基于MR的垂体空细胞腺瘤与其他垂体腺瘤鉴别的影像组学研究

作者：李雪佳; 莫展豪; 隋赫; 孙旭; 刘景鑫^*

来源：中国医疗设备, 2019, 34(04): 29-46.

• 垂体腺瘤
• 影像组学
• 机器学习
• 空细胞腺瘤
• 免疫组化

目的本文旨在通过垂体腺瘤的磁共振影像组学分析,对空细胞腺瘤及其他垂体腺瘤进行术前鉴别,进而为术前诊断、治疗及预后评估提供更多的参考信息。方法回顾性分析2013年1月至2018年5月吉林大学中日联谊医院182名垂体腺瘤患者临床及影像资料,所有患者术前均有MR平扫及增强图像以及术后免疫组化结果。对T1WI、T2WI平扫及T1WI增强序列的冠状位扫描图像进行手动分割并提取影像组学特征(每个序列图像分别提取1029个特征值),运用方差选择法、方差分析和最小绝对收缩和选择算法筛选出相对有效的影像组学特征。采用逻辑回归构建预测模型,预测表现通过受试者工作特征曲线(ROC曲线)评估,分析T1WI、T2WI及T1WI增强图像及图像组合在垂体免疫功能状态的预测能力,比较不同序列及组合对于垂体免疫学功能状态的优劣。结果训练集中,基于T1WI&T2WI序列图像的组合最终提取出13个有效的特征值,曲线下面积(AUC)值为0.80,95%置信区间(95%CI)为0.74～0.85,准确率为0.70。模型的预测效能在验证集中得到了检验,AUC值为0.70,95%CI为0.55～0.84,准确率为0.68。T1WI&T2WI&CE-T1WI序列组合几乎得到相同的结果。上述两组序列组合的模型效能比单个序列的模型预测效能更高。结论对影像组学为术前评估垂体腺瘤免疫组化结果提供了一种新的方式,为垂体空细胞腺瘤或其他类型垂体腺瘤的术前鉴别诊断、治疗方案的选择及预后评估提供一定参考价值。

• 单位
  吉林大学中日联谊医院; 吉林大学第二医院