目的:探讨基于T2WI和DWI影像组学在术前无创预测垂体腺瘤质地中的应用价值。方法:回顾性分析经病理证实为垂体腺瘤的108例患者临床及术前MRI资料,术中2名神经外科医生评估肿瘤质地,将其分为质软组和质硬组。按7∶3随机分为训练组和验证...目的:探讨基于T2WI和DWI影像组学在术前无创预测垂体腺瘤质地中的应用价值。方法:回顾性分析经病理证实为垂体腺瘤的108例患者临床及术前MRI资料,术中2名神经外科医生评估肿瘤质地,将其分为质软组和质硬组。按7∶3随机分为训练组和验证组,在T2WI和DWI图像上手动勾画肿瘤实质区的体积作为感兴趣区容积(volume of interest,VOI),用FeAture Explorer软件提取特征,采用无监督特征选择(unsupervised feature selection,UFS)进行特征筛选,采用支持向量机(support vector machine,SVM)构建影像组学模型。通过受试者工作特征曲线下面积(area under curve,AUC)及校准曲线评估模型的效能。结果:在联合T2WI和DWI影像组学模型中,训练组预测垂体腺瘤质地的AUC为0.89,验证组的AUC为0.80。校准曲线显示模型预测值与实际值一致性较好。结论:联合T2WI和DWI影像组学模型具有较好的诊断效能,有助于术前预测垂体腺瘤的质地。展开更多
文摘目的:探讨基于T2WI和DWI影像组学在术前无创预测垂体腺瘤质地中的应用价值。方法:回顾性分析经病理证实为垂体腺瘤的108例患者临床及术前MRI资料,术中2名神经外科医生评估肿瘤质地,将其分为质软组和质硬组。按7∶3随机分为训练组和验证组,在T2WI和DWI图像上手动勾画肿瘤实质区的体积作为感兴趣区容积(volume of interest,VOI),用FeAture Explorer软件提取特征,采用无监督特征选择(unsupervised feature selection,UFS)进行特征筛选,采用支持向量机(support vector machine,SVM)构建影像组学模型。通过受试者工作特征曲线下面积(area under curve,AUC)及校准曲线评估模型的效能。结果:在联合T2WI和DWI影像组学模型中,训练组预测垂体腺瘤质地的AUC为0.89,验证组的AUC为0.80。校准曲线显示模型预测值与实际值一致性较好。结论:联合T2WI和DWI影像组学模型具有较好的诊断效能,有助于术前预测垂体腺瘤的质地。