换一批深度神经网络MRI影像组学预测胶质母细胞瘤MGMT启动子甲基化状态
Deep neural network MRI radiomics predicts glioblastoma MGMT promoter methylation status
摘要目的 探索基于多序列磁共振图像的深度神经网络模型在预测胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase,MGMT)启动子甲基化状态中的价值.材料与方法 回顾性分析262例胶质母细胞瘤患者(甲基化162例,未甲基化100例)的T1加权成像(T1 weighted imaging,T1WI)序列和对比增强T1WI(contrast-enhanced T1WI,CE-T1WI)序列资料.运用Mann-Whitney U检验、最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归分析,结合皮尔逊相关系数法,对特征进行筛选.基于筛选所得特征,借助深度神经网络算法构建预测模型.为评估该模型的预测效能,采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)衡量模型的预测准确性与可靠性.结果 基于深度神经网络算法的T1WI模型(验证集中AUC=0.752,敏感度68.8%,特异度75.0%)、CE-T1WI模型(验证集中AUC=0.823,敏感度75.0%,特异度75.0%)以及多序列联合模型(验证集中AUC=0.847,敏感度81.3%,特异度80.0%)均可用于预测胶质母细胞瘤患者MGMT启动子甲基化状态,且与单序列模型相比,多序列联合模型有最高的诊断效能.结论 基于深度神经网络算法的多序列MRI影像组学模型可以无创性预测胶质母细胞瘤患者的MGMT启动子甲基化特征.
更多相关知识
关键词
胶质母细胞瘤多序列磁共振成像影像组学深度神经网络O6-甲基鸟嘌呤-DNA甲基转移酶glioblastomasmulti-sequence magnetic resonance imagesradiomicsdeep neural networkO6-methylguanine-DNA methyltransferase
栏目名称
DOI
10.12015/issn.1674-8034.2025.10.006
发布时间
2025-10-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
