基于MR形態(tài)成像與影像組學(xué)的膠質(zhì)瘤預(yù)后及基因表型的初步研究
發(fā)布時間:2020-06-04 20:40
【摘要】:第一部分 殘腔周圍FLAIR早期高信號預(yù)測高級別膠質(zhì)瘤生存:影像組學(xué)初步研究目的:高級別膠質(zhì)瘤(HGG)預(yù)后評估具有一定困難。本研究的目的是建立一個基于FLAIR圖像的影像組學(xué)模型,并評估該模型在預(yù)測HGG患者術(shù)后長期生存狀態(tài)中的價值。資料與方法:回顧性納入77例手術(shù)殘腔周圍FLAIR高信號的HGG患者(Ⅲ級34例,Ⅳ級43例),所有患者均接受腫瘤全切手術(shù)、術(shù)后同步放化療和輔助化療。對殘腔周圍FLAIR高信號區(qū)域進(jìn)行圖像分割及影像組學(xué)特征提取。然后利用隨機(jī)森林算法(RF)和logistic回歸(LR)算法建立影像組學(xué)模型及其與臨床因素的綜合模型。比較了兩種算法的三種模型對HGG良好生存狀態(tài)的預(yù)測效能。結(jié)果:預(yù)后良好組(OS=877.12±212.583,PFS=603.76±253.661)總生存期(OS)和無進(jìn)展生存期(PFS)均大于預(yù)后不良組(OS=334.77±126.792,PFS=235.84±119.002)(P0.001)。影像組學(xué)及綜合模型中使用RF算法的模型均優(yōu)于使用LR算法的模型(AUC_(RF):0.79,0.98;AUC_(LR):0.51,0.51)。影像組學(xué)與臨床因素綜合RF模型(0.950、0.957、0.941、0.995)預(yù)測預(yù)后的準(zhǔn)確度、敏感度、特異度和ROC曲線下面積(AUC)均高于單純影像組學(xué)RF模型(0.883、0.880、0.888、0.974)和臨床RF模型(0.833、0.864、0.794、0.935)。結(jié)論:綜合模型整合了影像組學(xué)特征及臨床預(yù)后因素,在預(yù)測HGG患者術(shù)后及放化療后生存狀態(tài)方面,比單純影像組學(xué)模型和單純臨床模型具有更高預(yù)后預(yù)測價值。第二部分 MR征象預(yù)測較低級別膠質(zhì)瘤1p/19q雜合性缺失狀態(tài)的初步研究目的:較低級別膠質(zhì)瘤(lower grade glioma,LGG)染色體1p/19q雜合性缺失(loss of heterozygosity,LOH)狀態(tài)與化療敏感性及預(yù)后明顯相關(guān),本研究將通過術(shù)前及術(shù)后MR征象預(yù)測LGG 1p/19q LOH狀態(tài)。材料與方法:回顧性分析69例LGG患者的術(shù)前與術(shù)后MR及臨床資料,術(shù)前MR征象包括腫瘤部位、均質(zhì)性、T2-FLAIR不匹配、室管膜下區(qū)(subventricular zone,SVZ)受累及中線移位征,術(shù)后MR征象包括新增強(qiáng)化形態(tài)、殘腔周圍FLAIR高信號范圍變化趨勢、殘腔FLAIR信號強(qiáng)度變化、假性進(jìn)展,臨床資料包括性別、年齡與WHO腫瘤分級。通過單因素及多因素logistic回歸分析評估各參數(shù)與1p/19q LOH狀態(tài)的相關(guān)性并計算多因素logistic回歸模型預(yù)測1p/19q LOH的靈敏度、特異度、PPV、NPV及準(zhǔn)確度。結(jié)果:單因素分析顯示術(shù)前征象:腫瘤部位(P0.001)、均質(zhì)性(P=0.049)、T2-FLAIR不匹配(P0.001)及SVZ受累(P=0.031),術(shù)后征象:新增強(qiáng)化形態(tài)(P0.001)、假性進(jìn)展(P=0.026)與1p/19q LOH相關(guān)性有統(tǒng)計學(xué)意義;中線移位、術(shù)后殘腔FLAIR信號強(qiáng)度變化、殘腔周圍FLAIR范圍變化及臨床因素?zé)o統(tǒng)計學(xué)差異。多因素logistic回歸分析顯示部位、T2-FLAIR不匹配及術(shù)后新增強(qiáng)化形態(tài)與1p/19q LOH有關(guān),多因素logistic回歸模型預(yù)測1p/19q LOH的靈敏度、特異度及準(zhǔn)確度分別為0.88、0.85、0.86。結(jié)論:本研究評估了常規(guī)MR征象與1p/19q基因狀態(tài)的相關(guān)性,提供了一種無創(chuàng)預(yù)測1p/19q LOH的方法。
【圖文】:
流程圖Fig.1Overallworkflow
圖像分割
【學(xué)位授予單位】:河北醫(yī)科大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2019
【分類號】:R739.41;R445.2
本文編號:2696946
【圖文】:
流程圖Fig.1Overallworkflow
圖像分割
【學(xué)位授予單位】:河北醫(yī)科大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2019
【分類號】:R739.41;R445.2
【參考文獻(xiàn)】
相關(guān)期刊論文 前1條
1 中國腦膠質(zhì)瘤基因組圖譜計劃(CGGA);;中國腦膠質(zhì)瘤分子診療指南[J];中華神經(jīng)外科雜志;2014年05期
,本文編號:2696946
本文鏈接:http://sikaile.net/linchuangyixuelunwen/2696946.html
最近更新
教材專著