换一批临床信息与多序列MRI Transformer模型预测胶质瘤异柠檬酸脱氢酶突变状态
Clinical information and multi-sequence MRI Transformer model predicts isocitrate dehydrogenase mutation status in glioma
摘要目的 探讨基于多序列MRI的Transformer模型预测脑胶质瘤患者的异柠檬酸脱氢酶(IDH)突变状态的价值.方法 从公开数据集癌症影像档案库中回顾性分析500例脑胶质瘤患者(突变型103例,野生型397例)的多序列MRI资料.通过Transformer深度学习算法进行预测模型构建.受试者工作特征(ROC)曲线的曲线下面积(AUC)被用于评估预测性能,5折交叉被用于预测模型的验证.结果 基于Transformer深度学习算法的临床模型、多序列MRI模型以及临床+多序列MRI联合模型可用于预测脑胶质瘤患者IDH突变状态,且与前两者相比,临床+多序列MRI联合模型有最高的诊断效能,AUC为0.904[95％置信区间(CI)0.875～0.928],敏感度和特异度分别为86.41％和86.40％.DeLong检验显示,临床+多序列MRI联合模型与临床模型之间AUC的差异有统计学意义(Z=3.327,P＜0.001).结论 基于多序列MRI的Transformer模型能够对IDH突变型和IDH野生型胶质瘤患者进行有效鉴别.
更多相关知识
关键词
胶质瘤异柠檬酸脱氢酶磁共振成像Transformer模型gliomaisocitrate dehydrogenasemagnetic resonance imagingTransformer model
栏目名称
DOI
10.3969/j.issn.1002-1671.2025.02.002
发布时间
2025-03-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省医学科技公关计划联合共建项目（LHGJ20210512）
- 浏览48
- 被引0
- 下载36
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
