机器学习结合影像组学特征鉴别间变性胶质细胞瘤和胶质母细胞瘤

(整期优先)网络出版时间:2020-08-10
/ 1
摘要目的结合机器学习与影像组学特征构建预测间变性胶质细胞瘤和胶质母细胞瘤的模型并进行验证。方法回顾性收集首都医科大学附属北京天坛医院神经外科自2005年8月至2012年8月收治的241例经病理证实的间变性胶质细胞瘤或胶质母细胞瘤患者的影像学资料。按随机数字表法分为训练组(n=140)和验证组(n=101)。使用MRIcron软件在训练组患者术前T1增强影像上勾勒肿瘤边界,运用Matlab软件提取肿瘤区域的影像组学特征,应用最低绝对收缩和选择算子(LASSO)回归模型筛选最佳影像组学特征,基于所选特征通过支持向量机(SVM)分类器建立胶质瘤鉴别模型,使用受试者工作特征(ROC)曲线评价模型对间变性胶质细胞瘤或胶质母细胞瘤的预测效果。结果241例胶质瘤患者中,经病理证实为间变性胶质细胞瘤101例、胶质母细胞瘤140例。训练组和验证组中,胶质母细胞瘤、间变性胶质细胞瘤患者的年龄差异均有统计学意义(P<0.05);胶质母细胞瘤和间变性胶质细胞瘤患者的性别分布,肿瘤位置,肿瘤坏死、水肿所占比例差异均无统计学意义(P>0.05)。Matlab软件共提取431个影像组学特征,LASSO回归模型筛选出11个最佳影像组学特征。ROC曲线分析显示SVM分类器建立的模型预测训练组患者胶质瘤类型的曲线下面积(AUC)为0.942,预测验证组患者胶质瘤类型的AUC为0.875。结论结合机器学习与影像组学特征构建的模型可有效鉴别间变性胶质细胞瘤和胶质母细胞瘤。