基于多序列MRI影像组学联合VASARI特征预测胶质瘤IDH1突变状态
Predicting the IDH1 mutation status of gliomas based on multi-sequence MRI radiomics combined with VASARI features
摘要目的:探讨基于多序列MRI影像组学特征结合伦勃朗视觉感受图像(VASARI)特征集的联合模型预测胶质瘤异柠檬酸脱氢酶1(IDH1)突变状态的价值.方法:回顾性分析两个中心的452例胶质瘤患者的临床病理和术前 MRI资料,按照3∶2的比例随机分为训练集(n=271)和验证集(n=181).提取并分析22个VASARI特征,使用单-多因素逻辑回归(LR)分析筛选预测IDH1状态的独立预测因素,并构建VASARI模型.基于T2WI、T2液体衰减反转恢复序列(T2-FLAIR)和增强后T,WI(CE-T1WI)提取并筛选最佳影像组学特征,计算影像组学评分(Rad-score),以极限梯度提升(XG-Boost)为分类器构建影像组学模型.将筛选的VASARI特征与Rad-score纳入多因素LR分析,建立联合模型.通过受试者工作特征(ROC)曲线和Delong检验评估和比较模型性能,绘制决策曲线分析(DCA)和校准曲线以评估模型的临床实用性和校准度.结果:VASARI特征集中的F1、F4、F7和F11是预测IDH1突变状态的独立预测因素.筛选出了 11个最优影像组学特征并得到Rad-score,构建影像组学模型.联合模型的AUC在训练集和验证集中均高于VASARI模型和影像组学模型(训练集分别为0.952、0.872、0.882,验证集分别为0.938、0.890、0.836),差异有统计学意义(Delong检验,P<0.05);影像组学模型与VASARI模型的AUC差异无统计学意义(P>0.05).DCA显示在一定危险阈值范围内,联合模型的净收益最大,临床实用性最好;校准曲线显示3个模型的校准度良好,其中联合模型的校准度最好.结论:基于多序列MRI影像组学模型、VASARI模型可有效预测胶质瘤IDH1突变状态,两者联合应用有助于提高诊断效能.
更多相关知识
- 浏览9
- 被引0
- 下载6

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文