相关实验视频
Updated: Jun 13, 2025
07:37
Translational Orthotopic Models of Glioblastoma Multiforme
Published on: February 17, 2023
2.7K
基于T2-FLAIR成像的放射性特征,用于预测二级质瘤的早期术后复发
Zhenhua Wang1, Jinzhong Shu1, Linjun Feng1
1Department of Oncology, Qiandongnan Hospital affiliated to Guizhou Medical University (People's Hospital of Qiandongnan Miao & Dong Autonomous Prefecture), No. 31, Shaoshan South Road, Kaili, Guizhou Province, China.
Future oncology (London, England)
|September 13, 2024
概括
这项研究开发了一个放射学模型,使用T2-FLAIRMRI图像来预测低级质瘤 (LGGs) 的早期复发. 该模型有效地识别了在手术后一年内患有复发高风险的患者.
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
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 低度质瘤 (LGGs) 需要准确预测早期复发,以便及时干预.
- 目前用于预测复发的方法可能无法充分利用详细的成像信息.
研究的目的:
- 开发和验证使用T2-权重流体减弱倒置恢复 (T2-FLAIR) 磁共振成像 (MRI) 预测LGG患者早期术后复发的放射学模型.
- 评估从T2-FLAIR图像中提取的放射性特征的预测性能.
主要方法:
- 从105名LGG患者 (2017-2022) 的临床,病理和MRI数据的回顾性分析.
- 使用3D切片器从T2-FLAIR图像中提取放射性特征,通过最小绝对收缩和选择运算符 (LASSO) 回归进行特征选择.
- 使用逻辑回归 (LR),随机森林 (RF) 和支持矢量机器 (SVM) 进行五重交叉验证的预测模型的开发和验证.
主要成果:
- 从T2-FLAIR图像中确定了五个重要的放射性特征.
- 经过交叉验证,开发的模型实现了0.813 (LR),0.741 (RF) 和0.772 (SVM) 的曲线下的平均面积 (AUC).
- 放射学方法证明了早期复发的有效预测.
结论:
- 基于T2-FLAIR的放射学特征在预测手术后低度质瘤患者的早期复发方面是有效的.
- 这种基于成像的放射学模型为LGG的风险分层和个性化管理提供了有前途的工具.
- 需要在更大的队列中进一步验证以确认临床效用.
