目的:探討常規(guī)MRI序列及彌散加權成像（diffusion weighted imaging,DWI）術前評估高級別膠質(zhì)瘤異檸檬酸脫氫酶1（isocitrate dehydrogenase 1,IDH1）基因型的價值;探討影像組學模型在術前預測高級別膠質(zhì)瘤IDH1基因型中的價值。材料與方法:1.回顧性分析2016年3月-2019年8月蘭州大學第二醫(yī)院經(jīng)手術病理證實的82例高級別星形膠質(zhì)細胞瘤患者的臨床及影像資料,其中IDH1突變型29例,IDH1野生型53例。所有患者均可獲得IDH1基因檢測結果及術前MRI掃描序列,包括T1WI、T2WI、FLAIR、CE-T1WI及DWI序列。對患者的性別、年齡、腫瘤發(fā)生部位、病變個數(shù)、腫瘤最大徑、瘤周水腫最大徑、瘤腦界面、囊變壞死、出血、是否累及島葉和胼胝體、是否跨越中線、對比增強強化程度及DWI定量參數(shù)進行對比分析,采用受試者工作特征（receiver operating characteristic,ROC）曲線評估各參數(shù)對高級別膠質(zhì)瘤IDH1基因型的診斷效能。2.回顧性收集2016年3月-2019年8月蘭大二院經(jīng)手術病理證實的高級別星形膠質(zhì)細... 

【文章來源】：蘭州大學甘肅省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

腫瘤最大徑、ADCmean值、ADCmin值、rADCmean值、rADCmin值鑒別診斷高級別膠質(zhì)瘤中IDH1-mut與IDH1-wild的ROC曲線，曲線下面積分別為0.755、0.842、

基于MRI征象及影像組學評估蘭州大學碩士學位論文高級別膠質(zhì)瘤IDH1基因型的研究243.5影像組學諾模圖的構建經(jīng)多元邏輯回歸，構建了包含有一個影像表型特征（強化程度）和多序列影像組學特征的影像組學諾模圖（圖5）。影像組學諾模圖對高級別膠質(zhì)瘤IDH1基因型的預測效能最優(yōu)（圖4、表5），其中訓練集AUC為0.970[95％CI0.938-1.000]；驗證集中AUC為0.889[95％CI0.762-1.000]。圖5基于訓練組構建的預測IDH1狀態(tài)影像組學諾模圖表5影像組學模型、影像表型特征模型及諾模圖模型預測性能模型分組AUC準確性敏感性特異性影像組學訓練集0.953(0.893-1.000)0.938(0.860-0.979)0.870(0.652-1.000)0.965(0.667-1.000)驗證集0.873(0.734-1.000)0.788(0.611-0.910)0.750(0.500-1.000)0.810(0.429-1.000)影像表型特征訓練集0.898(0.814-0.91)0.838(0.738-0.911)0.913(0.696-1.000)0.807(0.158-0.947)驗證集0.861(0.738-0.984)0.727(0.545-0.867)1.000(0.750-1.000)0.571(0.476-0.905)諾模圖訓練集0.970(0.938-1.000)0.912(0.828-0.964)0.957(0.696-1.000)0.895(0.632-0.982)驗證集0.889(0.762-1.000)0.788(0.611-0.910)0.833(0.583-1.000)0.762(0.333-1.000)

基于MRI征象及影像組學評估蘭州大學碩士學位論文高級別膠質(zhì)瘤IDH1基因型的研究253.6影像組學模型臨床決策曲線決策曲線（圖6）表明，與其他預測模型相比，影像組學諾模圖在所有閾值范圍內(nèi)對高級別膠質(zhì)瘤患者的IDH1基因預測提供了更大的凈收益(netbenefit)，有較高的預測效能。圖6不同模型的決策曲線，Y軸代表凈收益，X軸代表閾值概率。不同顏色的曲線表示在不同閾值概率下各類模型的凈收益

【參考文獻】：
期刊論文
[1]基于深度學習的圖像分類研究綜述[J]. 蘇賦,呂沁,羅仁澤.  電信科學. 2019(11)
[2]膠質(zhì)母細胞瘤分子標志物的研究進展[J]. 余明辰,吳楠,孫冬琳,金焰.  癌變·畸變·突變. 2019(05)
[3]基于機器學習的醫(yī)療決策支持系統(tǒng)綜述[J]. 梁書彤,郭茂祖,趙玲玲.  計算機工程與應用. 2019(19)
[4]磁共振征象評估間變性星形細胞瘤異檸檬酸脫氫酶-1突變狀態(tài)的研究[J]. 柯曉艾,張巧瑩,周青,韓蕾,張文娟,周俊林.  磁共振成像. 2019(07)
[5]膠質(zhì)母細胞瘤IDH1突變型與野生型的MRI特征[J]. 張巧瑩,柯曉艾,張文娟,黃曉宇,梁小紅,周俊林.  中國醫(yī)學影像學雜志. 2019(06)
[6]機器學習在鼻咽癌影像分析中的研究進展[J]. 黃斌,廖峰,葉裕豐,黃炳升.  國際醫(yī)學放射學雜志. 2019(01)
[7]影像組學技術方法的研究及挑戰(zhàn)[J]. 史張,劉崎.  放射學實踐. 2018(06)
[8]MRI影像組學在腦膠質(zhì)瘤分級中的價值研究[J]. 周晶,白巖,馬玲,劉振宇,馮銘,魏巍,王嫣,時少杰,田捷,王梅云.  中國微侵襲神經(jīng)外科雜志. 2018(06)
[9]多模態(tài)磁共振成像技術在膠質(zhì)瘤細胞增殖診斷中的應用[J]. 林坤,次旦旺久,王曉明.  磁共振成像. 2017(06)
[10]對比分析血管瘤型腦膜瘤與非典型腦膜瘤的MRI征象[J]. 張培麗,趙建洪,張玲艷,張學凌,韓引萍,周俊林.  實用放射學雜志. 2016 (11)



本文編號：3620724