预测成年结质瘤的组织病理学分类基于手术前常规多模式MRI放射学:一个机器学习模型
Peng Du1,2, Xiao Liu3, Xuefan Wu4
1Department of Radiology, Huashan Hospital, Fudan University, Shanghai 200040, China.
Brain sciences
|June 28, 2023
概括
这项研究开发了一种放射学模型,使用MRI扫描来准确地将成年质瘤分为 2-4 级. 该模型有助于精确的诊断和治疗计划,以改善临床管理.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 机器学习在医学中的应用
背景情况:
- 准确的成年质瘤手术前分类对于治疗计划至关重要.
- 传统的组织病理学分类可能是侵入性的和耗时的.
研究的目的:
- 建立一个预测模型,将成年质瘤分为 2-4 级.
- 为了利用术前常规的多模式MRI放射学来分类质瘤.
主要方法:
- 对240个成年质瘤进行了回顾性分析.
- 使用ITK-SNAP和Pyradiomics从两个感兴趣地区 (ROI) 提取放射性特征.
- 通过LASSO过器选择特征,并使用6个分类器 (GNB,RF,KNN,SVM,AB,MLP) 开发模型.
- 模型性能使用五倍交叉验证和AUC进行评估,在TCIA数据上进行外部验证.
主要成果:
- 支持矢量机 (SVM) 分类器在多模式MRI上表现最好 (平均AUC为0.85±0.04).
- 在外部TCIA数据上,SVM的AUC为0.81.
- 开发的模型准确地将质瘤分为 2-4 级.
结论:
- 术前多式核磁共振扫描 (MRI) 放射学为成年质瘤分级提供了一种方便,准确和非侵入性的方法.
- 预测模型有助于精确的诊断和治疗,优化临床管理.
- 基于放射学的质瘤分级可以改善患者的治疗结果.
