论文部分内容阅读
第一部分基于常规MRI图像的影像组学对脑胶质瘤术前分级的临床价值[目的]研究基于常规MRI多序列图像的影像组学对脑胶质瘤术前分级的效能及临床价值。[方法]回顾性连续性纳入行术前常规MRI检查(包括T1WI、T2WI、FLAIR、DWI、ADC、增强T1WI),并经手术病理证实的144例脑胶质瘤(WHOII级45例,III级52例,IV级47例),病例分别源自于MRI扫描方法、病理检查方法均相同的两家三甲医院,将其中一家医院的病例作为训练集(96例),另一家医院的病例作为验证集(48例)。利用ITK-SNAP分割软件在MRI图像上手动勾画肿瘤容积为感兴趣区(Region of Interest,ROI)(ROI包括了肿瘤瘤体除囊变坏死以外的实性部分及肿瘤周边的水肿部分),采用影像组学工具(Pyradiomics)针对训练集病例图像提取4432个量化特征,删除低方差特征,对剩余特征值通过Mann-WhitneyU检验,删除在不同级别胶质瘤之间差异无统计学意义的特征。对于差异有统计学意义的特征,通过绘制受试者工作特征曲线(receiver operating characteristic curve,ROC)计算各特征的效能及确定胶质瘤分级的最佳临界值。选取ROC曲线下面积(area under the ROC curve,AUC)较高且经多重排列组合测试,具有较高诊断效能的数个最优特征,采用决策树模型方法,构建基于训练集病例的胶质瘤分级预测模型,采用ROC曲线在验证集病例上对模型进行验证。[结果](1)高级别与低级别胶质瘤的鉴别:低级别胶质瘤DWI序列的偏度值(SkeWDWI)、Flair序列的长期高灰度水平强调值(EmpFlair)、熵值(EntFlair)、中位数(MedFlair)、T1WI增强序列的标准差值(SDT1WI-CE)均小于高级别胶质瘤(P=0.042,P=0.08,P=0.02,P=0.024,P=0.005);低级别胶质瘤的 Flair 序列的密实度(ComFlair)高于高级别胶质瘤(P=0.033)。决策树模型纳入上述特征进行联合诊断时表现出较好的鉴别效能(训练集:AUC为0.905,敏感度为0.865,特异度为0.882;验证集:AUC为0.784,敏感度为0.783,特异度为0.813),效能高于常规MRI征象学(肿瘤有无囊变坏死、肿瘤强化程度、水肿最大径,在训练集 AUC 分别为 0.668、0.849、0.767,在验证集 AUC 分别为 0.708、0.712、0.570)。(2)Ⅱ级别与Ⅲ级别胶质瘤鉴别:Ⅱ级别胶质瘤Flair序列的熵值(EntFlair)低于Ⅲ级别胶质瘤(P=0.019),决策树模型纳入Flair序列的熵值表现出良好的诊断效能:训练集AUC为0.80,敏感度和特异度为0.952和0.533;验证集AUC为0.761,敏感度和特异度为0.636和0.733,效能高于常规MRI征象学(肿瘤有无囊变坏死、肿瘤强化程度、水肿最大径,在训练集AUC为0.626、0.809、0.669,在验证集AUC为0.716、0.703、0.559)。(3)Ⅲ级别与Ⅳ级别胶质瘤的鉴别:Ⅲ级别胶质瘤T1WI增强序列的标准差(SD T1WI-CE)、T2WI 序列的熵值(EntT2WI)比Ⅳ级别胶质瘤低,Ⅲ级别胶质瘤T1WI增强序列的延伸率(EloT1WI-CE)较Ⅳ级别胶质瘤高,差异均有统计学差异(P=0.005,P=0.037,P=0.012)。决策树模型纳入上述特征在鉴别Ⅲ级别和Ⅳ级别胶质瘤时表现出良好的鉴别效能(训练集:AUC为0.801,敏感度和特异度为为0.765和0.714;验证集:AUC为0.850,敏感度和特异度为0.778、0.824),效能显著高于常规MRI征象学(肿瘤强化程度和水肿最大径,在训练集AUC为0.609、0.675,在验证集AUC为0.543 和 0.533)。[结论]影像组学可提供更多量化信息,可在术前较为准确的对脑胶质瘤进行分级,不仅能区分高低级别胶质瘤,而且能对Ⅱ级别胶质瘤、Ⅲ级别胶质瘤和Ⅳ级别胶质瘤进行逐一区分。第二部分基于常规MRI图像的影像组学对高级别脑胶质瘤总生存期预测的临床价值[目的]研究基于常规MRI图像的影像组学对高级别脑胶质瘤总生存期预测的效能及临床价值。[方法]回顾性收集具有完整MRI图像、病理和总生存期资料的高级别胶质瘤25例(WHOⅢ级12例,WHO Ⅳ级13例)。在MRI图像上勾画肿瘤最大径层面的瘤体实性部分为感兴趣区,采用Image J软件,提取直方图和灰度共生矩阵特征,测量各序列图像的最大值(Maximumvalue)、最小值(Minimum value)、标准差(standarddeviation,SD)、峰度(kurtosis)、偏度(skewness)、ASM 能量(angular second moment)、对比度(contrast)、逆差矩(inverse differentmoment,IDM)、熵(entropy)、自相关(correlation)等特征值。采用pearson相关性分析计算各特征与总生存期之间依存关系。对与总生存期存在线性相关关系的组学特征绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算其曲线下面积(the area under the ROC curve,AUC)和最佳临界值,其次采用 Kaplan-Meier曲线计算平均生存期,采用Log-rank检验比较生存期。[结果]患者年龄、肿瘤强化程度与高级别胶质瘤总生存期(overall survival,OS)成负相关(r=-0.474,p=0.017;r=-0.671,p=0.00),肿瘤是否含有囊变坏死与高级别胶质瘤总生存期存在相关(χ2=4.314,p=0.038),预测高级别胶质瘤生存期效能的AUC为0.753、0.6和0.65;标准差、偏度、熵等参数与OS成负相关,最大值、峰度、逆差矩与OS成正相关;SDT2WI低于36.7的患者平均生存期为599.059 天(95%CI:332.037～866.080),高于 36.7 的患者平均生存期为 409.5 天(95%CI:240.471～644.329)(P=0.003),AUC 为 0.74,敏感度和特异度分别为 57.1%和 100%;ContFlair低于 6.514 的患者平均生存期为 854.286 天(95%CI:245.082～1445.489),高于 6.514 的患者平均生存期为 260.647 天(95%CI:164.139～357.155)(p=0.016),AUC 为 0.621,敏感度和特异度分别为 78.6%和 50%;SkewFlair低于-0.174 的患者平均生存期为 604.429 天(95%CI:276.381～932.381),高于-0.174 的患者平均生存期为 188.6天(95%CI:99.570～277.630)(P=0.008),AUC 为 0.743,敏感度和特异度分别 71.4%和80%;SkewT1WI-CE低于-0.123 的患者平均生存期为 1083.8 天(95%CI:239.096～1824.504),高于-0.123 的患者平均生存期为 268.421 天(95%CI:182.556～354.286)(P=0.008),AUC 为 0.564,敏感度和特异度分别为 92.9%和40%。联合患者年龄、常规影像学特征和组学特征可提高预测诊断价值,AUC达0.81,敏感度和特异度分别77.8%和78.6%。[结论]影像组学可提供更多量化信息,可为预测高级别脑胶质瘤总生存期提供重要信息。联合影像组学、患者年龄及常规MRI征象学,可进一步提高对高级别胶质瘤总生存期预测的效能。