| 赵伟，黄海燕，丁爽，罕迦尔别克·库锟，徐蕊，王云玲.基于多模态MRI影像组学模型预测MGMT甲基化阳性高级别胶质瘤1p/19q缺失状态[J].放射学实践,2024,(12):1545-1550 |
| 基于多模态MRI影像组学模型预测MGMT甲基化阳性高级别胶质瘤1p/19q缺失状态 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2024.12.001 |
| 中文关键词: 脑胶质瘤 影像组学 磁共振成像 O6-甲基鸟嘌呤-DNA 甲基转移酶 1p /19q |
| 基金项目:中央引导地方科技发展专项资金项目（ZYYD2023D02）；科技创新领军人才（2023TSYCLJ0027） |
|
| 摘要点击次数: 1159 |
| 全文下载次数: 1711 |
| 中文摘要: |
| 【摘要】目的：基于多模态MRI构建影像组学模型，无创性预测MGMT甲基化阳性高级别胶质瘤的1p/19q缺失状态。方法：回顾性分析2021年9月－2023年9月在本院经手术病理证实的106例高级别胶质瘤患者的完整临床和影像资料。所有肿瘤为MGMT甲基化阳性，其中合并1p19q共缺失者33例，非1p19q共缺失者73例。将所有患者按照7∶3的比例随机分为训练集和测试集。分别在T1WI、T2WI、T2-FLAIR和CE-T1WI四个序列的图像上，沿着肿瘤边缘逐层勾画ROI并生成容积感兴趣区（VOI）后提取影像组学特征。应用主成分分析（PCA）方法进行特征降维，并应用方差分析方法进行特征筛选，随后分别采用自编码器（AE）、逻辑回归（LR）、随机森林（RF）和支持向量机（SVM）四种机器学习算法构建预测MGMT甲基化阳性合并1p/19q共缺失状态的影像组学模型。采用受试者工作特征曲线评估各模型的诊断效能。结果：AE影像组学模型在预测高级别胶质瘤MGMT甲基化阳性合并1p/19q缺失状态表现出较高的AUC，其在训练集和测试集中的AUC分别为0.924和0.864；而LR、RF和SVM影像组学模型在训练集中的AUC分别为0.950、1.000和0.951，在测试集中的AUC分别为0.777、0.773和0.786。结论：基于多模态MRI影像组学模型可以有效预测MGMT甲基化阳性高级别胶质瘤的1p/19q缺失状态。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
