基于增强T1加权图像构建不同模型鉴别胶质母细胞瘤与单发脑转移瘤
陈佩仪
黄海涛
茂名市人民医院核磁共振科,广东茂名 525000
摘要：目的 探讨基于增强T1 加权图像构建的不同模型鉴别胶质母细胞瘤(GBM)与单发脑转移瘤(SBM)的应用效果.方法 227 例患者(GBM 120 例和SBM 107 例)随机分为训练集(n=159)与验证集(n=68).将增强T1 加权图像导入 3D-Slicer软件并手动勾画感兴趣区(ROI),然后进行影像组学特征提取并使用t检验、递归消除特征法及最小绝对收缩选择算子筛选特征.基于最佳特征,分别运用逻辑回归(LR)、支持向量机(SVM)及随机森林(RF)算法建立模型(影像组学模型、临床模型、临床-影像组学模型),通过绘制受试者工作特征曲线(ROC)及曲线下面积(AUC)delong检验评价各模型鉴别GBM与SBM诊断效能.结果 GBM与SBM病灶是否出血坏死及病灶分布情况(幕上或幕下)的比较差异有统计学意义(P<0.05).根据组内相关系数(>0.75)初步获取 965 个稳定性影像特征,最终筛选得到 5 个最优影像特征构建模型,影像组学模型和临床-影像组学模型 AUC均大于 0.8,其中LR模型鉴别效能最优(P<0.05).决策曲线分析显示在整个阈值概率范围内,影像组学模型和临床-影像组学模型有相当的总体净效益.结论 基于增强后T1 加权图像构建的影像组学模型和临床-影像组学模型对GBM与SBM具有较高的鉴别诊断效能.
关键词：机器学习影像组学胶质母细胞瘤脑转移瘤列线图
分类号：R739(肿瘤学)
资助基金：茂名市科技计划项目(210414114551211)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 266-272 )
英文信息