换一批基于多模态智能模型的MRI影像组学在颅内室管膜瘤分级中的应用
Application of MRI radiomics based on multimodal intelligent models in grading of intracranial ependymomas
摘要目的:探究基于多模态智能模型的MRI影像组学在颅内室管膜瘤分级中的应用价值.方法:回顾性分析河南省人民医院经术后病理确诊的 104例室管膜瘤患者资料,术前行常规MRI及增强扫描.按 8:2比例分为训练集(n=83,含 40 例 1+2 级和 43 例 3 级)及测试集(n=21,含 10 例 1+2 级和 11 例 3 级).基于轴位增强T1 加权成像(T1WI)、弥散加权成像(DWI)的图像,手动勾画全肿瘤ROI获得ROIT1C+、ROIDWI.提取及筛选最佳影像组学特征并融合,通过偏最小二乘判别分析分类器构建影像组学模型(RM),获得RMT1C+、RMDWI及融合模型RMDWI+T1C+.绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型在颅内室管膜瘤分级中的诊断效能.利用决策曲线分析(DCA)评估各模型的临床实用性.结果:RMT1C+、RMDWI及RMDWI+T1C+在训练集的AUC分别为 0.864、0.825 及 0.869,在测试集分别为 0.833、0.720 及 0.867.其中融合模型RMDWI+T1C+的诊断效能最高,DCA显示其临床净收益更大.结论:基于增强T1WI和DWI的影像组学有助于颅内室管膜瘤的分级,尤其是融合模型,诊断效能更高.
更多相关知识
DOI
10.3969/j.issn.1673-7571.2026.02.003
发布时间
2026-03-13（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 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
