放射科

【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(P<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。

【关键词】 影像组学胶质瘤病理分级机器学习
【所属期刊栏目】 论著_技术研究 (2020年01期)
  • 【分类号】R445.2;R739.41
  • 【下载频次】53
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: