简介：摘要目的拟采用不同核磁共振图像、不同机器学习模型来建立胶质瘤术前分级的影像组学模型，探究影像组学模型在胶质瘤术前分级中的可行性。材料与方法回顾性分析术前行常规MRI检查的脑胶质瘤患者93例，分为低级别胶质瘤(LGG组）和高级别胶质瘤(HGG组）。将DICOM格式图像导入GE-AK软件，对T2WI和T1增强(T1CE）图像进行感兴趣区（region of interest，ROI）勾画，将提取得到的直方图特征和纹理特征导入R语言软件包进行特征预处理和降维，选择三种函数建立六种机器学习模型，将全部数据按照7︰3比例，分为训练集与测试集，利用10倍交叉验证对六种模型进行训练，然后通过测试集进行验证，并绘制ROC曲线，计算其分类LGG与HGG的敏感度、特异度、AUC。结果LGG组平均年龄低于HGG组，差异有统计学意义(P <0.01)。LGG组与HGG组性别组成差异无统计学意义(P>0.05)。六种影像组学模型的AUC值均大于0.8，基于T1CE图像的影像组学模型的AUC值均大于基于T2WI图像模型的AUC，其中基于T1CE图像的RF模型的AUC最高，达到0.97。结论影像组学诊断模型对胶质瘤的病理分级具有较好的诊断价值，六种影像组学模型的诊断效能均较高，其中基于T1CE图像的RF模型诊断效能最高。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
