目的 探讨基于MR多序列联合影像组学模型在鉴别腮腺良恶性肿瘤及区分多形性腺瘤和Warthin瘤的临床应用价值.材料与方法 回顾性分析经手术病理证实的124例腮腺良性肿瘤患者(64例多形性腺瘤,60例Warthin瘤)和52例恶性肿瘤患者的临床资料及术前MRI图像.使用ITK-SNAP软件在T2脂肪抑制序列(fat saturated T2 weighted imaging,FS-T2WI)上手动勾画肿瘤的感兴趣区,然后配准到表观扩散系数(apparent diffusion coefficient,ADC)和对比增强T1加权成像(contrast enhanced T1 weighted imaging,CE-T1WI)图像上.采用FAE软件分别从FS-T2WI、ADC及CE-T1WI序列中提取1316个影像组学特征,利用循环特征消除(recursive feature elimination,RFE)方法进行特征选择,支持向量机作为分类器构建影像组学模型.绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价各个模型的鉴别诊断效能,并采用Delong检验评估模型间的差异.结果 腮腺肿瘤的MRI特征表现:相比腮腺良性肿瘤,恶性肿瘤多位于深叶或双叶(P<0.001),边界欠清晰(P<0.001),肿瘤内部信号欠均匀(P=0.003),多发生囊变、坏死(P=0.002),肿瘤侵犯周围结构或出现淋巴结转移提示恶性肿瘤的可能性较大(P<0.001).影像组学模型分析:基于FS-T2WI、ADC及CE-TIWI序列构建7个影像组学模型鉴别腮腺肿瘤的良恶性,其ROC曲线下面积如下:FS-T2WI模型为0.798,ADC模型为0.838,CE-T1WI模型为0.856,FS-T2WI+ADC模型为0.815,FS-T2WI+CE-T1WI模型为0.858,ADC+CE-T1WI模型为0.863,多序列联合模型为0.878.以同样的方法构建7个影像组学模型鉴别腮腺多形性腺瘤和Warthin瘤,其ROC曲线下面积分别为:0.724、0.910、0.848、0.887、0.876、0.915、0.954.结论 多序列联合模型鉴别腮腺良恶性肿瘤及区分多形性腺瘤和Warthin瘤的诊断效能优于单一序列和双序列,其中单序列中又分别以CE-T1WI和ADC模型的诊断效能最高.

腮腺肿瘤;磁共振成像;影像组学;Warthin瘤;多形性腺瘤

齐金博;高安康;白洁;程敬亮;文宝红;王斐斐;张赞霞;马潇越

郑州大学第一附属医院磁共振科,郑州 450052

磁共振成像

[1]齐金博;高安康;白洁;程敬亮;文宝红;王斐斐;张赞霞;马潇越-.MR影像组学在鉴别腮腺良恶性肿瘤中的临床应用价值)[J].磁共振成像,2022(05):34-39

TIWI,T2WI+ADC,T2WI+CE,ADC+CE

良恶性,临床应用价值,Warthin,材料与方法,经手,手术病理,腮腺良性肿瘤,恶性肿瘤患者,ITK,SNAP,脂肪抑制,fat,saturated,weighted,imaging,FS,上手,手动勾画,感兴趣区,配准,表观扩散系数,apparent,diffusion,coefficient,对比增强,加权成像,contrast,enhanced,T1WI,FAE,影像组学特征,循环特征,recursive,feature,elimination,RFE,特征选择,分类器,受试者工作特征,receiver,operating,characteristic,鉴别诊断,诊断效能,Delong,检验评估,腮腺肿瘤,特征表现,双叶,肿瘤内,内部信号,肿瘤侵犯,周围结构,淋巴结转移,联合模型,腮腺多形性腺瘤,一序列,双序列,单序列,磁共振成像

0.294687