10.12015/issn.1674-8034.2023.03.003
基于融合多序列MRI的3D卷积神经网络评估脑胶质瘤患者生存预测应用研究
目的 利用3D卷积神经网络融合多序列MRI数据探究脑胶质瘤患者生存风险概率.材料与方法 回顾性分析来自河南省人民医院影像归档和通信系统的63例术前行颅脑MRI检查的脑胶质瘤患者病例资料(私有病例数据),收集患者的T1加权成像、T2加权成像、T1增强加权成像、液体衰减反转恢复序列数据,结合公开数据集癌症影像档案库(The Cancer Imaging Archive,TCIA)的500例脑胶质瘤患者病例资料,由两名神经影像诊断医师在MRI图像上手动勾画病灶感兴趣区,根据患者生存期分为高风险组、中风险组和低风险组,构建3D卷积神经网络深度学习模型,将数据集按照3∶1∶1的方式划分为训练集、验证集和测试集评估脑胶质瘤患者的生存风险概率.563例病例数据的60％用于训练模型(所有私有病例数据用于训练),20％用于验证方法,20％用于测试结果.结果 训练集中高、中、低风险组的受试者工作特征曲线下面积(area under the curve,AUC)分别为0.81、0.79、0.86,验证集中高、中、低风险组的AUC分别为0.74、0.78、0.81,测试集中高、中、低风险组的AUC分别为0.72、0.74、0.75.结论 基于多序列MRI的深度学习模型能够为脑胶质瘤患者的生存预测提供辅助支持,为医生临床诊断和预后预测等方面提供定量信息,具有重要的科学价值和临床意义.
脑胶质瘤、生存预测、深度学习、3D卷积神经网络、磁共振成像
14
R445.2;R739.41(诊断学)
河南省医学科技攻关计划项目;河南省自然科学基金;河南省自然科学基金
2023-04-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
12-16
