论文部分内容阅读
目的:探讨基于IVIM-MRI、DKI-MRI参数图(Standard ADC、D、D*、f、MK、MD)预测STSs组织病理学分级及Ki-67表达水平的影像组学模型的可行性及其应用价值。材料与方法:一、临床资料收集2018年5月至2020年1月就诊于大连医科大学附属第二医院经病理证实的软组织肉瘤(Soft Tissue Sarcomas,STSs)患者42例,其中男性23例,女性19例,年龄在12-85岁之间,平均年龄48.5岁。二、MRI设备与方法MRI检查设备为GE Discovery MR 750W 3.0T超导磁共振扫描仪,采用膝关节线圈、大柔线圈、头颈联合线圈和16通道相控阵列线圈对所有入组病例行常规MRI平扫、IVIM-MRI及DKI-MRI序列检查。三、图像后处理(一)IVIM-MRI、DKI-MRI参数图计算使用GE ADW 4.7工作站Functool中的MADC软件处理42例STSs的IVIM图像得到Standard ADC、D、D*及f值灰阶图(Processed Images),使用Functool中的DKI软件处理42例STSs的DKI图像得到MD、MK值灰阶图。(二)STSs病灶分割使用ITK-SNAP 3.8.0软件对42例STSs的Standard ADC、D、D*及f、MD、MK灰阶图进行逐层面感兴趣容积(Volume of Interest,VOI)勾画,涵盖肿瘤的所有区域。(三)影像组学特征值提取将所有VOI文件和参数图上传至慧影医疗科技(北京)有限公司影像组学云平台(http://mics.radcloud.com)进行影像组学特征值提取。IVIM-MRI、DKI-MRI的每个参数图均取两大类(基于特征类、基于过滤器类)共1409种特征值。四、STSs组织病理学分级的判定与Ki-67表达水平检测(一)组织病理学分级的判定根据FNCLCC的STSs组织病理学分级标准,由病理科医师对42例STSs病理标本进行组织切片,通过选取肿瘤实性成分观察其镜下表现对肿瘤细胞的分化程度、肿瘤的坏死面积及核分裂象分别计数评分,其中Ⅰ级定义为低级别,II级与III级定义为高级别。(二)Ki-67表达水平检测首先对42例STSs患者的病理标本进行常规HE染色,在此基础上进行Ki-67免疫组织化学染色,将其分为Ki-67高表达组(Ki-67≥25%)和低表达组(Ki-67<25%)。五、影像组学模型的建立方法(一)STSs IVIM-MRI、DKI-MRI参数图特征值降维使用方差选择法、单变量选择法和最小绝对收缩和选择算子进行三次降维分析。(二)STSs IVIM-MRI、DKI-MRI参数图机器学习将42例STSs IVIM、DKI参数图经三步降维后得到的特征值作为数据集,数据集的80%做为训练集训练机器学习模型,其余20%做为验证集对模型的准确性进行评估,分别计算随机森林、K最近邻、支持向量机、极限梯度增强树、逻辑回归和决策树六种分类器在IVIM-MRI、DKI-MRI参数图训练集和验证集的ROC曲线下面积、95%置信区间、灵敏度及特异度,并采用F1-Score值评价模型的稳定性。结果:一、STSs的MRI表现(一)常规MRI表现1、位置:四肢25例、躯干10例、臀部3例、腹膜后2例,头部2例;2、大小:瘤体最大径<5cm 17例,≥5cm 25例3、形态:类圆形26例,不规则16例;4、边界:清晰35例,模糊7例;5、均质性:均质11例,不均质31例;6、信号:T1WI呈等、稍低信号26例,稍高信号16例;T2WI呈高信号11例,高低混杂信号31例。(二)42例STSs IVIM-MRI、DKI-MRI表现在42例STSs IVIM-MRI、DKI-MRI序列中,35例呈高信号,7例呈等、稍高信号。42例STSs的Standard ADC、D、D*、f、MK、MD参数图呈高低混杂信号。二、STSs的组织病理学类型、分级及Ki-67表达水平(一)组织病理学类型:脂肪肉瘤16例、恶性外周神经鞘瘤3例、滑膜肉瘤3例、平滑肌肉瘤6例、纤维肉瘤8例、骨外粘液软骨肉瘤1例、未分化多形性肉瘤3例、恶性腱鞘巨细胞瘤1例、血管肉瘤1例。(二)组织病理学分级:低级别15例,高级别27例。(三)Ki-67表达水平:Ki-67低表达24例,Ki-67高表达18例。三、基于IVIM-MRI、DKI-MRI参数图影像组学预测STSs组织病理学分级的结果D序列经过三步降维后共选择了6个特征值进行机器学习,D-SVM取得了最佳诊断效能(AUC=0.88),95%置信区间为0.53-1.00,灵敏度为0.75(低级别)、0.83(高级别),特异度为0.83(低级别)、0.75(高级别),F1-Score为0.75(低级别)、0.83(高级别)。四、基于IVIM-MRI、DKI-MRI参数图影像组学预测STSs Ki-67表达水平的结果MK序列经过三步降维后共选择了6个特征值进行机器学习,MK-SVM取得了最佳诊断效能(AUC=0.88),95%置信区间为0.50-1.00,灵敏度为0.83(Ki-67低表达)、0.50(Ki-67高表达),特异度为0.50(Ki-67低表达)、0.83(Ki-67高表达),F1-Score为0.77(Ki-67低表达)、0.57(Ki-67高表达)。结论:通过对42例STSs的IVIM-MRI、DKI-MRI参数图(Standard ADC、D、D*、f、MK、MD)与其组织病理学分级、Ki-67表达水平进行影像组学的研究,我们可以得出如下结论:一、基于IVIM-MRI Standard ADC和D参数图的影像组学模型能够鉴别高、低级别的STSs,其中D-SVM预测STSs织病理学分级的诊断效能最佳;二、基于DKI-MRI MD、MK参数图建立的影像组学模型不能预测STSs的组织病理学分级;三、基于IVIM-MRI Standard ADC、D*参数图的影像组学模型能够鉴别STSs Ki-67的高、低表达水平,其中D*-SVM预测STSs Ki-67表达水平的诊断效能最佳;四、基于DKI-MRI MK的影像组学模型能够鉴别STSs Ki-67的高、低表达水平,其中MK-SVM预测STSs Ki-67表达水平的诊断效能更佳。