| 黄毅力，付倩茹，刘雯，刘劲松，王敏.基于多序列MRI影像组学术前鉴别脑胶质母细胞瘤与孤立性转移瘤[J].放射学实践,2025,(12):1499-1509 |
| 基于多序列MRI影像组学术前鉴别脑胶质母细胞瘤与孤立性转移瘤 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.12.004 |
| 中文关键词: 脑肿瘤 胶质母细胞瘤 转移瘤 磁共振成像 影像组学 多模态 分类器 |
| 基金项目:东南大学附属中大医院科研人才培育项目（CZXM-GSP-RC143） |
|
| 摘要点击次数: 16 |
| 全文下载次数: 13 |
| 中文摘要: |
| 【摘要】目的：探讨MRI多序列影像组学在鉴别胶质母细胞瘤（GBM）和孤立性脑转移瘤（SBM）中的作用，以及不同序列特征整合对提高诊断准确性的潜在价值。方法：回顾性分析2015年1月-2024年12月河南省肿瘤医院和东南大学附属中大医院收治的经病理证实的211例GBM和有原发恶性肿瘤病史并经随访证实的209例SBM患者的脑部MRI资料。分别基于对比增强T1WI（T1+C）、T2WI、DWI、ADC和脑容积成像（BRAVO）五种序列/图像，逐层在肿瘤实体部分勾画ROI，对生成的3D-ROI提取肿瘤的影像组学特征，组成5组特征集，将同时具有T1+C、T2WI、DWI和ADC这4种图像的患者所提取的特征整合叠加后作为1个特征整合集，共获得6组特征集用于模型的构建。然后，采用LASSO特征选择方法分别与6种分类算法相结合进行模型的构建，共构建了36个影像组学模型。采用受试者工作特性曲线评估各模型的诊断效能。结果：基于DWI序列构建的6个（分类器）组学模型的平均AUC为0.94（0.93~0.95），诊断效能高于其它5个特征集（T1+C、T2WI、ADC、BRAVO及特征整合集）构建的组学模型，它们的平均AUC分别为0.85（0.84~0.86）、；0.89（0.85~0.94）、0.83（0.80~0.85）、0.86（0.72~0.98）和0.84（0.80~0.87）。此外，基于XGBoost分类器构建的6个（序列/集）组学模型的平均AUC为0.88（0.80~0.98），诊断效能高于其它5个（GBDT、LDA、LR、RF和SVM）分类器构建的模型，它们的平均AUC分别为0.87（0.84~0.93）、0.86（0.72~0.95）、0.86（0.82~0.93）、0.87（0.84~0.95）和0.86（0.79~0.93）。尽管基于特征整合集的各分类器模型的AUC略偏低，但其预测特异度较高（范围为0.72~0.97，中位数为0.92），基于其它5组图像（T1+C、T2WI、DWI、ADC和BRAVO）构建的组学模型的中位特异度分别为0.87、0.88、0.91、0.84和0.87，数值范围为0.69~0.98。结论：基于多序列MRI构建的影像组学机器学习模型为术前鉴别GBM与SBM提供了一种可靠的定量诊断框架，尤其是DWI序列和XGBoost分类器的联合应用，为提高诊断准确性提供了重要参考。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
