APP下载

基于多序列MRI影像组学模型预测脑膜瘤病理分级的价值

2021-12-26廖天双陈东李操何如刘思耘陈光祥

放射学实践 2021年12期
关键词:特征模型

廖天双,陈东,李操,何如,刘思耘,陈光祥

脑膜瘤起源于蛛网膜粒帽细胞,是最常见的颅内脑外肿瘤。在成年人中约占中枢神经系统肿瘤的30%,而在儿童和青少年中则很少见(0.4%~4.6%)[1]。根据2016年WHO中枢神经系统肿瘤分类,将脑膜瘤分为Ⅰ-Ⅲ级,以反映其组织学特征以及复发率和临床预后情况[2]。脑膜瘤的病理级别越高,越容易复发,不同级别脑膜瘤的治疗方式也存在差异。

MRI是术前诊断脑膜瘤的重要手段,对脑膜瘤病理分级的判断有一定价值,但当脑膜瘤缺乏典型影像特征时,对其病理分级的预测非常困难。影像组学利用自动化高通量的特征提取算法,可从影像图中获取肉眼无法辨别的肿瘤内部特征,量化评估肿瘤整体的异质性,能更全面地反映肿瘤的病理特征。本研究旨在探讨基于多序列MRI的影像组学模型预测脑膜瘤病理分级的价值。

材料与方法

1.一般资料

搜集2015年1月-2019年9月在西南医科大学附属医院行头颅MRI检查并符合本研究要求的215例脑膜瘤患者的临床和影像资料。其中,低级别(Ⅰ级)脑膜瘤174例,高级别(Ⅱ级34例+Ⅲ级7例)脑膜瘤41例。按照7∶3的比例,采用随机分层抽样方法将215例患者分为训练组(149例)和验证组(66例)。

纳入标准:病理证实为脑膜瘤且有脑膜瘤病理分级结果;在同一磁共振机上行T2WI、DWI和对比增强T1WI扫描;MRI图像质量好,无伪影干扰;所有序列的图像在患者接受手术治疗前10天内采集。

2.扫描设备和参数

使用Philips 1.5T磁共振机和标准头部正交线圈。所有患者术前行T2WI、DWI和对比增强T1WI检查。……

登录APP查看全文

猜你喜欢

特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
一个相似模型的应用