论文部分内容阅读
目的
探讨依照影像组学的理论和方法对脑胶质瘤进行分级的可行性。
方法2012至2016年回顾性纳入161例经病理证实的脑胶质瘤患者,其中低级别胶质瘤52例,高级别胶质瘤109例。对所有患者的MRI图像进行高通量的数据采集,提取形状、密度、纹理、小波等346个量化特征,利用互信息和logistic回归模型,进行特征降维和预测模型选择,最后在数据集上使用十折交叉验证对模型的预测能力进行验证。
结果本研究预测模型最终获得19个特征。模型的敏感度为96.3%(105/109),特异度为78.8%(41/52),曲线下面积(AUC)为0.952 7,模型准确率为90.7%(146/161)。
结论本研究提出的影像组学方法具有无创、计算速度快、正确率高等优点,可以为脑胶质瘤的临床分级提供辅助手段。