解剖学报

作者：陈嘉懿,王宝,刘英超,史勇红,宋志坚

单位：1.复旦大学基础医学院数字医学研究中心，上海 200032; 2.上海市医学图像处理与计算机辅助手术重点实验室，上海 200032;3.山东大学齐鲁医院放射科, 济南 250012; 4. 山东第一医科大学附属省立医院神经外科，济南 250021

关键词：胶质瘤, 单发性脑转移瘤, 影像组学, 灰度共生矩阵, Wilcoxon秩和检验, 主成分分析, 支持向量机, 人

基金：基于深度学习的头颈部放疗计划图像分割新方法的研究

目的： 应用临床常规3T磁共振T1、T2和液体衰减反转恢复(FLAIR)成像分析胶质瘤和单发性脑转移瘤的影像组学特征差异，探讨肿瘤区域不同方向以不同角度构建的纹理特征对区别两种肿瘤的意义，寻找一种可行的胶质瘤和单发性脑转移瘤高精度分类方法。：： 方法： 43例胶质瘤患者和年龄、性别匹配的45例单发性脑转移瘤患者，从肿瘤区域轴状面、冠状面和矢状面方向的每1层构建不同角度的影像组学灰度共生矩阵，计算相应的纹理空间关系特征（包括对比度、相关性、能量和同质性）；使用Wilcoxon秩和检验选择特征并降低冗余；所选特征经SVM线性核分类器分类，实现两种肿瘤的诊断。：： 结果： 在分类胶质瘤和单发性脑转移瘤时，多模态多方向组合特征的精确性、召回率、F1分值和准确性分别是0.8857、0.9114、0.8944和0.8922；该组合特征在SVM线性核分类器下的受试者工作特征曲线下面积为0.9602；并将45例单发性脑转移瘤患者中的40例正确分类；43例胶质瘤患者中的39例正确分类。：： 结论： 肿瘤区域的多模态多方向组合特征经SVM线性核分类器分类，可以鉴别胶质瘤和单发性脑转移瘤，这可作为第2意见，有效协助医生做出诊断。

来源：2021年第6期

《解剖学报》期刊编辑部

查看解剖学报杂志2021年第6期