首页 > 现代医用影像学 > 基于MR影像组学的骨巨细胞瘤分期诊断模型的构建与评估

基于MR影像组学的骨巨细胞瘤分期诊断模型的构建与评估

Construction and Evaluation of A Diagnostic Model for Staging Giant Cell Tumor of Bone Based on MR Imaging Omics

二维码有效期 120s

摘要目的:探讨MR影像组学对骨巨细胞瘤(GCTB)分期诊断的预测价值.方法:回顾性分析2017年1月至2023年11月西安市红会医院GCTB患者的MRI数据,其中1期18例,2期67例,3期42例,分别在T1WI、T2WI序列上逐层勾画感兴趣区(ROI)获得三维ROI,每个ROI提取组学特征.将数据集经随机分层抽样法按照7∶3的比例分为训练集和测试集.通过深度学习网络构建GCTB分期诊断模型,探究哪些影像特征与GCTB分期诊断具有相关性.结果:经过特征筛选,构建GCTB分期影像诊断、临床特征以及两者融合模型,共建立3个相关模型.在训练集上,影像组学模型AUC达到了 0.79(95％CI:0.75-0.83),临床特征模型达到了 0.75(95％CI:0.72-0.79),融合模型取得了 0.85(95％CI:0.82-0.91);在测试集中,影像组学模型和临床特征模型的AUC分别为 0.77(95％CI:0.72-0.85)、0.84(95％CI:0.82-0.90),融合模型的 AUC 值为 0.86(95％CI:0.82-0.92),均高于单独构建的模型.训练集和测试集中,融合模型的AUC与影像组学模型的AUC差异无统计学意义(P均＞0.05).结论:影像组学模型具有较好的预测GCTB分期诊断的能力,融合模型可进一步提高预测性能,可以较准确的识别GCTB的不同分期,使得临床医师能够尽早制订治疗决策.