目的:本研究旨在使用多模態(tài)MRI圖像提取影像組學特征建立統(tǒng)計學模型預測膠質(zhì)瘤分級。方法:本研究納入了85例經(jīng)手術(shù)后病理證實為膠質(zhì)瘤的患者(訓練組:56例,驗證組:29例),所有患者術(shù)前均進行了磁共振T2加權(quán)成像、彌散加權(quán)成像(ADC表觀彌散系數(shù)圖)、對比增強T1加權(quán)成像序列。我們將腫瘤實質(zhì)區(qū)域確定為本次研究的感興趣區(qū)。應(yīng)用計算機軟件從以上三個序列的感興趣區(qū)中提取大量影像組學特征(包括強度、小波、紋理特征等)。使用LASSO回歸分析進行特征降維、篩選,將保留下來的特征進行線性組合計算影像組學分數(shù)Rad-score。使用訓練組中的影像組學分數(shù)、年齡、性別等作為影響因素進行邏輯回歸分析并在此基礎(chǔ)上建立影像組學模型列線圖預測膠質(zhì)瘤分級。計算訓練組和驗證組的C-指數(shù)、繪制校準曲線評估模型的準確性。使用決策曲線分析評估模型的臨床應(yīng)用性。訓練組和驗證組患者的年齡、性別、影像組學分數(shù)的數(shù)據(jù)比較分別采用獨立樣本t檢驗、χ2檢驗、Mann–Whitney U檢驗進行。P0.05表示差異具有統(tǒng)計學意義。結(jié)果:從每個MRI序列中提取了218個影像組學特征,經(jīng)過LASSO回歸篩選后,從CET1WI序列選擇了10個特征,T2WI序列中選擇了6個特征,ADC圖中選擇了3個特征,然后結(jié)合三個序列,從654個特征中篩選了最具診斷價值的15個特征。訓練組和驗證組的影像組學分數(shù)在預測膠質(zhì)瘤分級方面均具有明顯統(tǒng)計學差異(p0.001),根據(jù)其最佳截斷值(影像組學評分為0.504)可將患者分為高風險組和低風險組,高風險組則更大概率為高級別膠質(zhì)瘤,而低風險組則更大概率為低級別膠質(zhì)瘤。訓練組和驗證組的單獨使用Rad-score評估膠質(zhì)瘤分級計算得到的準確度分別為0.963、0.951。表明Rad-score在膠質(zhì)瘤分級方面具有較高的準確性。結(jié)合三個序列的影像組學特征建立的預測模型相比單個序列(CET1WI、T2WI、ADC)建立的模型在膠質(zhì)瘤分級方面具有更高的預測價值。結(jié)合三個序列建立的諾模圖訓練組和驗證組的C指數(shù)分別為0.971/0.961。校準曲線顯示膠質(zhì)瘤分級的預測概率與實際概率存在良好的一致。決策曲線亦表明結(jié)合三個序列具有更高的臨床應(yīng)用價值。結(jié)論:本研究使用多模態(tài)的MRI序列提取大量影像組學特征建立的統(tǒng)計模型,相比傳統(tǒng)的形態(tài)學標準,能更加全面、客觀、準確地評價膠質(zhì)瘤的分級。利用機器學習算法對影像組學特征進行篩選、降維、整合,構(gòu)建了影像組學分數(shù),并與臨床因素相結(jié)合建立的統(tǒng)計模型列線圖在膠質(zhì)瘤分級方面具有很高的預測價值。
【學位單位】：安徽醫(yī)科大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R445.2;R739.4
【部分圖文】：

17年美國腫瘤注冊中心CBTRUS中樞神經(jīng)系統(tǒng)腫瘤發(fā)病率分布圖

圖 2.對腫瘤邊界進行勾畫標注，a/b 為 T1 增強圖像，用于確定腫瘤強化區(qū)域；c/d 為 T2W確定腫瘤水腫區(qū)域；e/f 分別為 T1 增強和 T2WI 上二者融合；g/h 為 ADC 圖上兩者區(qū)域計算兩位放射科醫(yī)師及一名放射醫(yī)師重復兩次分割后提取的特征之現(xiàn)明顯的統(tǒng)計學差異（p 值分別為為 0.704、0.832，均>0.05）�；�

圖 3：a.尋找最佳的懲罰系數(shù) Lambda；選擇 10 倍交叉驗證誤差最小時的 Lambda 值為模型最優(yōu)值 b.654 個影像特征的懲罰系數(shù)圖，隨著懲罰系數(shù)變化，影像特征系數(shù)的變化情況，最優(yōu) Lambda 處為繪制的垂直線出，影像特征系數(shù)不為 0 及保留下來的 15 個特征。公式如下所示：
【相似文獻】

相關(guān)期刊論文 前10條

1 吳聰;黃中勇;殷浩;劉罡;李江浩;;基于卷積神經(jīng)網(wǎng)絡(luò)的腦膠質(zhì)瘤分級[J];湖北工業(yè)大學學報;2017年04期

