基于DCE-MRI定量参数的胶质瘤自动分级研究

摘要

目的 研究一种基于动态对比增强磁共振成像(dynamic contrast-enhanced MRI,DCE-MRI)定量参数的术前胶质瘤自动分级诊断技术.材料与方法 对98例经手术病理证实的胶质瘤患者(低级别28例,高级别70例)均行常规磁共振和DCE-MRI检查,利用NordicICE软件计算定量参数AUCAIF、Ktrans、Kep、Ve和Vp,进一步提取整个肿瘤区域内各参数的直方图统计特征.结合支持向量机递归特征剔除(support vector machine recursive feature elimination,SVM-RFE)方法和支持向量机(support vector machine,SVM)分类器对各个参数特征构建分类模型,并通过10-fold交叉验证对各模型的分类性能进行评估.结果 除Vp参数外,AUCAIF、Ktrans、Kep和Ve参数分类模型都取得较高的正确率和AUC(均≥0.75).联合使用五种参数特征构建的分级模型,比使用单一参数特征效果更优,其正确率和AUC均为0.864.结论 结合DCE-MRI的各种定量参数信息,使用高效的机器学习技术,可以构建较为准确的无创术前胶质瘤自动分级模型,对于治疗方案选择和提高预后具有重要指导意义.