常规MRI影像组学结合机器学习预测胶质瘤分级的临床研究

发布时间：2021-01-07 22:53

　　目的:基于常规MRI影像组学建立机器学习模型,探讨模型在预测脑胶质瘤术前分级中的临床价值。方法:回顾性搜集经病理证实的211例脑胶质瘤患者的临床及影像资料,包括世界卫生组织Ⅱ级65例、Ⅲ级61例、Ⅳ级85例。所有患者术前均行MRI检查,包括轴位T2加权图像（T2WI）、三维对比增强T1加权图像（3D-CET1WI）。对肿瘤感兴趣区进行逐层手动勾画并插值成感兴趣容积后进行影像组学特征提取,包括一阶统计特征、形状特征、纹理特征及基于过滤器类。采用方差选择法、单变量选择法、最小绝对收缩选择算子对特征筛选降维。纳入样本随机分离,训练集样本和验证集样本的比值为9:1。建立支持向量机（SVM）、极限梯度增强树（XGBoost）、K邻近（KNN）机器学习模型,通过模型对胶质瘤Ⅱ、Ⅲ、Ⅳ级进行预测,并计算模型曲线下面积（AUC）、敏感性、特异性。结果:基于T2WI建立的机器学习模型预测胶质瘤分级的AUC:KNN模型预测胶质瘤Ⅱ、Ⅲ、Ⅳ级的AUC分别为0.619、0.750及0.868,SVM模型预测胶质瘤Ⅱ、Ⅲ、Ⅳ级的AUC分别为0.648、0.781及0.863,XG Boost模型预测胶质瘤Ⅱ、Ⅲ... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

自2012年影像组学相关刊物统计

兰州大学硕士学位论文常规MRI影像组学结合机器学习预测胶质瘤分级的临床研究6第二章资料与方法2.1病人临床资料2.1.1一般资料回顾性搜集本院2016年3月至2018年10月期间经病理证实为脑胶质瘤患者影像及临床资料。根据纳入和排除标准确定最终研究对象。纳入标准：①穿刺活检或手术切除后经病理组织证实为胶质瘤患者，肿瘤位于小脑幕上；②MRI扫描前，患者未经过任何激素、放化疗、穿刺等治疗或手术史；③术前接受本院SiemensVerio3.0TMRI扫描，并可获得治疗前的图像(包括3D-CET1WI和轴位T2WI)。排除标准：①术前影像资料和/或病理组织学资料为外院者、病理组织学结果不明确者；②MRI扫描前有上述治疗史的患者；③MRI图像质量不佳（运动伪影、金属伪影等）④缺少本院3D-CET1WI和/或轴位T2WI者。本研究初步纳入397例，其中序列不全者124例，MRI图像质量不佳者8例，MRI检查前有放化疗等手术史者5例，术前未做本院MRI检查者22例，病理组织学结果有争议者3例，扫描机型不符合者9例，肿瘤位于小脑位小幕下者12例，影像组学特征提取失败者3例。研究最终纳入211例患者，男性127例，女性84例，年龄在11～75岁之间。其中WHOII级65例，男性40例，女性25例，年龄11～64岁；WHOIII级61例，男性28例，女性23例，年龄14～65岁；WHOIV级85例，男性49例，女性36例，年龄13～75岁。患者的具体纳入过程如图2-1所示。图2-1本研究患者具体纳入及排除过程

兰州大学硕士学位论文常规MRI影像组学结合机器学习预测胶质瘤分级的临床研究8随机选取20例患者MRI图像，由同一名诊断医师间隔1个月前后重复2次进行ROI勾画后提取特征，用组内相关性系数(Intraclasscorrelationcoefficient,ICC)分析观察者前后两次提取特征一致性，ICC＞0.750一致性好。图2-2肿瘤ROI的勾画。A、B图分别为轴位T2WI及肿瘤的ROI；C、图为利用T2WI的ROI重建的VOI；D、E图分别为3D-CET1WI及矢状位肿瘤的ROI；F、图利用3D-CET1WI的ROI重建的VOI图2-3WHOⅡ级（弥漫型星形细胞瘤）患者。A、DWI图像；B、T2WI轴位勾画ROI；C、汇医慧影组学平台三维界面上，3D-CET1WI矢状位勾画ROI


本文编号：2963395