基于深度学习和影像组学的脑膜瘤质地术前评估

摘要：

目的:探讨基于弥散加权成像中表观弥散系数(ADC)的深度学习影像组学(DLR)技术在术前预测脑膜瘤质地的价值.方法:回顾性收集202例经术后病理证实的脑膜瘤患者相关数据资料,其中质软组包含97例,质硬组包含105例,并由放射科医生应用ITTK-SNAP软件勾画病灶的感兴趣区.首先,基于预处理图像提取病灶的影像组学特征和深度学习特征,进行特征组合;然后,对组合特征进行特征评估和特征选择,并建立混合标签.其后,对临床特征与放射学语义特征进行组间差异检验;最后,采用logistic回归建立临床、混合标签及联合模型,并建立基于混合标签的列线图.结果:临床资料中,WHO分级、Ki-67值及脑膜瘤最大径的组间差异显著(P＜0.05).筛选出3个影像组学特征和23个深度学习特征构建混合标签,其列线图的C指数在训练集为0.896(95％CI 0.844～0.947),在测试集为0.925(95％CI 0.841～1.000).结论:基于ADC图的深度学习影像组学技术可预测脑膜瘤质地,对术前预测具有参考价值.

关键词：影像组学、深度学习、脑膜瘤、质地、表观弥散系数

所属期刊栏目：29

分类号：R445.2;R739.45;TP18(诊断学)

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：340-345