多序MRI放射学模型用于区分质瘤的复发和伪进展
Jintan Li1, Qiwei Xu1, Xiao Fan1
1Department of Neurosurgery, The First Affiliated Hospital of Nanjing Medical University, Nanjing, China.
European journal of radiology
|November 14, 2025
概括
对MRI数据的放射学分析有效地区分了质瘤复发和伪进展. 这种成像方法为扩散性质瘤患者准确的临床决策提供了可靠的方法.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 质瘤的复发和伪进展需要不同的临床管理策略.
- 准确区分这些条件对于最佳的患者结果至关重要.
- 放射学提出了一个有前途的非侵入性成像生物标志物方法.
研究的目的:
- 开发和验证基于放射学的机器学习模型,以区分质瘤复发与伪进展.
- 用多中心MRI数据评估这些模型的性能和稳定性.
主要方法:
- 对来自多个中心的240名扩散性质瘤患者的MRI数据的回顾性分析.
- 从六个MRI序列 (T1WI,T2WI,T1CE,FLAIR,DWI,ADC) 中提取放射性特征.
- 功能工程和机器学习 (SVM,MLP) 的应用用于分类和性能评估 (AUC,精度,RSD_AUC).
主要成果:
- 在特征工程之后,选出了45个放射学特征.
- 多层感知器 (MLP) 模型实现了高性能 (AUC: 0.88 ± 0.05,精度: 0.81 ± 0.04).
- 在MLP模型中显示出高稳定性 (RSD_AUC:5.25%).
结论:
- 基于成像的放射学模型可以有效地区分质瘤复发与伪进展.
- 这些模型显示了临床应用的潜力,以指导治疗决策.
- 放射学是一种有价值的工具,可以弥合这些具有挑战性的疾病之间的诊断差距.
