预测脑膜瘤等级通过建立基于磁共振成像的临床放射学模型名ogram
Tao Han1, Xianwang Liu1, Changyou Long2
1Department of Radiology, Lanzhou University Second Hospital, Lanzhou 730030, China; Second Clinical School, Lanzhou University, Lanzhou 730030, China; Key Laboratory of Medical Imaging of Gansu Province, Lanzhou 730030, China; Gansu International Scientific and Technological Cooperation Base of Medical Imaging Artificial Intelligence, Lanzhou 730030, China.
Magnetic resonance imaging
|September 21, 2023
概括
使用MRI的临床放射学模型名图有效预测经术前的脑膜瘤等级. 这种工具为分类脑膜瘤提供了高精度和灵敏度,有助于手术规划.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
背景情况:
- 脑膜瘤是最常见的初级内瘤.
- 准确的手术前分类对于治疗计划和预后至关重要.
- 在手术前区分不同级别的脑膜瘤仍然具有挑战性.
研究的目的:
- 为了评估基于磁共振成像 (MRI) 的放射学模型名图的临床实用性,用于术前脑膜瘤分级.
- 评估开发的模型在预测脑膜瘤等级方面的准确性和灵敏性.
主要方法:
- 对544名病理诊断为脑膜瘤的患者进行了回顾性分析.
- 使用shukun技术平台从T1加权对比增强 (T1C) 和T2加权成像 (T2WI) 中提取3,376个放射性特征.
- 开发一个随机森林 (RF) 放射学模型和一个临床放射学模型名组图,使用SelectPercentile和Lasso进行特征选择.
- 使用校准曲线,决策分析曲线 (DCA),曲线下的面积 (AUC),灵敏度 (SEN),特异性 (SPE) 和精度 (ACC) 评估模型性能.
主要成果:
- 射频放射学模型在预测脑膜瘤等级方面表现出有效性,在训练组中AUC,SEN,SPE和ACC为0.949,0.976,0.785和0.826,在验证组中为0.838,0.829,0.783和0.793.
- 与单独的射频模型相比,临床放射学模型显示出略高的预测能力.
- 校准分析表明预测和实际脑膜瘤等级 (LGM和HGM) 之间存在良好的一致性.
- 决策曲线分析证实,临床放射学模型提供了最佳的临床净利.
结论:
- 开发的临床放射学模型名图,集成T1C和T2WI特征,在术前脑膜瘤分级方面表现出高精度和灵敏度.
- 这种模型具有显著的潜力,可以改善术前评估,并指导脑膜瘤管理中的临床决策.
