基于PSO-SVM模型的多区域多参数MRI脑胶质瘤MGMT分类

目的:探讨基于粒子群优化支持向量机(PSO-SVM)模型的多区域多参数MRI放射组学特征预测脑胶质瘤O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化状态。方法:首先分析了127例脑胶质瘤患者的MR影像资料,从肿瘤及水肿区T1WI增强、T2WI、FLAIR和ADC序列中提取1029个放射组学特征,包括一阶统计量、形状和纹理特征;然后采用主成分分析法(PCA)对提取的特征降维,结合PSO-SVM算法建立放射组学模型训练学习;最后采用受试者操作特性(ROC)曲线和准确率评价模型预测效能。结果:基于PSO-SVM模型的多区域多参数MRI脑胶质瘤MGMT分类实验中,肿瘤区情况最好的是T1WI增强序列,预测脑胶质瘤MGMT启动子甲基化状态AUC为0.88,准确率达90%;水肿区情况最好的是ADC序列,AUC为0.90,测试集全部预测正确。结论:模型具有训练速度快、精确度高的特点,可以快速预测MGMT病理结果,为医生提供一种高效而准确的辅助诊断依据。