论文部分内容阅读
目的:探索基于影像组学技术结合磁共振图像(MRI)鉴别胶质母细胞瘤(GBM)及脑内单发转移瘤(sMET)的价值。材料和方法:回顾性分析本院2007年9月-2019年12月经手术和病理证实为GBM及sMET的病例共177例,其中GBM 81例(男49例,女32例,平均年龄49.32±16.55),sMET 96例(男55例,女41例,平均年龄57.18±10.97)。将病人按时间节点随机分为训练组(共125例,其中GBM 49例,sMET 76例)及验证组(共52例,其中GBM 32例,sMET20例)。所有患者均具有完整的常规扫描序列(T2WI、FLAIR及增强T1WI)。采用ITK-SNAP工具分割图像,手动逐层分别勾画增强T1WI、T2WI、FLAIR图像的三维感兴趣区(3D ROI)。勾画步骤如下:先勾画增强T1WI(T1WI-CE),然后以T1WI-CE图为参考勾画T2WI及FLAIR序列。将图像标准归一化后提取相应的特征(T1WI-CE、T2WI及FLAIR各4402个,三者联合提取了3953个特征)。首先计算组内相关系数(ICC)对各个特征进行可重复性验证并初步筛选特征,然后通过高相关特征去除进一步提取特征,再利用LASSO回归对剩下特征降维后确定最优的特征并利用这些特征建立分类器模型。最后绘制受试者工作曲线(ROC)评估每个模型的特异度、敏感度及曲线下最大面积(AUC)以决策最优模型。结果:采用T2WI、FLAIR、T1WI-CE及三者混合分析的多序列,利用LASSO回归分析最终选取了21个特征,其中包括形态学特征8个,纹理特征13个(GLCM5个,GLDM 4个,GLSZM3个,GLRLM1个);选取特征中T2WI占3个,FLAIR为7个,T1WI-CE为5个,三个序列混合共提取了6个特征。在训练及验证数据集里,基于T2WI、FLAIR、T1WI-CE及三个序列联合的影像组学分数在GBM与sMET之间均有显著差异(P均<0.001)。基于三个单独序列的影像组学标签均表现出良好的鉴别能力,T2WI的影像组学特征训练集中AUC为0.915(0.866,0.963),诊断水平为0.848;基于FLAIR的特征在训练组AUC为0.957(0.927,0.988),诊断水平为0.880;基于TIWI-CE的训练组特征AUC为0.950(0.916,0.983),诊断水平为0.888;联合三个序列的特征的AUC 0.947(0.911,0.983),诊断水平为0.896。结论:影像组学结合常规MRI图像特征可以很好的鉴别GBM及sMET,本研究结果有望为临床术前决策提供重要信息。