基于MRI影像组学在脑胶质瘤分级中的研究OA

目的构建基于MRI影像组学模型,以鉴别高级别胶质瘤(HGG)与低级别脑胶质瘤(LGG)。方法回顾性收集经手术病理证实的120例脑胶质瘤患者病例,按照7∶3的比例随机分为训练集(n=84)和测试集(n=36)。入组患者均于术前行对比增强T_(1)WI(CE-T_(1)WI)和T_(2)液体衰减反转恢复(T_(2) FLAIR)序列扫描。使用ITK-SNAP软件手动勾画肿瘤,形成感兴趣区(ROI)。采用最小绝对收缩与选择算子法(LASSO)筛选影像组学特征,通过支持向量机(SVM)学习算法建立影像组学预测模型。绘制受试者工作特征(ROC)曲线评估预测模型的性能,得到曲线下面积(AUC)、敏感度、特异度及准确率。结果从CE-T_(1)WI和T_(2) FLAIR序列中分别提取影像组学特征1835个,经去冗除杂处理后,两个序列各筛选出10个、6个特征。在SVM构建的单一序列模型中,CE-T_(1)WI模型预测性能较佳,其训练集与测试集的AUC值分别为0.898和0.845。联合模型CE-T_(1)WI+T_(2) FLAIR的性能优于单一序列模型,在训练集和测试集的AUC分别为0.952和0.818。结论基于MRI影像组学所构建的影像组学诊断模型在预测脑胶质瘤高低分级中具有一定的诊断效能,其中联合模型CE-T_(1)WI+T_(2) FLAIR的预测诊断价值最高。