120例胶质瘤及瘤周水肿MRI影像组学在评估肿瘤复发中的价值
宋珍珍1,2,孙小玲3,李海鸥1,王芳1,张冉4,于德新1发布日期:2021-11-11通讯作者:于德新. E-mail:yudexin0330@sina.comValue of MRI radiomics of glioma and peritumoral edema in evaluating tumor recurrence
SONG Zhenzhen1,2, SUN Xiaoling3, LI Haiou1, WANG Fang1, ZHANG Ran4, YU Dexin11. Department of Radiology, Qilu Hospital, Cheeloo College of Medicine, Shandong University, Jinan 250012, Shandong, China;
2. Department of Radiology, The Third Hospital of Jinan, Jinan 250132, Shandong, China;
3. Department of Ultrasound, Wendeng District Peoples Hospital, Weihai 264400, Shandong, China;
4. Huiying Medical Technology(Beijing)Co., Ltd., Beijing 100192, China
Published:2021-11-11摘要/Abstract
摘要： 目的 探讨胶质瘤及瘤周水肿(PTE)MRI影像组学在评估肿瘤复发中的价值。 方法 选取山东大学齐鲁医院2013年1月至2020年12月经术后病理证实的胶质瘤患者120例,包括55例复发和65例无复发患者,根据术前T2WI和T1WI增强图像对肿瘤和PTE进行三维容积感兴趣区勾画,并按照8∶2的比例分为训练组和验证组,分析两者及联合的组学特征与肿瘤复发的关系。使用受试者工作特征(ROC)曲线下面积(AUC)与准确性矩阵,比较和评价不同影像组学模型的训练结果。 结果 对于PTE,K临近法(KNN)分类器预测效能最好:训练组AUC值、敏感度、特异度分别为0.910、0.84、0.88,验证组分别为0.916、0.82、0.93。对于肿瘤,逻辑回归(LR)分类器预测效能最好:训练组AUC值、敏感度和特异度分别为0.777、0.69、0.67,验证组分别为0.758、0.82、0.92。当肿瘤+PTE联合时,逻辑回归(LR)分类器预测效能最好:训练组AUC值、敏感度、特异度为0.977、0.88、0.89,验证组则为0.841、0.73、0.83。 结论 胶质瘤PTE和肿瘤影像组学特征在预测胶质瘤术后复发方面具有一定的价值,其中PTE的KNN组学模型效能最佳。
PDF全文下载地址:
http://yxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4410
