目的:利用常规MRI联合扩散峰度成像(DKI)建立多参数影像组学模型,预测脑胶质瘤术前病理分级.方法:回顾性分析51例脑胶质瘤患者的术前常规MRI及DKI资料,DKI经后处理得到平均峰度(MK)参数图.将DICOM格式图像上传至放射组学云平台,手动勾画肿瘤ROI,进行特征提取及筛选.使用支持向量机算法建立脑胶质瘤分级预测模型,以5折交叉验证的方法对预测模型进行验证.绘制ROC曲线,在约登指数最大时作为最佳截止值,得到预测模型的敏感度和特异度.计算AUC以评价模型的预测效能.结果:每个MRI序列分别提取1409个影像组学特征.T1WI、T2WI、T2 FLAIR、CE-T1WI及MK序列在测试集中得到的AUC值依次为0.686、0.818、0.800、0.843及0.864,以MK序列预测效能最高,其敏感度、特异度和约登指数分别为0.800、0.857、0.657.联合多序列建立组合模型,其中由T1WI+T2 FLAIR+CE-T1WI+MK构成的组合序列效能最高,AUC值为0.995,敏感度、特异度和约登指数分别为0.867、0.905、0.772.结论:常规MRI联合DKI的多参数影像组学模型可准确鉴别高、低级别脑胶质瘤,提高预测效能.

胶质瘤;影像组学;扩散峰度成像;磁共振成像;机器学习

尹娣;陈国丹;盛玉瑞;李继振;曾庆师

山东大学齐鲁医学院,山东 济南 250012;空军军医大学唐都医院放射科/陕西省功能与分子影像重点实验室,陕西 西安710038;山东第一医科大学第一附属医院放射科,山东 济南 250014;山东大学附属山东省精神卫生中心医学影像科,山东 济南 250014

中国中西医结合影像学杂志

[1]尹娣;陈国丹;盛玉瑞;李继振;曾庆师-.常规MRI联合扩散峰度成像的影像组学模型对脑胶质瘤分级的预测)[J].中国中西医结合影像学杂志,2022(02):117-121,136

T1WI+T2,FLAIR+CE,T1WI+MK

扩散峰度成像,脑胶质瘤,胶质瘤分级,DKI,多参数,病理分级,理得,平均峰度,DICOM,式图,放射组学,手动勾画,ROI,支持向量机算法,分级预测模型,交叉验证,约登指数,截止,预测效能,影像组学特征,T2WI,测试集,序列预测,和约,组合模型,低级,磁共振成像

0.232724