准确的低级和高级质瘤分类使用免费水消除的扩散张量计和整体机器学习
Sreejith Vidyadharan1, B V V S N Prabhakar Rao1, P Yogeeswari2
1Department of Electrical and Electronics Engineering, Birla Institute of Technology and Science Pilani, Hyderabad Campus, Hyderabad, 500078, India.
Scientific reports
|August 27, 2024
概括
一种新的双隔间扩散张力成像 (DTI) 模型通过考虑自由水污染来改善质瘤诊断. 这种先进的DTI方法提高了低级和高级质瘤患者的分类准确性.
科学领域:
- 神经成像是一种神经成像.
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
背景情况:
- 质瘤是一种常见的大脑瘤,需要早期诊断和有效治疗.
- 目前基于活检的诊断是侵入性的,需要非侵入性神经影像替代方案.
- 扩散张力成像 (DTI) 对评估质瘤中的白质量 (WM) 变化具有前景,但单DTI可能会被自由水 (FW) 污染所混.
研究的目的:
- 评估一个两部分的DTI模型的有效性,以计算质瘤患者的FW污染.
- 确定基于DTI的生物标志物,以区分低级质瘤 (LGG) 和高级质瘤 (HGG).
主要方法:
- 从86名质瘤患者 (39名LGG,47名HGG) 的DTI数据使用常规临床协议进行了分析.
- 两的DTI模型与标准的单模型进行了比较.
- 基于堆叠的集体学习被用来根据瘤和正常出现的白质 (NAWM) 区域的DTI指标对LGG和HGG患者进行分类.
主要成果:
- 两部分的DTI模型在分类LGG和HGG患者方面表现优于单部分模型,由更高的灵敏度,特异性和AUC-ROC得分证明.
- 四个关键的DTI特征,包括瘤/核心区域的微分异构 (FA) 和NAWM中的FA/平均扩散性,实现了高分类准确性 (92%的灵敏度,90%的特异性,90%的AUC-ROC).
- 在LGG和HGG之间观察到LGG和HGG对瘤和NAWM区域的不同影响,这凸显了考虑这些区域的重要性.
结论:
- 两部分的DTI模型有效地解决了FW污染问题,大大提高了结质瘤的诊断准确性.
- 这种增强的DTI方法为区分LGG和HGG提供了有价值的生物标志物.
- 这些发现支持两部分DTI模型的临床实用性,以更好地诊断质瘤和潜在的治疗计划.
