论文部分内容阅读
目的:从MR图像中寻找可区分长骨内生软骨瘤与软骨肉瘤的影像学特征和影像组学特征,评价该特征在区分内生软骨瘤与软骨肉瘤中的作用,并建立肿瘤鉴别诊断模型。方法:回顾性分析2011年1月至2018年5月间浙江大学医学院附属第二医院骨科收治并符合纳入标准的长管状骨内生软骨瘤和长管状骨软骨肉瘤患者的影像学资料、病理资料及其它临床资料。纳入研究的患者共计120例,其中内生软骨瘤70例,软骨肉瘤50例。对患者的MRI T1加权图像进行感兴趣区域(ROI)的分割,并从中提取影像组学特征。使用最大相关最小冗余(mRMR)特征选择方法筛选影像组学特征,利用多变量逻辑回归分析和四阶交叉验证构建稳定的预测模型。利用ROC曲线评价影像组学特征模型的预测性能。结果:我们从所有患者的T1加权MR图像中提取了 492个影像组学特征,通过最大相关最小冗余特征选择方法筛选出最具有预测效果的最佳影像组学特征,使用多变量逻辑回归建立模型,并使用四阶交叉验证方法进行验证。其中,一阶交叉验证筛选出的最佳影像组学特征:HHH_GLRLM_SRHGE_T1、SZHGE_T1、ZSN_T1、Uniformity_T1和denth_T1;二阶交叉验证筛选出的最佳影像组学特征:HHL_GLCM_inf2h_T1、cshad_T1、LLH_GLCM_entro_T1、LLL_GLCM_corrm_T1和HGZE_T1;三阶交叉验证筛选出的最佳影像组学特征:Variance_T1、ZSN_T1、LHL_GLRLM_SRHGE_T1、Uniformity_T1 和 denth_T1;四阶交叉验证筛选出的最佳影像组学特征:SZHGE_T1、LLL_GLCM_corrm_T1、ZSN_T1、Entropy_T1 和denth_T1。四次交叉验证的AUC平均结果(平均值±标准差)分别为:训练集:0.961±0.015;测试集:0.901±0.053。结论:从内生软骨瘤和软骨肉瘤患者的MR T1加权图像中可提取出一系列有价值的影像组学特征;利用这些影像组学特征可以有效鉴别长骨内生软骨瘤与软骨肉瘤,从而协助临床决策。