换一批多参数磁共振机器学习模型鉴别诊断原发性中枢神经系统淋巴瘤与不典型胶质母细胞瘤的价值
Multi-Parameter Magnetic Resonance Machine Learning Model in the Differential Diagnosis of Primary Central Nervous System Lymphoma and Atypical Glioblastoma
摘要目的 基于多参数 MRI 采用 6 种机器学习分类算法构建预测不典型胶质母细胞瘤与原发性中枢神经系统淋巴瘤的模型,比较不同机器学习模型的诊断效能.资料与方法 回顾性分析 2013 年 1 月—2023 年 12 月解放军总医院 77 例(125 个病灶)原发性中枢神经系统淋巴瘤,以及解放军总医院和公共数据库的90例(108个病灶)不典型胶质母细胞瘤的临床及影像资料.按7∶3随机分为训练集163例和验证集 70例.选取T1WI、T2WI及增强T1WI序列进行感兴趣区分割,并从每个感兴趣区中提取 1 132 个影像特征.采用组内相关系数(ICC)进行一致性检验,筛选出ICC≥0.85 的影像特征.依次通过ICC、递归消除法筛选出最佳特征.在 6 种分类器中对 3 个单序列特征组、3 个双序列组与 1 个多序列特征组进行训练及验证.绘制受试者工作特征曲线评估模型的诊断效能.结果 SVM_rbf分类器与多序列特征组的组合模型是鉴别原发性中枢神经系统淋巴瘤与不典型胶质母细胞瘤的最优模型,训练集与验证集的曲线下面积分别为0.969、0.913,准确度均为0.886.结论 无创提取多参数MRI特征结合机器学习算法可有效鉴别原发中枢神经系统淋巴瘤与不典型胶质母细胞瘤,为制订个体化治疗方案提供支持.
更多相关知识
关键词
原发中枢神经系统淋巴瘤不典型胶质母细胞瘤磁共振成像影像组学机器学习诊断,鉴别Primary central nervous system lymphomaAtypical glioblastomaMagnetic resonance imagingRadiomicsMachine learningDiagnosis,differential
栏目名称
DOI
10.3969/j.issn.1005-5185.2024.11.001
发布时间
2024-12-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
