目的 探讨基于术前核磁共振成像(MRI)T2抑脂序列预测胶质瘤异柠檬酸脱氢酶(IDH)-1基因表达情况的价值.方法 本研究共纳入2016年1月-2023年2月在济宁医学院附属医院经组织病理学证实的124例胶质瘤患者.使用ITK-SNAP软件勾画感兴趣区域(ROI),使用Pyradiomics包实现影像组学特征的提取,使用经过预训练的ResNet50深度学习模型提取深度学习特征.使用Pearson相关系数和最小绝对收缩和选择算子(LASSO)回归模型进行特征筛选.最后进行10折交叉验证来评估模型效能.将传统影像组学、深度迁移学习以及融合模型基于支持向量机(SVM)、K近邻(KNN)以及随机森林(RF)三种机器学习模型分别建模.使用受试者工作特征(ROC)曲线评价各模型的预测效能.结果 基于影像组学特征的机器学习模型SVM、KNN以及RF的曲线下面积(AUC)分别为0.699、0.628、0.616.基于深度迁移学习特征的机器学习模型SVM、KNN以及RF的AUC分别为0.853、0.753、0.807.基于融合特征的机器学习模型SVM、KNN以及RF的AUC分别为0.868、0.818、0.787.结论 基于常规MRI序列中的T2WI抑脂序列的SVM融合模型对预测胶质瘤IDH-1基因表达情况具有较高的预测效能.
作者：胡哲；王玉红；刘晓龙；于昊；王皆欢；刘德国；王唯伟；陈月芹
来源：临床神经外科杂志 2024 年 21卷 2期
