论文部分内容阅读
目的探讨放射组学和酰胺质子转移成像(APT)在鉴别脑高级别胶质瘤和转移瘤的应用价值。材料与方法回顾性分析2017年1月-2019年12月在山东省医学影像学研究所进行检查的182例MR检查的脑肿瘤患者(其中胶质母胶质瘤和单发转移瘤各91例),通过T1WI、T2WI、T2-FLAIR、CE-T1WI四个序列中提取肿瘤瘤体区和瘤周水肿区的放射组学特征,将所有病人分为训练组(胶质母细胞瘤和转移瘤各71例)和验证组(各20例),利用随机森林算法对训练组进行特征选择并构建模型,使用验证组数据对模型进行验证,用Kolmogorov-Smirnov检验数据的正态分布,正态分布数据的差异用独立样本t检验,非正态分布变量用Mann-Whitney U检验。采用Spearman试验评价不同特征之间的关联。使用受试者工作特征曲线下面积评估所构建模型对于胶质母细胞瘤和转移瘤的预测效能;对31例MR APT序列扫描的患者结合常规图像分别勾画瘤体区、瘤周水肿区及对侧正常脑白质区的感兴趣区(ROI),测量这三个区域的APTR值和非对称磁化偏转率(MTR值)并构建伪彩图,比较脑高级别胶质瘤和转移瘤之间的差异,应用受试者工作特征曲线(ROC)分析这两类肿瘤的临界值及AUC值。结果从MR常规序列T1WI、T2WI、T2-FLAIR、CE-T1WI四个序列中肿瘤瘤体区和瘤周水肿区的放射组学特征中提取了 10个重要性排名最高的特征(分别为CORE-TRA_original_shape_MajorAxisLength、CORE-FLAIR_original_firstorder_TotalEnergy、CORE-FLAIR_original_shape_Maximum3DDiameter、CORE-FLAI R_exponential_glrlm、CORE-FLAIR_original_shape_、CORE-FLAIR_original_sha pe_Maximum2DDiameterRow、CORE-T2_logarithm_gldm_DependenceNonUnifor mity、CORE-T2_log-sigma-4-0-mm-3D_glszm_GrayLevelNonUniformity、CORE-T2_wavelet-LL_gldm_GrayLevelNonUniformity、CORE-T1_original_shape_Maxim um2DDiameterColumn)。这10个特征均来自肿瘤的瘤体区域,单个特征重要性最高的是来自CE-T1WI的椭球主轴长特征(original_shape_MajorAxisLength),5个特征来自T2-FLAIR序列,占比40.5%,在特征类型当中形状特征和纹理特征重要性占主要地位(47.3%,45.7%)。构建模型后在训练组中受试者工作特征曲线的AUC为0.85±0.14,在验证组中的AUC为0.84。31例脑高级别胶质瘤和转移瘤APT扫描的瘤体和瘤周水肿区的MTR值分别为23.62±3.90和19.86 ± 5.27,有统计学意义的显著性差异;AUC值为0.723(p=0.035),95%置信区间为0.540-0.905,根据ROC曲线得到临界值为18.55,敏感度为92.9%,特异度为52.9%,约登指数为0.458。结论从常规MR序列中放射组学特征能够鉴别脑胶质母细胞瘤和转移瘤;APT序列成像有助于鉴别脑高级别胶质瘤和转移瘤。