碎形维度:通过机器学习分析其作为神经成像生物标志物用于脑瘤诊断的潜力

科学领域:

• 神经成像是一种神经成像.
• 生物标志物 生物标志物
• 无线电学 (Radiomics) 是一种无线电学.

背景情况:

• 质瘤是不同程度的原发性脑瘤,影响患者的预后和治疗.
• 精确分类质瘤为低级质瘤 (LGG) 和高级质瘤 (HGG) 对于临床管理至关重要.
• 目前的分级方法可能是主观的;需要新的定量成像生物标志物.

研究的目的:

• 调查碎形维度 (FD) 测量的有效性,以区分LGG和HGG.
• 为了比较FD测量与传统纹理特征的性能,用于质瘤分级.
• 探索FD在瘤和非瘤大脑区域中的实用性.

主要方法:

• 对42名质瘤患者 (27 LGG,15 HGG) 的磁共振成像 (MRI) 数据的回顾性分析.
• 对瘤和非瘤灰质 (GM) 和白质 (WM) 区域的各种FD测量 (一般结构,边界,骨架) 的计算.
• 使用统计推断和机器学习提取和比较纹理特征 (例如对比度,) 和FD测量.

主要成果:

• 来自增强瘤区域的FD测量达到93%的准确性,97%的灵敏性,98%的特异性,以及LGG/HGG歧视的0.98AUC.
• 非瘤的转基因骨架FD也表现良好 (83.3%的准确率,100%的灵敏度,0.80AUC).
• 飞行测量显示,LGG和HGG之间存在统计学上显著的差异,其表现优于某些纹理特征.

结论:

• 碎形维度分析提供了一种可靠的方法来区分低级和高级质瘤.
• FD特征作为有效的神经成像生物标志物,在质瘤分类中提供高精度和统计意义.
• 与传统的纹理分析相比,FD分析提高了对质瘤分类的洞察力.