MRI影像特征预测PLGG基因型价值分析

发布时间：2020-06-24 14:13

【摘要】：背景小儿低级别胶质瘤(Pediatric Low Grade Gliomas,PLGG)是指发生在小儿人群中的WHO分级较低级别的一组原发性中枢神经系统肿瘤。该类疾病占小儿中枢神经系统肿瘤30%以上。PLGG的总体预后良好,5年总生存率大约为95%。但是,存活人群常常因为疾病本身或者治疗而遭受神经功能、内分泌等方面的并发症。特别是手术不能完全切除的PLGG患者患者,还存在着病情进展的可能。因此对于仅可活检或者部分切除的脑干、间脑、视路等位置的PLGG,特别是切除后进展时,需要一定的辅助治疗。传统的放化疗方法存在的较高不良反应发生率限制其广泛临床应用,新的放化疗方法还存在着各种各样的不足之处。近年来基因组学的研究进展为PLGG的靶向治疗提供了很多潜在的治疗靶点。并且基于基因表型的分子病理分型对PLGG的预后意义重大。因此PLGG常见基因型的无创性检测显得意义尤为重大。多模态的MRI检测为基因型的无创性检测提供了一条可行之路。并且文献检索未发现MRI影像特征对PLGG基因型预测方面的研究。目的探究MRI影像特征对PLGG一些常见基因型的预测意义。方法回顾性分析2001年至2016年间在郑州大学第一附属医院接受手术治疗的PLGG患者基因型与MRI影像特征间的关系,通过对留存福尔马林固定石蜡包埋病理组织进行基因检测获取基因型信息,对医院留存的MRI电子影像资料进行影像特征分析获取MRI影像特征资料。统计学分析描述性影像特征、MRI影像量化指标等MRI影像特征与基因型的相关性及评估影像特征对基因型的预测意义。结果描述性影像特征中对各个基因型可能的独立预测特征有KIAA1549-BRAF融合的瘤体位置(P=0.045),BRAF突变的肿瘤边缘清晰度(P=0.035),MYB扩增的瘤体位置(P=0.038)、ADC信号强度(P=0.032)。MRI影像量化指标FLAIR序列1%界值可能是KIAA1549-BRAF融合的独立预测指标(P=0.019)。AUC结果显示KIAA1549-BRAF融合联合描述性影像特征和MRI影像量化指标=0.842(0.746-0.939)联合可能独立预测的描述性影像特征和MRI影像量化指标=0.819(0.719-0.919)总体描述性影像特征=0.809(0.708-0.909)和总体MRI影像量化指标=0.661(0.533-0.789),总体MRI影像量化指标=0.661(0.533-0.789)不大于每个单个MRI影像量化指标(T1增强序列1%界值=0.651(0.515-0.786)、FLAIR序列1%界值=0.665(0.533-0.796)、FLAIR序列最小值=0.676(0.547-0.805));BRAF突变联合描述性影像特征和MRI影像量化指标=0.954(0.889-1.000)联合可能独立预测的描述性影像特征和MRI影像量化指标=0.871(0.718-1.000)≥总体描述性影像特征=0.768(0.556-0.981)和总体MRI影像量化指标=0.871(0.718-1.000),总体MRI影像量化指标=0.871(0.718-1.000)不大于每个单个MRI影像量化指标(FLAIR序列最大值=0.871(0.718-1.000));MYB扩增联合描述性影像特征和MRI影像量化指标=0.706(0.520-0.892)=联合可能独立预测的描述性影像特征和MRI影像量化指标=0.706(0.520-0.892)总体描述性影像特征=0.903(0.788-1.000)和总体MRI影像量化指标=0.753(0.601-0.906),总体MRI影像量化指标不大于每个单个MRI影像量化指标(T1增强序列方差=0.741(0.582-0.901)、ADC序列10%界值=0.754(0.579-0.929))。结论瘤体位置、FLAIR序列1%界值可能是KIAA1549-BRAF融合的独立预测指标,肿瘤边缘清晰度可能是BRAF突变的独立预测指标,瘤体位置、ADC信号强度可能是MYB扩增的独立预测指标。端脑PLGG比小脑PLGG更不易发生KIAA1549-BRAF融合的改变,边缘清晰的PLGG较边缘不清的PLGG更不易发生BRAF突变,端脑PLGG较小脑PLGG更易发生MYB扩增。高ADC信号强度的PLGG更不易发生MYB扩增。单纯相关MRI影像量化指标种类的增加并不能提高对基因型的预测效果,联合描述性影像特征和MRI影像量化指标时增加相关指标的数目能提高对基因的预测效果。单纯的描述性影像特征或者MRI影像量化指标间对基因型的预测无特定优劣倾向。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R445.2;R739.4
【图文】：

2016年世界卫生组织中枢神经系统肿瘤分级

正向（5'-TGCTTGCTCTGATAGGAAAATG-3'），反向（5'-CCACAAAATGGATCCAGACA-3'），序列长度为173 bp。TERTp、H3F3A、BRAF突变的典型测序结果的峰形图如图2。2.2 KIAA1549-BRAF 融合、MYB 扩增和 CDKN2A 缺失荧光原位杂交(Fluorescence in situ hybridization，FISH)分析用FISH方法对KIAA1549-BRAF融合、MYB扩增和CDKN2A缺失进行评价[61，26]。在KIAA1549-BRAF融合检测中，利用3个跨越整个BRAF基因的P1衍生的人工染色体克隆(Rp4-726N20、Rp5-839B19和Rp4-813F11)和7号染色体着丝粒计数探针(CEP7)。使用一种商品化的探针进行MYB扩增(Cytocell，英国细胞公司)检测。采用Vysis LSI CDKN2A SpectrumOrange/CEP 9 SpectrumGreen Probes(Vysis)探针研究CDKN2A基因的缺失情况。每个病例至少统计分析100个非重叠信号。KIAA1549-BRAF融合被定义为20%以上的肿瘤细胞表现出BRAF：CEP7值≥1.15[62]。当>5%的细胞呈簇状或目标(红色)与参考(绿色)信号之比>2时，考虑MYB扩增[61]。当>20%的肿瘤细胞出现两种信号丢失时，考虑CDKN2A纯合缺失[26]。KIAA1549-BRAF融合阳性、MYB扩增阳性、CDKN2A缺失阳性的肿瘤典型图片见图3。