2 姜亮;殷信道;周星帆;;擴散張量成像對膠質(zhì)瘤分級的應(yīng)用價值[J];國際醫(yī)學放射學雜志;2015年06期

3 徐勝生;歐陽羽;羅天友;曾勇明;周翔平;肖家和;;氫質(zhì)子磁共振波譜聯(lián)合彌散加權(quán)成像對腦膠質(zhì)瘤分級的臨床應(yīng)用[J];生物醫(yī)學工程學雜志;2011年03期

4 劉晨彬;黃峰平;潘穎;張海石;夏順仁;;基于磁共振影像分析的膠質(zhì)瘤分級和生物標記檢測技術(shù)研究進展[J];航天醫(yī)學與醫(yī)學工程;2013年05期

5 孫功能;朱虎;邱偉;楊彬;;磁共振彌散張量成像定量參數(shù)在膠質(zhì)瘤分級診斷中的應(yīng)用研究[J];醫(yī)學影像學雜志;2019年04期

6 王怡,王涌,黃詠紅,金毅,謝立乾;對術(shù)中超聲在神經(jīng)膠質(zhì)瘤分級中的診斷價值的探討[J];中國醫(yī)學計算機成像雜志;2004年02期

7 蔣杰;周立綏;曲源;權(quán)光南;;雙指數(shù)模型擴散成像及擴散峰度成像在膠質(zhì)瘤分級中的應(yīng)用[J];臨床放射學雜志;2019年01期

8 S.V. Cauter;J. Veraart;J. Sijbers;R.R. Peeters;U. Himmelreich;F.D. Keyzer;唐光健;;膠質(zhì)瘤分級的MRI擴散峰度研究[J];國際醫(yī)學放射學雜志;2012年04期

9 黃文起;;磁共振擴散張量成像在膠質(zhì)瘤分級中的應(yīng)用[J];中國CT和MRI雜志;2012年02期

10 徐蒙萊;湯群鋒;毛海霞;陳宏偉;方向明;;DKI在膠質(zhì)瘤分級中的診斷應(yīng)用[J];影像研究與醫(yī)學應(yīng)用;2019年16期

相關(guān)博士學位論文 前7條

1 陳小偉;T1-DCE動態(tài)對比增強磁共振在膠質(zhì)瘤分級診斷及增殖活性預測中的應(yīng)用[D];華中科技大學;2018年

2 李香營;3.0T MR-DTI參數(shù)FA評估膠質(zhì)瘤分級及微觀結(jié)構(gòu)的實驗研究及臨床應(yīng)用[D];南方醫(yī)科大學;2018年

3 盧又燃;放射科隨訪數(shù)據(jù)庫建立與粗糙集方法輔助診斷膠質(zhì)瘤分級的應(yīng)用分析[D];復旦大學;2009年

4 姜新義;功能小分子修飾的長循環(huán)碳酸酯納米粒對腦膠質(zhì)瘤分級靶向遞藥研究[D];復旦大學;2012年

5 曾強;一種新的多b值彌散加權(quán)成像后處理模型[D];浙江大學;2016年

6 張偉;系列~(68)Ga標記新型分子探針PET/CT顯像初探[D];北京協(xié)和醫(yī)學院;2016年

7 鄒啟桂;功能磁共振成像對幕上膠質(zhì)瘤術(shù)前分級臨床應(yīng)用價值初探及優(yōu)化指標選擇[D];華中科技大學;2011年

相關(guān)碩士學位論文 前10條

1 王秋雨;基于多模態(tài)MRI影像組學的膠質(zhì)瘤分級預測模型研究[D];安徽醫(yī)科大學;2019年

2 楊志煒;基于常規(guī)磁共振圖像的腦膠質(zhì)瘤分級[D];華東師范大學;2018年

3 郭芳芳;多b值DWI在膠質(zhì)瘤分級診斷中的應(yīng)用價值[D];天津醫(yī)科大學;2018年

4 趙瑞;動脈自旋標記在膠質(zhì)瘤分級的應(yīng)用[D];吉林大學;2014年

5 鄧漢生;MRS腦膠質(zhì)瘤分級診斷模型研究[D];復旦大學;2008年

6 張娜;微血管通透性與腦膠質(zhì)瘤分級之間定量關(guān)系的研究[D];中南大學;2009年

7 鐘林花;聯(lián)合DTI與SWI在腦膠質(zhì)瘤分級中的應(yīng)用研究[D];南昌大學;2015年

8 劉曉虎;基于多體素的單體素~1H-MRS在腦膠質(zhì)瘤分級中的初步應(yīng)用[D];重慶醫(yī)科大學;2013年

9 武江芬;基于BOLD-fMRI的腦膠質(zhì)瘤分級及代償機制的研究[D];南京航空航天大學;2014年

10 賈龍威;DCE-MRI在腦膠質(zhì)瘤分級中的應(yīng)用研究[D];青島大學;2017年

本文編號：2877514