目的评估基于肿瘤全域的表观扩散系数(apparent diffusion coefficient,ADC)信号强度直方图对于鉴别世界卫生组织(World Health Organization,WHO)Ⅱ级与Ⅲ级胶质瘤的价值,并探求二者之间鉴别诊断的影像标志物。材料与方法回顾性分析经...目的评估基于肿瘤全域的表观扩散系数(apparent diffusion coefficient,ADC)信号强度直方图对于鉴别世界卫生组织(World Health Organization,WHO)Ⅱ级与Ⅲ级胶质瘤的价值,并探求二者之间鉴别诊断的影像标志物。材料与方法回顾性分析经手术及病理证实的13例Ⅱ级胶质瘤与20例Ⅲ级胶质瘤的术前磁共振成像(magnetic resonance imaging,MRI)资料,在包含肿瘤实质或瘤周水肿的每一层ADC信号强度图上勾画感兴趣区(region of interest,ROI),得到3D ROI的ADC信号强度直方图信息及其所有参数,包括最小值、最大值、平均值、第10百分位数、第25百分位数、第50百分位数、第75百分位数、第90百分位数、值域、体素数、标准差、方差、平均差、偏度、峰度及一致性,进行组间比较,并利用受试者操作特性曲线(receiver operating characteristic,ROC)来确定直方图参数对于二者的诊断能力。结果最小值(P=0.04)、第10百分位数(P=0.03)、体素数(P=0.003)、标准差(P=0.022)、偏度(P=0.017)在Ⅱ级与Ⅲ级胶质瘤间差异具有统计学意义。利用ROC曲线分析结果,以体素数5.65×10~6为阈值鉴别Ⅱ级与Ⅲ级胶质瘤的曲线下面积(area under the curve,AUC)最大,诊断能力最佳(AUC=0.856),敏感性及特异性分别为81.5%、80.0%,而偏度、标准差的诊断能力次之(AUC=0.75、0.738)。结论基于肿瘤全域感兴趣区的ADC信号强度直方图可以为Ⅱ级与Ⅲ级胶质瘤的鉴别诊断提供更多信息,体素数、偏度以及标准差具有良好的诊断价值。展开更多
目的利用影像组学与常规磁共振图像对脑胶质瘤进行分级。材料与方法利用BRATS2017公开数据集,自动从图像中的感兴趣区域提取多种特征,包括形态特征、灰度特征、纹理特征等,并运用特征选择方法进行特征选择,最后根据选出的特征对脑胶质...目的利用影像组学与常规磁共振图像对脑胶质瘤进行分级。材料与方法利用BRATS2017公开数据集,自动从图像中的感兴趣区域提取多种特征,包括形态特征、灰度特征、纹理特征等,并运用特征选择方法进行特征选择,最后根据选出的特征对脑胶质瘤的高、低评级进行区分。对支持向量机、决策树与K近邻法等3种分类方法进行比较,也比较了基于遗传算法的包装方法和过滤方法这两种特征选择算法。结果采用过滤方法进行特征选择,支持向量机方法具有最高的准确率91.93%,受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)值为0.90。进一步采用遗传算法进行特征选择,准确率提升至93.33%,AUC值为0.94。结论基于常规磁共振图像,利用影像组学方法,选择合适的特征组合,可以对脑胶质瘤进行自动分级。展开更多
文摘目的评估基于肿瘤全域的表观扩散系数(apparent diffusion coefficient,ADC)信号强度直方图对于鉴别世界卫生组织(World Health Organization,WHO)Ⅱ级与Ⅲ级胶质瘤的价值,并探求二者之间鉴别诊断的影像标志物。材料与方法回顾性分析经手术及病理证实的13例Ⅱ级胶质瘤与20例Ⅲ级胶质瘤的术前磁共振成像(magnetic resonance imaging,MRI)资料,在包含肿瘤实质或瘤周水肿的每一层ADC信号强度图上勾画感兴趣区(region of interest,ROI),得到3D ROI的ADC信号强度直方图信息及其所有参数,包括最小值、最大值、平均值、第10百分位数、第25百分位数、第50百分位数、第75百分位数、第90百分位数、值域、体素数、标准差、方差、平均差、偏度、峰度及一致性,进行组间比较,并利用受试者操作特性曲线(receiver operating characteristic,ROC)来确定直方图参数对于二者的诊断能力。结果最小值(P=0.04)、第10百分位数(P=0.03)、体素数(P=0.003)、标准差(P=0.022)、偏度(P=0.017)在Ⅱ级与Ⅲ级胶质瘤间差异具有统计学意义。利用ROC曲线分析结果,以体素数5.65×10~6为阈值鉴别Ⅱ级与Ⅲ级胶质瘤的曲线下面积(area under the curve,AUC)最大,诊断能力最佳(AUC=0.856),敏感性及特异性分别为81.5%、80.0%,而偏度、标准差的诊断能力次之(AUC=0.75、0.738)。结论基于肿瘤全域感兴趣区的ADC信号强度直方图可以为Ⅱ级与Ⅲ级胶质瘤的鉴别诊断提供更多信息,体素数、偏度以及标准差具有良好的诊断价值。
文摘目的利用影像组学与常规磁共振图像对脑胶质瘤进行分级。材料与方法利用BRATS2017公开数据集,自动从图像中的感兴趣区域提取多种特征,包括形态特征、灰度特征、纹理特征等,并运用特征选择方法进行特征选择,最后根据选出的特征对脑胶质瘤的高、低评级进行区分。对支持向量机、决策树与K近邻法等3种分类方法进行比较,也比较了基于遗传算法的包装方法和过滤方法这两种特征选择算法。结果采用过滤方法进行特征选择,支持向量机方法具有最高的准确率91.93%,受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)值为0.90。进一步采用遗传算法进行特征选择,准确率提升至93.33%,AUC值为0.94。结论基于常规磁共振图像,利用影像组学方法,选择合适的特征组合,可以对脑胶质瘤进行自动分级。