【相似文献】

相关期刊论文 前10条

1 梁田;谢晟;;影像组学概述及其在肺部疾病中的应用[J];中日友好医院学报;2019年01期

2 汪磊;;屏幕时代的影像思维与影像书写[J];青年记者;2018年05期

3 刘毅锋 ,陶琴;霉菌的影像特征[J];影像材料;2002年04期

4 王乾;任翠萍;王姗;李飞;孙囡;程敬亮;;颌骨外巨细胞修复性肉芽肿影像特征[J];中国医学影像技术;2017年09期

5 路玉昆;巩贯忠;仇清涛;尹勇;;CT影像组学在指导肺癌精准放疗中的应用进展[J];中国肿瘤临床;2018年02期

6 张道强;朱旗;郝小可;邵伟;王明亮;黄嘉爽;黄硕;;脑影像智能分析[J];中国科学:信息科学;2018年05期

7 李华秀;李振辉;王关顺;;影像组学在消化道系统的应用进展[J];中国临床医学影像杂志;2017年09期

8 吴毅;杜福文;林晖;苏远东;;38例放射学孤立综合征患者的临床表现和MRI的影像特征分析[J];当代医药论丛;2015年02期

9 林均海;Behcet病的胸内表现及影像特征[J];实用放射学杂志;1998年03期

10 陆绍阳;新城市电影影像特征[J];电影艺术;2004年05期

相关会议论文 前10条

1 潘诗农;;3T MR肩关节撞击综合症影像特征分析[A];2009年中国运动医学与关节镜外科学术大会摘要[C];2009年

2 周振;王美青;李楠;;伴有颞下颌关节紊乱病症状的磨牙症患者的关节影像特征[A];中华口腔医学会全科口腔医学专业委员会第一次学术年会会议论文集[C];2009年

3 张璐;唐红;陈良龙;吴晓霞;程流泉;王湛博;王叶;黄鹤;李金国;汪晶晶;冯斌;智光;;心脏淀粉样变性临床及影像特征-多中心病例分析研究[A];中国超声医学工程学会成立30周年暨第十二届全国超声医学学术大会论文汇编[C];2014年

4 张永胜;陈祖华;张志田;;前列腺外周带癌T2WI影像特征的多因素分析[A];2016年浙江省医学会放射与影像技术学术年会论文汇编[C];2016年

5 萧云备;蔡健;武志刚;李澄棣;;MRI影像特征在预测顽固性血精患者预后中的价值[A];2015年浙江省泌尿外科学男科学学术年会论文汇编[C];2015年

6 李鹤虹;;儿童异常体动脉供血的肺部影像特征分析[A];中华医学会第十八次全国放射学学术会议论文汇编[C];2011年

7 侯代伦;;结核病不典型影像特征分析[A];结核病诊治新进展学术研讨会资料汇编[C];2014年

8 徐雷鸣;徐琼;王加伟;张敏鸣;;可逆性后部脑病综合征的临床与影像特征分析[A];2013年浙江省放射学学术年会论文集[C];2013年

9 张伟;郭强;陈俊喜;华刚;谈庆华;;多形性黄色星形细胞瘤临床及影像特征分析[A];第六届CAAE脑电图与神经电生理大会会刊[C];2018年

10 王汉东;;海绵窦海绵状血管瘤的影像特征和显微手术[A];中国医师协会神经外科医师分会第四届全国代表大会论文汇编[C];2009年

相关博士学位论文 前3条

1 张海涛;基于高分影像的滑坡提取关键技术研究[D];中国地质大学;2017年

2 吴应江;基于多核学习的疑似AD脑MRI影像分类算法[D];贵州大学;2017年

3 刘怀鹏;基于WorldView-2数据的城市典型绿化树种分类[D];内蒙古农业大学;2016年

相关硕士学位论文 前10条

1 赵海彪;MRI影像特征预测PLGG基因型价值分析[D];郑州大学;2019年

2 杨磊;基于影像特征与物理特征的斑块组织类型识别[D];河北大学;2019年

3 史张;基于高分辨率磁共振成像对活体及离体颅内动脉粥样硬化斑块的影像组学分析[D];中国人民解放军海军军医大学;2018年

4 路子祥;基于功能脑影像的临床变量值回归分析方法研究[D];南京航空航天大学;2018年

5 李蝉秀;基于稀疏学习的影像遗传关联分析方法及其应用研究[D];南京航空航天大学;2018年

6 董玲;基于影像组学的肺癌ALK突变患者预后分析[D];电子科技大学;2018年

7 仇清涛;不同分割方法对肝癌CT影像组学特征提取影响的研究[D];山东师范大学;2018年

8 李佳;基于无人机影像数据灾损信息提取研究[D];成都理工大学;2016年

9 黎健明;二十一世纪以来的中国独立影像该何去何从？[D];福建师范大学;2009年

10 赵婷婷;高铁安全隐患的三种高效面向对象遥感变化检测方法[D];西南交通大学;2014年

本文编号：2727964