换一批基于瘤内及瘤周水肿的多参数MRI影像组学-transformer深度学习特征联合模型预测较低级别胶质瘤IDH-1突变状态
Prediction of lower-grade glioma IDH-1 mutation status using a combined model of radiomics and transformer deep learning features based on multi-parametric MRI of intratumoral and peritumoral edema
摘要目的 本研究旨在开发一种基于多参数MRI的影像组学和深度学习技术的联合模型,以预测较低级别胶质瘤(lower-grade glioma,LGGs)患者的异柠檬酸脱氢酶基因(isocitrate dehydrogenase gene,IDH-1)突变状态.材料与方法 回顾性纳入经病理确诊为LGGs的患者的临床、影像和病理资料.基于多参数MRI,结合影像组学特征和2.5D-CrossFormer深度学习模型提取的深度学习特征,构建IDH-1突变状态的预测模型.通过特征筛选、机器学习算法的应用,并结合临床变量,构建临床-影像组学-深度学习的nomogram模型.结果 最终纳入186例患者,其中IDH-1阳性79例,阴性107例.提取10 530个影像组学特征及32个深度学习特征.经过筛选和特征降维,保留了20个影像组学-深度学习特征.多种机器学习模型中,LightGBM构建的深度影像组学模型表现最佳,训练组和验证组的曲线下面积(area under the curve,AUC)分别为0.94和0.86.结合临床变量构建的nomogram模型在训练组中的AUC达到0.97,显著优于影像组学模型和临床模型,在验证组中也表现出良好的预测效能.结论 本研究基于多参数MRI的影像组学和深度学习技术,成功构建了瘤内及瘤周水肿特征的联合模型,用于预测LGGs的IDH-1突变状态.该模型具有较高的诊断准确性,有望为LGGs患者治疗方案的制订及预后评估提供重要的影像学依据.
更多相关知识
关键词
胶质瘤异柠檬酸脱氢酶基因突变磁共振成像深度学习影像组学gliomaisocitrate dehydrogenase gene mutationmagnetic resonance imagingdeep learningradiomics
栏目名称
DOI
10.12015/issn.1674-8034.2025.09.008
发布时间
2025-10-28（万方平台首次上网日期，不代表论文的发表时间）
- 浏览14
- 被引2
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
