浏览全部资源
扫码关注微信
1. 陆军军医大学第一附属医院放射科,重庆,400038
2. 慧影医疗科技(北京)股份有限公司科研组,北京,100192
扫 描 看 全 文
杨靖, 李可, 敬洋, 等. 基于常规MRI的影像组学预测脑胶质瘤IDH突变的效果分析[J]. 局解手术学杂志, 2022,(2):149.
YANG Jing, LI Ke, JING Yang, et al. Effect of radiomics based on conventional MRI in predicting IDH mutation in glioma[J]. null, 2022,(2):149.
杨靖, 李可, 敬洋, 等. 基于常规MRI的影像组学预测脑胶质瘤IDH突变的效果分析[J]. 局解手术学杂志, 2022,(2):149. DOI:
YANG Jing, LI Ke, JING Yang, et al. Effect of radiomics based on conventional MRI in predicting IDH mutation in glioma[J]. null, 2022,(2):149. DOI:
目的 探讨基于常规MRI的影像组学分析预测脑胶质瘤IDH突变的效果。方法 回顾性分析经术后病理证实的172例脑胶质瘤患者(82例突变型和90例野生型)的临床资料。所有患者术前均行增强MRI检查,术后病理对IDH进行分子检测。由2名神经影像医师在FLAIR和T1加权对比增强(CE-T1WI)序列上逐层勾画肿瘤实体及周围水肿病灶,采用组内相关系数(ICC)评价2名医师分别勾画的感兴趣区域组学特征一致性,然后提取影像特征。分别使用方差阈值法、单变量特征选择法、最小绝对收缩和选择算子(LASSO)对组学特征进行筛选和降维。采用χ2检验或Fisher精确检验评价2组胶质瘤影像学特征的统计学差异。采用五折交叉验证法的分类方式,通过Logistic回归分析建立放射组学模型,采用诺莫图展示模型结果,采用校准曲线验证模型的可靠性。结果 在CE-T1WI序列筛选出13个组学特征,在FLAIR序列筛选出7个组学特征。癫痫、WHO分级、影像所见强化和水肿对于IDH突变状态预测具有统计学意义(P<0.05)。影像组学模型在训练集中的AUC为0.833(95%CI:0.778~0.889),在测试集中的AUC为0.753(95%CI:0.628~0.895)。结论 影像组学在预测脑胶质瘤IDH突变方面具有较好的性能。
脑胶质瘤IDH突变影像组学MRI
gliomaIDH mutationradiomicsMRI
0
浏览量
1
下载量
CSCD
关联资源
相关文章
相关作者
相关机构