基于深度学习和影像组学的脑膜瘤质地术前评估

作者：张家天; 陆逸平; 赵亚婧; 尹波; 李鹏; 赵凌霄^*

来源：中国医学计算机成像杂志, 2023, 29(04): 340-345.

DOI：10.19627/j.cnki.cn31-1700/th.2023.04.011

• 影像组学
• 深度学习
• 脑膜瘤
• 质地
• 表观弥散系数

目的：探讨基于弥散加权成像中表观弥散系数（ADC）的深度学习影像组学（DLR）技术在术前预测脑膜瘤质地的价值。方法：回顾性收集202例经术后病理证实的脑膜瘤患者相关数据资料，其中质软组包含97例，质硬组包含105例，并由放射科医生应用ITK-SNAP软件勾画病灶的感兴趣区。首先，基于预处理图像提取病灶的影像组学特征和深度学习特征，进行特征组合；然后，对组合特征进行特征评估和特征选择，并建立混合标签。其后，对临床特征与放射学语义特征进行组间差异检验；最后，采用logistic回归建立临床、混合标签及联合模型，并建立基于混合标签的列线图。结果：临床资料中，WHO分级、Ki-67值及脑膜瘤最大径的组间差异显著（P<0.05）。筛选出3个影像组学特征和23个深度学习特征构建混合标签，其列线图的C指数在训练集为0.896 (95%CI 0.844～0.947)，在测试集为0.925 (95%CI 0.841～1.000)。结论：基于ADC图的深度学习影像组学技术可预测脑膜瘤质地，对术前预测具有参考价值。

• 单位
  中国科学院苏州生物医学工程技术研究所; 复旦大学附属华山医院; 生物医学工程学院; 中国科学技术大学