常规MRI联合扩散峰度成像的影像组学模型对脑胶质瘤分级的预测

目的:利用常规MRI联合扩散峰度成像(DKI)建立多参数影像组学模型,预测脑胶质瘤术前病理分级.方法:回顾性分析51例脑胶质瘤患者的术前常规MRI及DKI资料,DKI经后处理得到平均峰度(MK)参数图.将DICOM格式图像上传至放射组学云平台,手动勾画肿瘤ROI,进行特征提取及筛选.使用支持向量机算法建立脑胶质瘤分级预测模型,以5折交叉验证的方法对预测模型进行验证.绘制ROC曲线,在约登指数最大时作为最佳截止值,得到预测模型的敏感度和特异度.计算AUC以评价模型的预测效能.结果:每个MRI序列分别提取1409个影像组学特征.T1WI、T2WI、T2 FLAIR、CE-T1WI及MK序列在测试集中得到的AUC值依次为0.686、0.818、0.800、0.843及0.864,以MK序列预测效能最高,其敏感度、特异度和约登指数分别为0.800、0.857、0.657.联合多序列建立组合模型,其中由T1WI+T2 FLAIR+CE-T1WI+MK构成的组合序列效能最高,AUC值为0.995,敏感度、特异度和约登指数分别为0.867、0.905、0.772.结论:常规MRI联合DKI的多参数影像组学模型可准确鉴别高、低级别脑胶质瘤,提高预测效能.