期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
MRI影像特征结合机器学习算法无创预测弥漫性较低级别胶质瘤1p/19q缺失状态
1
作者 姚巧丽 梁知遇 +3 位作者 邓刊 朱柳红 刘豪 许乙凯 《医学影像学杂志》 2024年第2期1-5,共5页
目的探讨基于MRI表现特征结合机器学习算法在预测弥漫性较低级别胶质瘤(1p/19q)缺失状态的价值。方法选取经手术病理证实为Ⅱ~Ⅲ级胶质瘤79例[异柠檬酸脱氢酶(IDH)突变伴1p/19q共缺失组39例,IDH突变伴1p/19q非共缺失组40例],所有患者术... 目的探讨基于MRI表现特征结合机器学习算法在预测弥漫性较低级别胶质瘤(1p/19q)缺失状态的价值。方法选取经手术病理证实为Ⅱ~Ⅲ级胶质瘤79例[异柠檬酸脱氢酶(IDH)突变伴1p/19q共缺失组39例,IDH突变伴1p/19q非共缺失组40例],所有患者术前均行常规头颅MRI平扫及增强(T_(1)WI、T_(2)WI、SWI、FLAIR、DWI、CE-T_(1)WI),由未知病理结果的神经影像医师提取影像特征:钙化或出血、T_(2)-FLAIR错配征、瘤周水肿、强化程度、T_(2)异质性、皮质受累、边界规则、中线偏倚。利用卡方检验或Fisher精确检验评估两组胶质瘤影像学特征的统计学差异,并构建逻辑回归模型;另外,利用所提取的MRI特征构建出机器学习模型,使用受试者工作特征曲线(ROC)分析其预测1p/19q缺失状态的诊断效能。结果钙化或出血、T_(2)-FLAIR错配征、T_(2)异质性三个影像特征在不同1p/19q缺失状态中比较,差异有统计学意义(P<0.05),联合以上三个影像特征的逻辑回归模型的曲线下面积(AUC)可达0.859;另外,利用MRI特征所构建的机器学习模型鲁棒性较佳,测试集AUC可高达0.910。结论术前MRI表现特征结合机器学习算法可用于无创的预测弥漫性较低级别胶质瘤1p/19q缺失状态。 展开更多
关键词 胶质瘤 磁共振成像 机器学习 染色体部分缺失
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部