目的探索基于多参数MRI影像组学特征融合的新型预测模型在高级别胶质瘤(high-grade glioma,HGG)和单发性脑转移瘤(solitary brain metastasis,SBM)中的鉴别价值.材料与方法收集121名(61名HGG和60名SBM)患者的多参数MRI扫描图像,在常规轴位MRI图像[T1WI、T2WI、T2加权液体衰减反转恢复(T2-weighted fluid attenuated inversion recovery,T2_FLAIR)和T1WI增强图像(post-contrast enhancement T1WI,CE_T1WI)]上勾画了肿瘤实性强化部分的体积(tumor volume of enhancement region,VOIET).通过合并HGG和SBM的类别信息,对不同MRI序列提取的影像组学特征进行融合,并定量比较了不同MRI序列及其组合的性能.结果从T1WI和T2_FLAIR序列中提取的图像特征的融合比来自其他单一序列或组合的特征具有更显著的预测性能,实现了受试者工作特征曲线下面积、准确率、敏感度和特异度分别为0.946、86.4％、84.1％和88.7％的良好鉴别性能.结论基于多参数MRI影像组学特征的融合模型通过整合肿瘤的多序列MR图像信息,可以实现对HGG和SBM的无创、高效鉴别.

脑肿瘤;高级别胶质瘤;单发性脑转移瘤;影像组学;磁共振成像;鉴别诊断

徐向东;梁芳蓉;韦瑞丽;吴嘉良;张婉丽;王琳婧;杨蕊梦;甄鑫;赖胜圣

广州市第一人民医院放射科,广州 510180;华南理工大学医学院,广州 510006;香港大学深圳医院放射科,深圳 518000;广州医科大学附属肿瘤医院放疗中心,广州 510095;南方医科大学生物医学工程学院,广州 510515;广东食品药品职业学院医疗器械学院,广州 510520

磁共振成像

[1]徐向东;梁芳蓉;韦瑞丽;吴嘉良;张婉丽;王琳婧;杨蕊梦;甄鑫;赖胜圣-.基于多参数MRI影像组学特征融合模型鉴别高级别胶质瘤与单发性脑转移瘤)[J].磁共振成像,2022(11):53-59,65

单发性脑转移瘤,VOIET

多参数,影像组学特征,特征融合,融合模型,高级别胶质瘤,high,grade,glioma,HGG,solitary,brain,metastasis,SBM,鉴别价值,材料与方法,扫描图像,轴位,T1WI,T2WI,液体衰减反转恢复,weighted,fluid,attenuated,inversion,recovery,FLAIR,增强图像,post,contrast,enhancement,CE,勾画,tumor,volume,region,类别信息,定量比较,图像特征,比来,一序列,预测性能,受试者工作特征曲线,特征曲线下面积,图像信息,无创,脑肿瘤,磁共振成像,鉴别诊断

0.33656